共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
6.
提出了一种基于分段去斜率的Chirp-rate调制解调方法。根据CRM信号以不同调频斜率的Chirp信号作为调制信号的特点,接收端分为两级解调,第一级解调采用延时混频(去斜率)的方法,把不同调频斜率的Chirp信号转换为MFSK信号,第二级采用非相干方式对MFSK信号解调。最后分析了二进制CRM信号经过高斯信道的性能,在高信噪比情况下略好于基于分数阶傅里叶变换的CRM系统。 相似文献
7.
8.
基于小波包与支持向量机的复杂信号模式识别 总被引:5,自引:0,他引:5
为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量.利用"一对一"的分类策略和二又树构建多类支持向量机分类器,经训练后可以有效地对前臂8种动作的表面肌电信号进行识别,8种动作的平均识别率达到99.375%.实验结果表明,支持向量机分类器的识别率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力. 相似文献
9.
提出了一种基于小波包变换和支持向量机的虹膜识别方法.用小波包变换对归一化的虹膜图像进行2层分解,并计算出每个子频带的能量;通过选择具有最大能量值的特征作为小波基特征,以减少进入支持向量机的样本数目和提高识别准确率;最后,用支持向量机对虹膜特征进行模式匹配.实验结果表明,该方法取得了较好的识别效果. 相似文献
10.
将短时拉曼努金傅里叶变换(ST-RFT)应用于数字调制信号识别的研究中,以寻求提高低SNR条件下数字调制信号识别率的新方法。通过归一化ST-RFT谱图计算、特征参量提取以及阈值判别来实现调制信号的识别。针对5种常见的数字调制信号进行仿真分析,结果表明,在SNR=0 dB的信噪比条件下,基于ST-RFT算法的数字调制信号识别方法的平均识别率可以达到90%,比基于谱图时频分析法的识别率提高了10.4%;特别是相比于基于瞬时幅度和瞬时频率的特征方法,4FSK调制信号的识别率可提高9%。基于ST-RFT算法的数字调制信号识别方法能够 在低SNR条件下有效识别数字调制信号,具有良好的工作性能。 相似文献
11.
基于小波包分析的数字信号处理 总被引:1,自引:0,他引:1
小波包分析具有优良的时频特性,可以有效地用于数字信号的消噪处理和对信号进行特征提取。小波包分析可以对电机振动故障进行诊断,以便随时排除故障。同时,给出并分析了试验结果。 相似文献
12.
针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。 相似文献
13.
对于在复杂的移动传输环境中传送高速的数据流,小波包多载波调制通信系统在数据传输过程中仍然不可避免地存在着由于多径效应引起的符号间干扰。在对多径瑞利信道的建模基础上分析了小波包多载波调制系统在瑞利信道下的系统性能。同时,通过引入强迫归零方法,提出一种对时域信道冲激响应估计下的强迫归零均衡算法。该算法简单且易于实现,不增加任何系统复杂度。仿真结果表明系统在多径瑞利信道下的性能得到了有效提高,证明了该方案的可行性和在高速数据传输领域及未来移动通信中具有良好的应用前景。 相似文献
14.
情感识别是情感计算的一个关键问题。针对表面肌电信号(EMG)的非平稳性,根据小波包变换在不同时频段均能精确的刻画信号,并提供丰富模式信息的特点,提出利用小波包熵方法对不同情感状态下的表面肌电信号进行分析。实验表明,该方法对情感的唤醒度识别效果较好。 相似文献
15.
提出一个基于小波包分解的数字图像版权保护算法.利用小波系数的特征对宿主图像进行预处理,并选择其中具有相似纹理特征的图像子块进行组合构成相应的子图像.基于块处理与像素调制相结合的空频域联合的水印算法,在纹理活动区域采用小波包变换的系数量化方法嵌入水印,不仅保证了在不损失图像质量的条件下大容量鲁棒信息的隐藏,也保证了水印的盲提取,从而有效地增加了鲁棒水印信息的嵌入量及抗攻击能力.实验结果表明该算法较传统方法而言达到了鲁棒性与容量的最佳结合. 相似文献
16.
图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明:在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。 相似文献
17.
18.
19.
特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。 相似文献