互相关模式识别中样本的数量

提出了一种新的确定互相关模式识别试验样本数量大小的通用方法，给出了试验样本集的建立原则，在手写汉字识别之中使用表明：当待识别样本互相关联时，它是一种很有效的统计学方法，具有重大的理论意义和实用价值。     

ARMA倒谱用于语音识别的特征参数

本文介绍了一种以ARMA倒谱系数为语音识别特证参数的快速递推算法,并给出了实验结果,证明它优于LPC倒谱,是语音识别中一种新的有效方法。     

基于自组织神经网络的特征识别

针对CAD、CAM中的特征识别问题,在特征的属性邻接图表达方法的基础上,根据特征建立的历史过程提出了特征森林的概念,作为识别的启发式信息。采用自组织神经网络识别特征。依据识别特征的规模动态确定自组织神经网络输入神经元的维数,并给出了一种矢量化方法。实验实例证明了本文方法的有效性,从而为特征识别和维护提供了一种新的有效方法。     

一种改进的BP算法及其在模式识别中的应用

针对前馈神经网络中传统BP算法的局限性，给出了一种改进的BP算法，选取了一种新的误差函数，并对其参数进行了动态自适应调整．通过比较，改进的BP算法收敛特性明显优于传统的BP算法．实践证明，将上述算法应用于对工业零件的识别当中，可有效提高识别速度和识别正确率约17％．     

基于粗集方法的一种文字识别

文字识别作为模式识别的一个重要方面,其研究获得广泛重视。本文基于粗集理论的观点,把文字识别问题看作是模式识别中简化知识表态与信息分类处理问题,提出一种新的文字识别方法,这不仅对模式识别中如何提取有用特征是一种新的探索,而且对简化信息处理也是一种新的方法。本文介绍了基于粗集理论的文字知识表达的方法,探讨了模式识别中的特征提取及最小决策算法,并给出一人上文字识别的例子来说明这种有效的方法。     

不完备信息系统的辐射源识别方法研究

该文将粗糙集理论引入不完备信息系统下的辐射源识别。基于粗糙集理论,给出了一种新的不完备信息系统下辐射源识别模型。该方法以相似关系、相容关系作为基础,通过知识约简和决策规则的提取,较好地解决了不完备信息系统的辐射源识别问题。以雷达辐射源用途识别为例给出实例分析,说明了该模型处理不完备信息识别问题的有效性。     

基于稀疏表示的多类融合样本中特定目标识别

针对WSN及轮廓检测系统的特点,给出了一种基于WSN的数据处理方法。该方法首先通过主分量分析提取样本特征,然后采用叠加方式对不同样本的特征进行融合,给出数学模型;并以此模型为基础,提出一种新的基于稀疏表示的多类融合样本中特定目标识别算法,该算法根据超完备字典下主要非零系数的分布情况识别出特定目标;数值仿真与实验结果验证了本文算法的有效性,综合性能优于传统方法。     

基于人工免疫原理的中文姓名识别方法

为提高姓名识别的准确性并加快识别的速度,受生物免疫系统自学习、免疫记忆等特征启发,基于人工免疫原理,提出了一种新的中文姓名识别模型。给出了自体/非自体、抗体/抗原的定义,建立了免疫学习、免疫识别和免疫记忆机制。对模型进行了仿真,并完成了验证实验。实验结果表明该方法较传统的基于统计、基于语料库和结合决策树的姓名识别方法更有效,为文本挖掘提供了一种较好的解决方案。     

用功率谱相减法进行混噪语音识别的研究

为了提高混噪语音的识别率，对以往功率谱相减法进行了数理解析，指出了其不足之处。针对某些混有频率成份较少的噪音的语音，提出了一种新的功率谱相减法，给出了相应的处理算法，并运用这种新的功率谱相减法进行了仿真语音识别实验，实验结果证明了这种新的功率谱相减法的正确性和有效性。     

细胞图象处理的技术与方法

医学上显微细胞图象的识别是医疗诊断的重要依据。本细胞图象的特点，给出了一种细胞图象识别系统的总体设计方案，讨论了细胞图象的灰度变换、直方图修整、伪彩色增强、噪声滤除等增显技术，细胞图象的特征抽取及其描述方法，给出了细胞图象的识别和理解毓伯模型。     

基于小波降噪的短波通信信号协议识别特征提取算法

利用特征波形匹配来识别短波通信信号协议是简单有效的方法,但易受噪声干扰,影响其有效性.而低信噪比是短波信道特征之一,为此引入小波降噪来构造具有优良抗噪声干扰性能的协议识别特征,以减小噪声对特征波形匹配度的影响.文章提出了一种新的协议识别特征提取算法,该算法通过统计不同信噪比条件下小波系数的波动性,实现了特征波形与待识别信号波形小波系数的合理取舍,并采用取舍后小波系数的匹配度作为识别特征.仿真结果表明,该识别特征能有效减小噪声干扰影响,在低信噪比条件下优势突出.     

基于小波变换的重叠色谱峰检测方法研究

为了构建一种色谱数据处理方法,可以同时解决包含肩峰的复杂重叠色谱峰群检测中的噪声滤除、基线校正和谱峰辨识等问题,作者利用小波变换多分辨分析及奇异性检测原理,提出了一种色谱信号处理的新方法.通过对仿真和实验数据处理的结果表明:该方法检测重叠色谱信号无须专门的滤波和基线校正步骤,可以确定出色谱图中包含肩峰在内的复杂峰群各特征点位置和峰形情况.用该方法开发的检测算法只需设置两个参数,方便了计算机的自动处理.     

基于MATLAB GUI的语音信号特征提取系统设计

语音信号的典型时频特性和核心处理算法是语音识别、合成和说话人识别等系统中的关键问题.结合线性预测分析技术(LPC)和美尔倒谱参数(MFCC)的算法原理,基于MATLAB GUI技术,设计完成了语音信号典型特征提取系统的界面平台,可实现语音信号的装载、播放和波形显示,LPC和MFCC的计算结果显示和数据存储等功能.界面的人机交互性好,操作简单方便,可提高对算法或数据处理效果的直观认识,对语音信号分析和处理等各个研究领域具有重要的现实意义.     

MIMO雷达中的DFCW设计及性能分析

发射信号的正交性好坏是多输入多输出(MIMO)雷达实现的关键,正交离散频率编码波形(DFCW)是MIMO雷达可以利用的正交信号。该文首先分析了DFCW的互模糊函数,在此基础上,对自相关峰值旁瓣及互相关峰值旁瓣电平进行了分析,提出了采用遗传算法对其进行优化,得到了具有更低互相关峰的DFCW。然后将优化得到的DFCW应用于MIMO雷达系统进行仿真分析。通过对信号互相关仿真及对目标回波信号匹配滤波仿真对理论分析进行了验证,证明了理论分析的正确。     

基于压缩感知的语音信号编码算法

针对语音信号在离散余弦变换基上的稀疏性,提出了一种基于压缩感知的语音压缩编码算法。算法在编码端采用随机高斯矩阵直接对语音波形进行观测,并采样均匀量化技术对随机观测进行量化。解码端利用未饱和的观测值通过Lasso算法实现语音信号的重构。仿真结果表明,该算法具有良好的重构性能。     

基于动态阈值和DTW的ECG身份识别算法

人体心电信号(ECG)虽然是非稳态时变信号,但现有研究表明其可以作为一种新型的生物识别特征用于对识别分辨率要求不高的应用场合,或与传统生物特征相结合来提高识别性能。本文给出了一种能针对不同实验对象动态设定阈值以提取典型波形,并利用加权动态时间弯曲法(DTW)进行ECG身份识别的算法。在模板登记阶段,首先对经去噪处理的一段ECG波形进行R点检测,然后通过动态阈值设定得到一段典型的包含完整心电周期信息的心电波形,最后将其作为模板波形存入用户模板库。在身份识别阶段,基于前述经动态设定的阈值进行心电波形选择,实时提取测试波形,然后基于经长度加权的DTW算法进行测试波形和模板波形的相似度计算,最终实现用户身份识别。     

液压挖掘机作业循环状态智能识别方法

为实现液压挖掘机作业循环阶段状态的自动识别,提出采用时窗滑移特征提取与PCA-SVM相结合的方法. 以液压挖掘机2个主泵压力信号为研究对象,采用时窗滑移截取各阶段状态的小段波形,提取所有截取波段相应的时频参数并进行特征值归一化,经PCA降维处理后作为输入特征集,采用SVM进行状态分类,并分别讨论时窗宽度与重叠率对识别准确率的影响. 引入即时校正策略,对直接识别结果进行自动检验校正,纠正不符合挖掘机循环作业逻辑规则的误判结果,从而使识别准确率由80.85%提高到89.36%. 实验结果表明,所提方法能准确有效地实现液压挖掘机作业循环各阶段状态的自动识别.     

多径衰落信道下OFDM信号盲识别

针对多径衰落信道下正交频分复用(OFDM)信号调制识别难题,提出一种基于循环自相关的OFDM信号调制识别算法.通过对多径衰落信道下具有循环前缀的OFDM信号循环自相关特性的数学推导,验证了在一定延时处,OFDM信号的循环自相关会出现峰值,而单载波信号无此峰值,据此特性可以实现多径衰落信道下OFDM信号和单载波信号的调制识别.该算法消除了如符号时间估计、载波估计、波形恢复、信噪比估计等预处理过程,计算复杂度低,识别率较高.理论分析及仿真结果均验证了该算法的正确性和有效性.     

Smoothness Prior Approach for Spectral Smoothing and Baseline Correction

Smoothness prior approach for spectral smoothing is investigated using Fourier frequency filter analysis. We show that the regularization parameter in penalized least squares could continuously control the bandwidth of low-pass filter. Besides, due to its property of interpolating the missing values automatically and smoothly, a spectral baseline correction algorithm based on the approach is proposed. This algorithm generally comprises spectral peak detection and baseline estimation. First, the spectral peak regions are detected and identified according to the second derivatives. Then, generalized smoothness prior approach combining identification information could estimate the baseline in peak regions. Results with both the simulated and real spectra show accurate baseline-corrected signals with this method.     

一种基于运动模式识别的视频对象编码算法

针对块匹配运动估计补偿（ME+MC）算法的不足,提出了一种基于自组织特征映射（SOM）的运动模式识别（MPR）算法,应用于会议电视的视频对象编码. 为了进一步提高SOM算法的性能,提出了频率敏感自组织特征映射（FSSOM）算法. 实验结果表明,FSSOM－MPR算法较ME+MC算法具有更好的编码性能,在压缩比为180∶1时,重建视频图像的平均峰值信噪比（PSNR）有3.3 dB的改善.