基于约束最小冗余线阵的自适应数字波束形成理论分析

本文根据约束最小冗余线阵的特点,提出一种新的实现自适应数字波束形成方法。分析表明在同等阵列孔径条件下,本文方法同基于均匀线阵的传统方法相比,不仅能使系统造价降低,而且在平均功率意义上使两者处理性能相同。     

红外图像的变分增强算法

提出了一种基于全变差和对比度的红外图像变分增强方法.针对红外图像噪声较大的特点,在现有变分增强算法的基础上,构造目标梯度场时,事先考虑了对噪声的限幅,防止不必要的噪声放大.另外,构造目标函数时加入了图像的全变差(TV)约束,使得噪声进一步得到抑制.直方图类算法会对灰度邻近、分布较少的灰度阶进行合并,从而丢失一些有用细节.本算法不会出现直方图算法的类似问题.实验表明本算法相对于常见的直方图处理算法,可以更有效增强红外图像.     

水声目标的MFCC特征提取与分类识别

水声目标识别技术在水下信息处理中起着非常重要的作用,从辐射噪声中提取水声目标的有效特征一直都是水声目标识别技术的难点所在。提出了一种利用水声目标辐射噪声的梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients, MFCC)作为目标特征提取的方法。通过对辐射噪声信号进行梅尔频率滤波得到目标噪声信号的MFCC特征,它模拟了人耳对不同频率的声音具有不同感知能力的听觉非线性效应,因此具有良好的识别效果。通过对实际水声目标的辐射噪声进行测试实验,提取目标噪声信号的MFCC特征向量,并运用K近邻算法对其进行分类识别,实验结果显示MFCC特征提取与分类识别算法对水声目标的识别率达到85%以上。     

基于干扰对消的测向方法

分析了自适应滤波和超分辨处理的内在联系，提出了具有自适应抗有源干扰能力的测向方法：基于干扰对消的测向方法－约束最小输出功率估计器和基于线阵输出相关矩阵对消的超分辨测向处理方法。首先，在理想情况下估计无源状态下的线阵输出的相关矩阵和有源状态下线阵输出的相关矩阵；其次，实施两种状态下的相关矩阵的对消运算，对消掉有源干扰和噪声，剩余的只是信号的相关矩阵；然后，再对该矩阵做超分辨处理。这种方法具有源干扰、     

一种基于分形和金字塔算法的纹理综合方法

提出一种基于分形理论和Laplacian金字塔算法的纹理综合方法,该方法以目标纹理作为输入,通过金字塔算法和直方图匹配,生成与目标纹理视觉相似的任意大小的癸纹理图象。这种方法以人类感知纹理的视觉模型为基础,对计算机图形生成技术具有现实的意义。     

单通道接收机协方差矩阵的随机权恢复方法

随着阵列理论的发展和应用，单通道接收机相对于多通道接收机显示出独特的优越性。此中协方差矩阵的恢复成为一个关键问题。本文针对这一问题，利用在不相关信号源条件下均匀线阵协方差矩阵具有的Toeplitz和Hermite性质，在理论上最少条件数的意义下，给出了协方差矩阵的随机权恢复方法，并进一步将此思想应用于稀布线阵，给出了在极限意义下的最少条件数的协方差矩阵恢复方法。仿真实验表明，本文所提的最少条件数的随机权方法具有很强的可操作性，说明了单通道接收机协方差矩阵的随机权恢复方法相对于现有方法具有所需条件数少和灵活方便的优点。     

基于二维直方图和彩色分割方法的运动目标检测

该文提出了一种新的彩色图像序列中运动目标提取的方法,它将彩色图像序列看作一个时空三维矩阵,在空域处理(帧内)中采用二维亮度直方图结合色度均匀性的方法进行空域分割;在时域处理(帧间)中采用时域梯度方法并利用时域色度差异分割出运动信息;然后将时、空分割图像采用子块相关方法合并成最终结果。实验结果表明,由于利用了空域分割结果,该方法具有很高的鲁棒性,可有效去除非目标运动信息及阴影等。     

D-S证据理论修正模型的探讨

论文针对D-S证据理论,分析了Dempster的修正模型在证据高度冲突方面的缺陷,提出了一种新的基于D-S证据理论的合成规则。实验结果也表明,这种新的合成规则不但比较好地综合保留了修正模型的优点,又避免其不足,取得了更加合理的效果。     

空间平滑差分方法

针对相干信号源超分辨空间谱估计中存在的问题，本文提出了空间平滑差分方法。利用常规超分辨方法估计不相关源和相关源的空间谱，利用空间平滑差分方法估计相关源和相干源的空间谱，这样可以重复利用接收阵列输出数据，兼顾不相关信号源和相干信号源的空间谱估计，因而可以估计更多的信号源。     

欠定条件下的盲分离算法

盲信号分离中当源信号个数大于观测信号个数,且源信号不是足够稀疏时,如果利用聚类算法进行分离,分离效果将会变差。为此提出一种在此欠定条件下新的盲信号分离算法。利用源信号的“稀疏性”估计混合矩阵,然后简化混合矩阵构造新的混合模型。由于源信号间具有的独立性,使得可以在新的混合模型中从观察信号的自相关函数中估计出源信号的频谱,从而达到分离出源信号的目的,且分离效果优于聚类算法。最后给出仿真试验实例,试验结果验证了算法的有效性。