紧凑型高变焦比DC对比专题 轻便拍摄利器

看过上期数码相机专区的读者应该对目前拥有大变焦比数码相机主流机型的变焦能力有了更加直观的了解,CHIP将在这期继续对拥有较高变焦比的数码相机进行对比测试,不过与上期的目标机型不同的是,本专题涵盖的主要是机身相对轻薄、同时拥有7至12倍光学变焦能力的紧凑型高变焦比数码相机。     

二维内插的OFDM导频信道估计的研究

正交频分复用(OFDM)是一种多载波传输和调制技术,其主要特点是频带利用率高、抗多径干扰能力强,目前已成为无线通信高速数据传输的主要技术。介绍了OFDM系统的工作原理和二维信道估计技术,着重研究基于二维内插方式和二维变换域方式的PSAM信道估计技术,针对导频特点提出变换域插值一种改进的方法并与线性差值、样条差值进行对比。采用Simulink构建系统基带仿真并验证Rayleigh信道下各种二维插值方法的BER性能,结果表明该改进方法可行且具有良好的性能。     

基于人工神经网络的暂态电能质量现象的分类与识别

暂态电能质量信号具有发生随机性,持续时间短和非平稳的特性,使得信号的识别实现较为困难。目前对电能质量信号进行辨识的方法有基于规则的专家系统方法、基于神经网络的方法以及结合小波变换技术的神经网络方法等。利用小波变换和人工神经网络的结合方法,对各种暂态现象实现有效地识别和初步地分类。     

分数次积分变换的交换子在齐型空间上的端点估计

令T为P^n上的Caldero＇n-Zygmund积分算子,由T构成的交换子的有界性已有较完善的结论,本文的目的是将之推广到一般的齐型空间。设（X,d,μ）为齐型空间,将引进齐型空间（X,d,μ）上的分数次积分变换构成的交换子Iγ^b,并证明分数次积分变换构成的交换子Iγ^b的端点估计,即砖是从L^1/γ（X）到BMO（X）有界的,从Bp^γ（X）到CMO（X）有界的。     

基于S变换的全桥整流电路故障诊断研究

针对应用广泛的全桥整流电路故障分析,根据整流电压波形的畸变规律,分析了2个以内的二极管故障分为7类共计22种故障元。运用S变换分析,提取了故障特征值,并以此构造故障模式向量作为RPORP神经网络的输入。实现了电路的故障诊断与定位。为双凸极发电机整流电流故障的进一步研究打下了基础。     

平移不变小波去噪法在胎儿心率提取中的应用

用传统的小波阈值法对超声多普勒胎儿心脏回波信号进行去噪处理时会产生Psuedo Gibbs现象,影响了去噪效果和胎儿心率值的提取。为了解决这个问题,在此基础上提出了平移不变小波法去噪。实验结果表明,该方法有效的抑制了Psuedo Gibbs现象,剔除了信号中的噪声,识别出被噪声淹没的有用信号,有利于心率值的提取。     

基于GPU的多分辨率体数据重构和渲染

基于小波变换的多分辨率压缩算法能够获得很高的压缩比,因而被广泛地用于压缩体数据.针对这种压缩策略,研究基于GPU的数据重构的方法,可以只从CPU向GPU传输少量的压缩数据,从而提高数据传输效率.因为好的数据结构是实现基于GPU的重构算法的关键,所以文中提出适合使用矩形纹理表示的数据结构--Nested Tileboard;然后给出基于该数据结构在GPU上实现多分辨率重构的方法,使用Nested Tileboard保存中间数据及重构结果;还提出了基于Nested Tileboard的多分辨率体绘制方法,直接对重构数据进行体绘制,从而实现数据重构和体绘制的无缝连接.     

基于短时傅立叶技术的鸡蛋破损检测

声学技术是目前应用于鸡蛋破损检测中最具潜力的--N技术,它利用完整蛋和破损蛋在声脉冲响应上的差异性来对鸡蛋进行分级分类.本文所研究的系统中采用前置放大器和A/D转换芯片采集鸡蛋被敲击后发出的声音,对获得的时域信号进行频域分析.相比于传统的傅立叶分析,本文采用了时频分析技术,即利用短时傅立叶变换来分析鸡蛋响应信号,并建立了相应的分级分类模型.实验表明基于短时傅立叶技术的鸡蛋破损检测模型对破损鸡蛋具有很高的识别率,为实际生产过程中鸡蛋的无损检测提供了新的并且更有效的方法.     

小波互信息及其在心电分析中的应用

为探究信号小波成分中的有用信息,提出了从小波变换(WT)系数和多层小波分解(WD)成分的延时互信息(MI)得出信号分析指标的新方法.以年轻(21～34岁)与年老(68～81岁)二组健康人心电图(ECG)为实验数据,用Symlets 4为母小波对ECG进行WT和WD,计算出MI与心率周期对应的极大值(LM)和表示该波峰形态特征的波形宽度(WW)等多个特征指标.结果表明,在尺度a=12时的WT系数及第3层细节的LM都是年轻组明显小于年老组(P<0.001),第2层近似和第3层细节的WW都是年轻组明显大于年老组(P<0.001).ECG的延时互信息可揭示出心率变异性随年龄而减少.     

基于非下采样Contourlet和MRF的纹理图像分割

提出了一种基于非下采样Contourlet变换(NSCT)和马尔科夫随机场(MRF)相结合的纹理图像分割算法.算法包括两个步骤,首先通过NSCT实现对图像纹理特征的提取,并使用模糊C-均值完成对图像的初始分割;然后将初始分割结果用 MRF模型表示,通过贝叶斯置信传播得到图像的最终分割结果.实验结果表明,对于纹理图像,该方法在分割错误率、区域一致性以及边缘的准确性方面都比传统小波变换的方法有了明显的改善.