基于运动矢量区域特征的视频水印方案

H.264是一种高压缩比、高视频质量、高复杂度的新一代视频压缩标准,因为其高压缩率的特性,一些常用的水印方案无法直接运用于该视频压缩标准。提出了一种利用运动矢量的区域特性来隐藏水印信息的视频水印方案,该算法的最大特点为简单、实用,并且在隐藏水印信息的过程中还可以降低H.264编码中运动估计部分的运算复杂度。实验结果表明,通过该算法对视频图像嵌入水印后,主观上无法分别图像区别,PSNR值的波动被有效的控制在±0.1范围内,码率的增加在2%左右,并且插入的水印信息能够被100%的正确提取,运动估计中的搜索点减少1/2。由此表明,该算法是一种简单、高效的视频水印隐藏方案,并且细化区域的分类,可以达到使隐藏的水印信息加倍的效果。     

一种支持高效并行处理的矢量数据索引方法

分析了HBase的存储模型和Spark的并行处理机制,提出一种矢量空间数据的分布式存储、索引和并行区域查询方法。设计了基于空间对象中心点的行键存储方案,将中心点的Hilbert编码与经纬度小数位结合实现行键的唯一性,保证地理位置接近的要素在表中存储在相邻的行。实现了基于Spark的空间索引并行构建和区域查询方法,借助空间对象中心点的Hilbert编码快速构建索引,通过多边形区域的最小外接矩形过滤查询结果。实验结果表明,索引并行构建可靠性好速度快,区域查询并行处理算法可行且效率高。     

基于希尔伯特变换和小波包节点能量法的齿轮箱故障诊断研究

故障齿轮箱的振动信号中可能包含周期性的振幅和相位调制信号,在齿轮箱故障诊断中,解调成为一个重要的问题。在分析了齿轮振动信号的基础上,提出了一种基于希尔伯特变换和小波包节点能量法的故障诊断方法。通过一个包含调幅调相信息的仿真信号进行了验证,结果表明该方法能够有效提取调制信号,比使用小波包变换更有效。     

条件数学期望的构造性表示

本文旨在研究条件数学期望E(Y|X₁…,X_m)的构造.     

Szeg核空间的子空间的再生核

本文给出了再生核Hilbert空间的再生核与相应的子空间的再生核的联系,并在此基础上讨论了Szego核空间的一系列子空间的再生核.     

基于小波分析和Hilbert变换的R波检测算法

提出了在心电信号中定位R峰的一种新的鲁捧算法.利用小波工具滤波,然后结合心电信号的一次微分和一次微分后的的Hilbert变换,使得R峰突出,P波和T波减弱.另外,噪音、基线漂移、运动伪迹都最小化,伪迹受到抑制.通过经验的R峰时间间隔,预估和应用幅度阈值可以很容易地将R峰找出来.用MIT_BIH心律失常数据库的纪录测试了该算法,平均检测率达到了99.91%.该算法可靠且实现简单,用于其他生理信号如心音信号分段也有较高的正确率.     

再生核支持向量机在刀具故障诊断中的应用

提出了一种构造再生核的新方法:用Walsh函数作为空间V0的尺度函数,构造出L2(R)空间的正交规范序列。首先,结合小波多分辨分析,将Hilbert空间分为一系列子空间,并根据可分Hilbert空间与L2(R)的等价性,利用内积同构的线性算子,把V0子空间的尺度函数折算为Hilbert空间的子空间V~0的尺度函数,构造出新的Walsh序列再生核;然后,运用小波包频带能量分解技术提取不同频带内刀具在不同工作状态下的特征向量。通过仿真实验表明,该尺度再生核函数具有更高的辨识精度,较少支持向量数目,充分体现了支持向量机较好的推广性能。     

N维Hilbert曲线生成算法

Hilbert曲线描述了一种多维空间与1维空间—映射的方法，在图像处理、多维数据索引等领域有着重要的地位。但因为高维Hilbert曲线的复杂性，对高维Hilbert的相关算法研究很少。提出了产生N维Hilbert曲线的一个新算法。该算法基于静态演化规则，自底向上地分析N维Hilbert曲线编码规律，实现N维Hilbert曲线的编码生成。与现有的算法相比，本文算法易于实现。实验结果表明，该算法具有更好的计算性能。     

Constrained and SNR-Based Solutions for TV-Hilbert Space Image Denoising

We examine the general regularization model which is based on total-variation for the structural part and a Hilbert-space norm for the oscillatory part. This framework generalizes the Rudin-Osher-Fatemi and the Osher-Sole-Vese models and opens way for new denoising or decomposition methods with tunable norms, which are adapted to the nature of the noise or textures of the image. We give sufficient conditions and prove the convergence of an iterative numerical implementation, following Chambolle’s projection algorithm. In this paper we focus on the denoising problem. In order to provide an automatic solution, a systematic method for choosing the weight between the energies is imperative. The classical method for selecting the weight parameter according to the noise variance is reformulated in a Hilbert space sense. Moreover, we generalize a recent study of Gilboa-Sochen-Zeevi where the weight parameter is selected such that the denoised result is close to optimal, in the SNR sense. A broader definition of SNR, which is frequency weighted, is formulated in the context of inner products. A necessary condition for maximal SNR is provided. Lower and upper bounds on the SNR performance of the classical and optimal strategies are established, under quite general assumptions.     

用准同步离散Hilbert变换测量无功

由电路理论知Q =1T∫2π0 u(x- π2 )i(x)dx。u(x- π2 )为电压信号移相 - 90°,而Hilbert变换正好满足此要求。可以借助计算机计算离散Hilbert变换。由采样误差或者电网频率发生漂移导致的测量误差可以采用准同步方法提高精度。采用准同步离散Hilbert变换可以获得较高的无功功率测量精度。