电阻层析成像技术最优激励与测量模式的研究

电阻层析成像(Electrical Resistance Tomography,ERT)系统的激励、测量模式决定了被测场的敏感程度、测量信息量和抗噪性.本文以16电极的ERT系统为例,采用数值分析方法,对ERT的8种激励模式和2种测量模式进行研究,分别从独立测量数、等势线分布、测量电压的幅值特性和敏感特性4个指标进行综合比较,最终确定ERT系统的最优激励为Mode7激励模式(激励电极间6模式),最优测量模式为参考测量模式.     

传统LSB图像隐藏算法的优化研究

信息隐藏技术是信息安全领域的重要组成部分。针对只选最低位的LSB算法会导致隐藏信息量不够大的缺点,提出了优化的LSB算法。该方法在传统的LSB图像隐藏算法的基础上,结合遗传算法,实现秘密信息的自适应嵌入。理论分析和实验表明,这种优化算法不仅具有算法简单、隐蔽性好的特点,还具有隐藏信息容量大、均方根误差小等优点。     

基于CEEMD-WPT和Prony算法的谐波间谐波参数辨识

由于传统Prony算法对噪声极为敏感,因此采用互补集合经验模态分解(CEEMD)和小波包变换(WPT)相结合的去噪方法改善信号,提高Prony参数辨识的精度。首先对信号进行CEEMD分解得到固有模态函数(IMF),并对得到的IMF分量计算其排列熵(PE)值,根据排列熵值提取出含噪声较大的分量进行小波包去噪。然后将去噪重构后的IMF分量与剩余IMF分量重构信号。最后用Prony算法辨识重构后信号的参数。对所提算法进行仿真,并与已发表文献中的结果进行比较。仿真与比较结果表明,该算法是有效的,而且具有较好的辨识结果。