对称旋转不变相干分布式非圆信号二维波达方向估计

在相干分布式非圆信号二维波达方向估计中,利用信号非圆特性可提升估计精度,但现有的低复杂度算法利用泰勒级数近似建立的旋转不变关系会引入额外误差.针对该问题,考虑中心对称的三维立体线阵,提出了一种基于对称旋转不变关系的二维波达方向估计算法.算法首先利用信号非圆特性建立了扩展阵列模型;然后证明了对于任意的中心对称阵列,相干分布源的确定性角信号分布函数矢量具有对称特性,利用此特性在三维立体线阵的三个子阵中分别建立了扩展广义方向矢量的对称旋转不变关系;基于此,通过无须搜索的多项式求根方式分别得到中心方位角和俯仰角估计;最后利用整个阵列广义方向矢量的对称旋转不变关系构造代价函数实现了参数匹配.理论分析和仿真实验表明,相比于现有的低复杂度算法,所提算法避免了泰勒级数近似引入的额外误差,以较小的复杂度代价获得了性能的较大提升.同时,所提算法能够实现三维空间全方位的角度估计.     

运动目标激光微多普勒效应平动补偿和微动参数估计

利用激光探测微多普勒效应可以精确估计微动参数,有利于实现目标的准确分类和精细识别.运动目标的微多普勒效应是一种由多项式相位信号模型与正弦调频模型组成的混合信号.对于这类混合信号中的微动参数估计目前还未提出有效的方法.对此,本文提出一种基于分数阶傅里叶变换(Fr FT)的平动补偿方法,通过设计对Fr FT参数域的带宽搜索方法,可以从混合信号中精确估计平动参数,实现平动和微动的分离;通过设计静态参数粒子滤波器,从补偿后的信号中准确估计了微动参数;针对静态参数模型,采用马尔可夫-蒙特卡罗方法增加粒子多样性,并利用累积残差定义新的粒子权重计算函数,保证了算法在对多维参数估计时的快速有效收敛,避免了参数分别估计时误差传递的影响.通过仿真分析对比和实验数据,验证了本文所提补偿和参数估计算法的有效性.     

一种单频水声信号多径时延估计算法

提出一种针对单频水声信号的多径时延估计算法,通过采用频域加权并结合进化规划算法解决代价函数强烈振荡下的高效全局优化.算法引入多径径数建立由多径时延、幅度系数及径数组成的水声信道多径参数模型,在采用频域加权预白化进行非线性最小二乘代价函数解耦处理的基础上,结合进化规划算法进行非线性参数解空间的高效全局寻优,从而实现多径时延的高分辨率估计.利用仿真数据和海上实验数据进行的实验表明,本算法具有较高的多径时延估计精度并可同时实现多径径数的估计.     

FTIR被动遥测信号中的线形函数建模及补偿方法

被动遥测红外信号的精确解译,对远距离、非接触获取污染云团信息具有重要意义。然而,测量过程中的光谱畸变阻碍了这一目的的达成。针对遥测信号中的谱线畸变问题,提出了一种利用线形函数模型自适应补偿傅里叶变换红外光谱仪光谱线形函数的方法。通过对傅里叶变换光谱仪线形函数的成因分析,结合实际仪器设计参数,从理想线形函数、固有线形函数和相位误差三个方面构建线形函数模型;在此基础上,以实测畸变光谱与理论仿真光谱的均方误差作为代价函数,利用迭代优化方法实现了对实际线形函数关键参数进行估算的算法流程;将重构得到的线形函数应用于理论光谱补偿,显著减少了理论仿真光谱与实测光谱之间的差异。分析结果表明,理想线形函数主要影响谱线展宽及旁瓣幅值;固有线形函数造成向低频方向的非对称展宽;而相位误差则会造成谱峰非对称。必须在理论仿真光谱中综合考虑三种来源线形函数的贡献,才能有效建立测量光谱和待反演云团参数之间的联系。实际线形函数畸变参数的获取和补偿应用,有助于提高红外遥测信号的定量解译水平。     

高光谱空间中混合象元非线性反射特征研究

在入射天顶角为50°,探测方位角为45°的实验条件下,利用地物多角度二向反射平台和FieldSpec3 Hi-Res便携式地物波谱仪获取了24组荷叶与水体组成的混合象元反射波谱,并根据其波谱特性建立了高光谱空间。通过计算不同荷叶面积比例的混合象元反射光谱与参照光谱的波谱角及相似度,分析了相似度与荷叶面积比例的关系,在此基础上采用线性模型、对数模型、二次多项式模型进行拟合,拟合优度分别为63.6%,76.2%和82.9%,根据混合像元光谱矢量与参照反射光谱矢量之间的实际关系,确定最佳拟合模型具有非线性的分段特征。在分析拟合曲线的基础上,提出水生植物与水体组成的混合像元可能具有植被特征临界值的设想,研究结果有利于加深对混合象元的理解,同时也为混合象元的光谱分解提供了新的思路。     

SA-PBT-SVM的实木表面缺陷近红外光谱识别

针对实木板材表面存在的活节、死节、裂纹与虫眼4类缺陷,提出了基于近红外光谱分析的定性识别模型。随机选取50个样本组成训练集,30个样本组成测试集,在室内温度20 ℃、相对平均湿度50%环境下,采用900~1 700 nm的近红外光谱仪采集样本表面光谱,并利用SNV方法进行光谱数据预处理,以消除固体颗粒大小、表面散射及光程变化对漫反射光谱的影响;然后,采用偏二叉树双支持向量机(PBT-SVM)构建缺陷分类模型,运用模拟退火算法(SA)对4类核函数、参数及波长特征进行全局寻优;寻优过程以97个波长吸收度为输入特征,运用顺序前向法依次加入新特征,当分类器准确率达到90%时,得到核参数及波长特征;最后,通过确定的核函数、参数与波长构建了缺陷分类模型,并对测试样本集进行了分类验证。实验结果表明,SNV预处理方法使相同缺陷的近红外光谱具有较好的一致性,其中,活节与死节光谱差异显著,但死节、裂纹与虫眼的光谱趋势相近;当PBT-SVM分类器采用多项式核函数、参数在γ=28.63,coef=18.69,d=1,C=12.03时,缺陷识别效果最好,裂纹和活节的识别率达到了100%,虫眼为93.33%,死节为93.33%,平均准确率达到了96.65%,平均识别时间仅为0.002 s。利用近红外光谱分析的方法能够快速、有效地完成4类实木板材缺陷的识别。     

基于T分布混合模型的多光谱人脸图像配准

为了降低多光谱人脸图像中出现的非刚性形变、噪声和离群点等因素对配准结果的准确性和稳健性的影响,提出一种综合考虑特征点的空间几何结构和局部形状特征两方面信息的多光谱人脸图像配准方法。所提方法首先通过基于内部距离的形状上下文描述子来表述点集的局部特征信息,建立可见光和红外图像相似性测度函数。然后利用Student′s-T分布混合模型来表示图像特征点集配准过程中变换模型估计问题,并采用期望最大化算法对模型进行求解。仿真数据表明在点集存在非刚性形变、噪声和离群点的情况下,所提方法仍可以实现点集间的精确配准。可见光和红外人脸真实图像数据表明所提方法的平均匹配误差和运算效率都优于对比算法,配准融合后的多光谱人脸图像可以提高后续的人脸检测和识别性能。     

基于高斯混合模型的语音带宽扩展算法的研究

为了降低高带谱失真,研究了带宽扩展算法中特征参数与高带谱包络的互信息和高带谱失真之间的函数关系,并在此基础上提出了一种扩展高斯混合模型带宽扩展算法。首先,算法选择与高带谱包络互信息大的参数构成特征矢量,并根据高斯混合模型计算特征矢量与高带谱包络的联合概率密度。其次,采用Expectation-Maximization(EM)算法估计高斯分量模型参数并计算后验概率。最后,通过后验概率估计高带谱包络。实验结果表明,与传统的高斯混合模型带宽扩展算法相比,本文算法可降低0.3 dB的高带平均谱失真,将谱失真大于10dB的语音帧减少了50%以上。      

激光诱导击穿光谱数据特征自动提取方法研究

根据激光诱导击穿光谱(LIBS)展宽主要为非线性Lorentz函数模型,利用Levenberg-Marquardt(L-M)算法对该理论模型中的待定参数进行优化估值,扣除了光谱信号中的连续背景,校正和还原了峰位和峰强,并对拟合数据点自动提取方法进行了分析;以MatrixVB与VB混合编程相结合,实现了基于L-M算法的L...     

近红外光谱结合一类支持向量机算法检测鸡蛋的新鲜度

研究利用近红外光谱技术结合模式识别方法识别鸡蛋的新鲜度,在识别模型建立过程中,引入一类支持向量机(OC-SVM)算法解决新鲜蛋和非新鲜蛋训练样本数量不平衡问题。首先获取鸡蛋在10 000～4 000 cm-1范围内的近红外漫反射光谱,通过主成分分析方法提取光谱数据中的特征信息,优选了3个主成分作为模型的输入向量,然后采用OC-SVM区分新鲜蛋和非新鲜蛋。在模型建立过程中,对相关参数进行了优化,试验结果显示在相同条件下,OC-SVM模型识别结果较传统的支持向量机模型好。最优OC-SVM模型对新鲜蛋和非新鲜蛋的识别率均为80%,传统的支持向量机对新鲜度的识别率为100%,对非新鲜度的识别率却为0%。研究结果表明利用近红外光谱快速识别鸡蛋新鲜度方法是可行的;OC-SVM算法为训练样本数量不平衡提供了一种有效的解决方法。     

多传感器目标识别系统的特征优化方法

来自多传感器的目标特征往往是高维数的,并且包含了更多的冗余信息和噪声。为了减小数据获取的代价,提高目标识别器的性能和效率,提出了基于遗传算法(GA)的多传感器目标识别系统特征优化方法。将遗传算法与神经网络目标分类器结合,通过识别结果的反馈信息,控制GA的遗传进化方向,从而实现特征优化。为了克服遗传算法的未成熟收敛问题,提出了相关选择与自适应遗传算子相结合的改进遗传算法。仿真实验结果验证了方法的有效性。     

倒谱参数稀疏分解下的汉语音谎言检测

为了提高汉语语音的谎言检测准确率,提出了一种对信号倒谱参数进行稀疏分解的方法。首先,采用小波包滤波器组对语音信号进行多频带划分,求得子频带对数能量并进行离散余弦变换以提取小波包频带倒谱系数,结合梅尔频率谱系数得到倒谱参数;其次,依据K-奇异值分解方法分别利用说谎和非说谎两种状态下的语音倒谱参数集训练得到过完备混合字典,在此字典上根据正交匹配追踪算法对参数集进行稀疏编码提取稀疏特征;最终进行多种分类模型下的识别实验·实验结果表明,稀疏分解方法相比传统参数降维方法具有更好的优化性能,本文推荐的稀疏谱特征最佳识别率达到78.34%,优于其他特征参数,显著提高了谎言检测识别准确率。      

光纤传能的移动式激光诱导击穿光谱钢铁快速检测与分类

为了实现工业现场对特种钢材的快速检测与种类识别,采用基于光纤传能的移动式激光诱导击穿光谱（LIBS）样机对14种特种钢材进行光谱数据的采集与分析,采用预选谱线并遍历组合的降维方法与支持向量机(SVM)相结合的算法对特钢材料的光谱进行快速分类。分别将原始光谱数据、归一化处理后的光谱数据、归一化处理+遍历组合优选谱线数据作为SVM分类模型的输入向量,并对比了不同输入向量下模型对特钢识别的准确度。结果表明：在事先选出的51条特征谱线作为输入变量的基础上,归一化光谱数据作为SVM分类模型的输入特征时,识别准确度达到95.71%,明显高于使用原始光谱数据作为输入向量时SVM分类模型的准确度11.43%。进一步地,使用MATLAB程序遍历谱线组合,通过遍历各种谱线组合选出最优的输入谱线组合,当优选6条特定的谱线时,对特钢种类识别的准确度达到100%,且建模速度也有相应提升。可以看出,当预选出大量常见特征数据时,机器自动选取特征与人工挑选谱线相比,具有明显优势,基于此降维方法的SVM算法模型在LIBS快速分类技术中具有很好的工业应用前景。     

Deceptive Chinese speech detection based on sparse decomposition of cepstral feature

In order to improve the performance of deception detection based on Chinese speech signals, a method of sparse decomposition on spectral feature is proposed. First, the wavelet packet transform is applied to divide the speech signal into multiple sub-bands. Band cepstral features of wavelet packets are obtained by operating the discrete cosine transform on loga?rithmic energy of each sub-band. The cepstral feature is generated by combing Mel Frequency Cepstral Coefficient and Wavelet Packet Band Cepstral Coefficient. Second, K-singular value decomposition algorithm is employed to achieve the training of an over-complete mixture dictionary based on both the truth and deceptive feature sets, and an orthogonal matching pursuit algorithm is used for sparse coding according to the mixture dictionary to get sparse feature.Finally, recognition experiments axe performed with various classified modules. Experimental results show that the sparse decomposition method has better performance comparied with con?ventional dimension reduced methods. The recognition accuracy of the method proposed in this paper is 78.34%, which is higher than methods using other features, improving the recognition ability of deception detection system significantly.     

基于光谱结构特性的马铃薯干腐和疮痂病识别方法研究

马铃薯干腐病和疮痂病的检测通过人工目测,结果存在主观性,该工作研究正常、干腐和疮痂病马铃薯的光谱分类识别方法。试验获取116个样本,光谱采集范围860~1 745 nm。经过一阶导数(first derivative, FD)处理后的光谱数据,主成分（PCA）分类识别效果较好,FD作为光谱预处理方法。光谱曲线上的极值点、极值点间的中点和极值点间连线的斜率决定光谱曲线的形状和变化,是曲线上的关键点,光谱曲线形状变化代表着内部物质的变化,具有指纹特性,利用极值点和中点对应的光谱或极值点间连线的斜率组成模式特征向量。分别用3种样本关键点的平均光谱形成标准模式特征向量,通过计算待测样本关键点组成的特征向量和标准模式特征向量之间的马氏距离,以最小马氏距离判定样本的归属,通过错误识别率检验模型识别性能。正常、干腐、疮痂样本分别有13,12,15个关键点,由各自关键点对应的反射率组成的模式特征向量,3类样本的错误识别率为0。去掉冗余关键点整合成一个标准模式特征向量,正常和疮痂样本的错误识别率为0,干腐样本的错误识别率为14.3%,全部错误识别为疮痂样本,特征向量数据点的增多,增加了病害样本之间的贴合度,降低了两类病害样本之间的区分度。利用波长911, 1 269和1 455 nm处两点间的斜率形成模式特征向量,正常和疮痂样本的错误识别率为0,干腐样本的错误识别率为2.4%。利用前2个主成分得分作为参数,采用线性判别分析(LDA)和贝叶斯分类器（BC）建模,提供不同角度的分类模型,对比检验基于模式特征向量建立的分类模型的有效性,2种识别方法的错误识别率均为0。实验结果表明,可以利用表征光谱曲线结构特征的模式特征向量作为分类参数,结合距离法建模,与常见识别方法具有同等识别精度。     

Distortion-invariant pattern recognition using synthetic discriminant function based multiple phase-shifted-reference fringe-adjusted joint transform correlation

This paper proposes a novel pattern recognition system for invariance to noise and distortions. The technique first generates a synthetic discriminant function of the target image from its different distorted versions. It then takes four different phase-shifted versions of the reference image, which are individually joint transform correlated with the given input scene. Thus the proposed algorithm produces a single cross-correlation signal corresponding to each potential target. Also a fringe-adjusted filter is designed to generate a delta-like correlation peak with high discrimination between the signal and the noise. The pattern recognition system is also designed for the identification of multiple targets belonging to multiple reference objects simultaneously in a given input scene. The proposed technique is investigated using computer simulation including real-life images in different complex environments.     

多类运动想象脑电信号特征提取与分类

针对多类运动想象情况下存在的脑电信号识别正确率比较低的问题,提出了一种将小波包方差,小波包熵和共同空间模式相结合的脑电信号特征提取,输入到支持向量机达到分类目的。首先选择小波包去噪后重要导联的脑电信号,进行小波包分解;然后对通道优化选取的重要导联的每个通道信号计算方差和熵值,对重要导联的每个通道信号的子带系数进行重构后,进行共同空间模式特征提取;最后结合2种不同导联方式所获取的特征向量进行分类。采用BCI2005desc_IIIa中l1b数据,该算法的分类正确率最高达到88.75%,相对2种单一的提取方法分别提高28.27%和6.55%。结果表明该算法能够有效提取特征向量,进而改善多类识别正确率较低的问题。     

声场干涉结构相似度匹配的目标运动参数估计

针对水中运动声源定位问题,建立了一种基于声场干涉结构谱向量相似度匹配的目标运动参数估计方法。结合声场干涉结构水平纵向相关特性,利用目标辐射噪声LOFAR谱图中不同频率的谱值序列,基于两方位-两距离目标运动要素计算方法获取的目标距离解向量,构造声场干涉结构谱向量相似度匹配代价因子,实现目标运动参数估计。仿真数据与试验数据验证结果表明:在绘制的目标运动要素解算结果可视化分布图中可清晰呈现出目标初距、航向和速度结果。该算法实现过程简单、解算效率高,对目标方位误差有较好的鲁棒性。      

倒谱本征空间结构化高斯混合模型语音转换方法

针对非平行语料非联合训练条件下的语音转换,提出一种基于倒谱本征空间结构化高斯混合模型的方法。提取说话人语音倒谱特征参数之后,根据其散布矩阵计算本征向量构造倒谱本征空间并训练结构化高斯混合模型SGMM-ES(Structured Gaussian Mixture Model in Eigen Space)。源和目标说话人各自独立训练的SGMM-ES根据全局声学结构AUS(Acoustical Universal Structure)原理进行匹配对准,最终得到基于倒谱本征空间的短时谱转换函数。实验结果表明,转换语音的目标说话人平均识别率达到95.25%,平均谱失真度为1.25,相对基于原始倒谱特征空间的SGMM方法分别提高了0.8%和7.3%,而ABX和MOS测评表明转换性能非常接近于传统平行语料方法。这一结果说明采用倒谱本征空间结构化高斯混合模型进行非平行语料条件下的语音转换是有效的。