基于心理声学模型和临界频带子波变换的数字声频水印

提出了一种基于临界频带子波变换的声频数字水印算法。首先根据心理声学模型,计算载体声频信号的掩蔽阈值,利用人耳听觉的临界频率与临界频带子波变换域的相似性,将掩蔽门限映射到临界频带子波域,然后将水印信号嵌入到中低频子波系数中,嵌入强度由掩蔽阂值自适应控制。实验结果表明:该算法隐藏水印具有很强的掩蔽性,对原始语音的影响基本上察觉不出来;叠加了水印的声频信号对数据压缩、加噪、重采样、低通滤波等常用声频信号处理技术具有很好的鲁棒性。     

基于光学子波变换的SDF匹配滤波器

提出了一种基于光学子波变换的综合判别函数匹配滤波器(WFSDF),将光学子波变换和综合判别函数相结合,只用一个简单的4f系统就能实现输入图像和SDF子波变换的相关运算。采用计算全息的方法制作复数匹配滤波器。计算机模拟仿真结果表明,与传统的SDF匹配滤波器相比,WFSDF匹配滤波器,锐化了相关峰,提高了识别率,同时简化了光路,能够实现多目标的畸不变识别。     

基于GRNN的光谱共焦位移测量方法分析与研究

提出一种基于广义回归神经网络(GRNN)拟合光谱共焦系统的光谱响应以准确定位峰值波长.利用采集到的光谱信号作为样本数据,将光谱数据中的信号波长λ作为GRNN模型的输入变量,光谱波长的归一化强度作为输出变量,基于样本的输入变量和输出变量的联合概率密度函数作为验证条件,对光谱信号的预测输出进行Parzen非参数核回归,得到...     

基于小波神经网络的模拟电路故障诊断技术

文章提出了一种基于小波神经网络的模拟电路故障诊断方法:通过分析被测电路的冲激响应来识别电路中的故障元件,利用小波理论中的多分辨率分析的方法提取出相应信号中的故障特征,组成特征向量后输入神经网络进行训练,实现故障诊断;该方法减少了神经网络的输入、简化了其结构、并缩短了训练和处理时间,文中分别用小波神经网络和传统的BP神经网络对实例电路进行故障诊断,仿真结果发现:小波神经网络相比BP网络方法收敛速度更快,诊断率更高。     

一级近似下的双模激光随机共振

将周期信号输入双模激光,对激光光强方程中的乘法噪声项取一级近似,用线性化近似方法计算相关函数和功率谱,结果发现:信噪比随抽运噪声强度、量子噪声强度及信号频率的变化均出现随机共振.     

色关联噪声驱动下双模激光随机共振

运用线性近似方法,计算得到了关联色噪声和输入周期信号作用下双模激光增益模型输出信号光强的功率密度谱和信噪比,讨论了信噪比随系统参数的变化关系.研究结果发现:在系统的参数和输入信号的频率满足一定条件时,信噪比不仅随噪声强度变化出现了传统的随机共振现象,还发现其随自饱和系数c2、输入信号频率°及交叉耦合参数b的变化都出现了随机共振.     

仿生鳍条姿态测量及其误差分析

在复杂环境下齿轮箱信号往往会淹没在噪声信号中,特征向量难以提取。为了有效的进行故障诊断,提出了基于最大相关反褶积(MCKD)总体平均经验模态分解(EEMD)近似熵和双子支持向量机(TWSVM)的齿轮箱故障诊断方法。首先采用MCKD方法对强噪声信号进行滤波处理,在采用EEMD方法对齿轮箱信号进行分解,分解后得到本征模函数(IMF)分量进行近似熵求解,得到齿轮特征向量,最后将其输入到TWSVM分类器中进行故障识别。仿真实验表明,采用MCKD-EEMD方法能够有效的提取原始信号,与其他分类器相比,TWSVM的计算时间短,分类效果好等优点。     

基于SOM和RBF网络的软测量方法研究

针对氢粉碎过程中钕铁硼粉碎状态不可知,为有效预测合金的反应状态,提出了一种基于自组织特征映射(SOM)神经网络和径向基函数(RBF)神经网络结合构建的网络模型。在该模型中,SOM神经网络作为聚类网络,采用无教师学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,作为径向基函数的中心;RBF神经网络作为基础网络,采用高斯函数作为径向基函数实现从输入到隐含层的非线性映射,输出层则采用有教师学习算法训练网络的权值,从而实现输入层到输出层的线性映射。并以钕铁硼氢粉碎过程合金中氢含量为检测对象,运用上述方法在MATLAB平台上建立了合金中氢含量预测模型,并完成了仿真验证。     

基于深度神经网络的水声信号恢复方法研究*

针对干扰或噪声环境下水声目标信号难以获取的问题,该文提出研究基于深度神经网络的自适应水声被动信号波形恢复方法。在单阵元情况下,该方法提取对数功率谱特征作为输入,采用深度神经网络回归模型自适应学习目标信号的自身特征,输出降噪后的对数功率谱特征并还原时域波形。在多阵元情况下,提出阵列深度神经网络降噪方法,将部分或全部阵元特征拼接为长向量作为输入,从而利用空域信息。为全面利用阵列丰富的时频域信息,该文提出一种两阶段特征融合深度神经网络,在第一阶段将阵列分为若干个子阵,将每个子阵分别用阵列深度神经网络进行处理,在第二阶段将第一阶段的各子阵处理结果与阵列接收信号同时输入一个深度神经网络进行融合学习。实验表明,所提出的单阵元和两阶段融合深度神经网络取得了显著优于常规波束形成的恢复结果,能够准确估计目标信号波形和功率并显著提高输出信噪比。     

基于发音特征的汉语普通话语音声学建模

将表征汉语普通话语音特点的发音特征引入汉语普通话语音识别的声学建模中,根据普通话发音特点,确定了用于区别普通话元音、辅音以及声调信息的9种发音特征,并以此为目标值训练神经网络得到语音信号属于各类发音特征的后验概率,将此概率作为语音识别的输入特征建立声学模型。在汉语普通话非特定人大词表自然口语对话识别系统中进行了实验验证,并与基于频谱特征的声学模型进行了比较,在相同解码速度下,由此方法建立的声学模型汉字错误率相对下降6.8%;将发音特征和频谱特征进行了融合实验,融合以后的识别系统相对基于频谱特征系统的汉字错误率相对下降10.1%。上述结果表明,基于发音特征的声学模型更加有效的实现了对语音特性的表征,通过利用发音特征和频谱特征的互补性,能够进一步实现对语音识别性能的提高。      

时间相关单光子计数型激光雷达距离判别法

为了解决光子计数型激光雷达测量系统,收集到的信号存在不确定性的问题,提出一种贝叶斯推论下的马尔可夫信号法,可实现回波峰值位置、峰值幅度等参量的提取,达到信号重建的目的.依据贝叶斯理论,利用后验预设分布模型近似描述参量的先验分布,有效提高对参量存在空间的探测速度.在求解过程中,将这些参量构成一个全局近似解,利用贝叶斯推论对所有全局近似解进行评估,挑选出最合适的全局近似解作为问题的全局最优解.实验表明,该方法具有较高的准确性和良好的鲁棒性.     

信息光学

光学滤波与频谱分析O438.22007032391基于光学子波变换的SDF匹配滤波器=SDF matching fil-ter based on optical wavelet transform[刊,中]/张琳丽(西安建筑科技大学理学院物理系.陕西,西安(710055)),盛利//光学技术.?2007,33(1).?156-158提出了一种基于光学子波变换的综合判别函数匹配滤波器(WFSDF),将光学子波变换和综合判别函数相结合,只用一个简单的4f系统就能实现输入图像和SDF子波变换的相关运算。采用计算全息的方法制作复数匹配滤波器。计算机模拟仿真结果表明,与传统的SDF匹配滤波器相比,WFSDF匹配滤波器,锐化了相关峰,…     

基于并行禁忌神经网络和DS证据的飞机燃油系统故障诊断

飞机燃油系统是一个由许多相互联系的子系统构成的复杂总体,因而易于发生各类故障,当故障发生时会造成严重影响,为此,设计了一种基于禁忌神经网络和DS证据的飞机燃油系统故障诊断方法;首先,建立了飞机燃油系统的故障诊断模型,然后,建立了3层的BP神经网络故障诊断模型,并采用禁忌优化算法对BP神经网络进行参数优化,得到多个并行诊断的禁忌神经网络,输入样本数据对其训练并利用BP反向传播算法再次调优;最后将测试样本数据输入各禁忌神经网络,并将诊断结果作为证据采用DS证据理论进行融合,得到最终的故障诊断结果;实验结果表明:引入DS证据理论的故障诊断方法能有效克服单一故障诊断方法无法精确诊断故障的不足,诊断精度高,具有较大的优越性。     

应用计算全息制作的子波匹配滤波器实现光学子波变换的研究

介绍了一种应用计算全息制作的子波匹配滤波器实现光学子波变换的新方法，应用计算全息制作Ｈａａｒ子波函数的匹配滤波器和光学Ｖａｎｄｅｒ Ｌｕｇｔ相关器实现了二维子波变换，给出了实验结果。这种方法可实现任意子波函数的光学子波变换，且简单易行。     

水声通信近似L0范数约束的BP网络均衡器*

针对稀疏水声信道的长时延扩展及梯度下降的权值迭代方案导致的神经网络均衡器收敛速度慢的问题,提出了近似L₀范数约束的BP神经网络均衡器。首先在传统BP网络均衡器基础上增加判决反馈项,然后在代价函数中对均衡器输入层到隐含层的权值增加L₀范数约束,构造新的代价函数,利用高斯族函数近似L₀范数约束,并根据不同隐层神经元节点输出权值的L₂范数设定近似参数。仿真结果表明,稀疏信道条件下,本方法相比传统的BP网络均衡器收敛速度更快,误码率更低,可以有效提升神经网络均衡器的性能。     

多天线信道空间衰落相关性近似算法及其复杂性研究

信道空间衰落相关性(SFC)主要取决于波达信号的功率方位谱(PAS)和多天线阵列收发模式.深入研究了移动通信系统中多天线阵列SFC近似计算法及其复杂性.首先导出在典型PAS为均匀分布、高斯分布以及拉普拉斯分布下的SFC函数的闭合表达式.再研究在波达信号PAS小角度扩展时的近似计算法,建立多输入多输出(MIMO)多天线接收信道模型,深入分析所选择的天线阵列和电波传播参数对MIMO系统信道容量的影响.通过理论计算和仿真实验得出近似计算法在特定条件下具有很好的拟合度,定量分析了近似计算法在对MIMO多天线系统分析时的适用性和计算效率.该算法能极大地减低理论计算复杂性,提高分析和仿真MIMO多天线系统的效率.     

基于小波神经网络的光纤陀螺误差补偿方法

为了提高光纤陀螺的测量精度,提出了一种基于小波神经网络的误差补偿方法。首先使用小波分析中的Mallat分解算法提取出陀螺信号中的主趋势项,对其误差余项进行重构。然后将重构信号作为小波神经网络的目标输出,将原始陀螺信号作为训练样本。为了提高小波神经网络的训练速度同时防止其陷入局部极小值,采用增加动量因子和自适应调整学习速率的方法来改进训练方法。训练后建立的神经网络模型对光纤陀螺误差具有良好的估计能力。结果表明,经过小波神经网络方法补偿后,光纤陀螺的输出精度达到了0. 019 4°/s,光纤陀螺的测量性能得到了提高。     

EMD与神经网络在气液两相流流型识别中的应用

本文提出了EMD与Elman神经网络相结合的气液两相流流型识别的新方法.将压差波动信号经验模态分解(EMD)后的固有模态函数(IMF)进行分析、提取IMF能量作为Elman神经网络的输入特征向量,对水平管内的气液两相流流型进行识别.实验结果表明:该方法优于BP网络且稳定、识别率高,具有可行性.     

用子波变换模拟视觉信息提取过程

利用逆变换研究了ＤＯＧ子波变换在提取输入信号时的特性，指出了尺度逐次变化的子波变换表现出的由粗到精的信息提取性质和局域特性与人类视觉系统对光学图像信息的提取过程的某些方面有相似性．本文认为ＤＯＧ于波变换将是研究人类视觉系统信息处理机制的重要工具．     

一种基于光纤布喇格光栅振动传感器的光纤围栏入侵监测系统及其模式识别

基于高灵敏度光纤布喇格光栅振动传感器,提出了一种光纤围栏入侵监测系统及其模式识别方法.该方法通过具有自适应动态阈值的时域统计特征提取算法对异常事件信号进行特征提取,将特征矢量输入到一个基于三层BP神经网络而设计的分类器中对目标事件进行识别和分类.通过仿真目标信号和实际采样数据进行测试,对系统的报警识别率进行了验证,结果表明:对于仿真信号,系统的平均正确识别率达到了100%;对于实际采样数据,系统的平均正确识别率可以达到96.83%.