基于逆Radon变换的多散射点微动检测与测量

为将微动特性用于雷达目标识别,提出一种多散射点微动检测与测量算法.推导了典型微动对雷达回波调制的微多普勒,在此基础上,给出基于逆Radon变换的目标微动检测与测量原理;结合逐次消去法,研究了大动态范围下多散射点的微动检测与测量算法并给出相应的处理流程.定量仿真实验结果证明了该算法的有效性.     

广义Radon变换的分离变量法

将分离分量法应用到一类广义Ｒａｄｏｎ变换上,得到有关结果,Ｄｅａｎｓ和 Ｌｏｕｉｓ的相关工作为本文的特殊情况。     

Radon变换在纵横波分离中的应用研究

波场分离是把弹性波场分解成纯纵波和纯横波两部分,从而能更准确、有效地描述地下介质信息。分析了目前常用的P-P波和P-SV波分离方法(Radon变换法),将其应用到全波场的纵横波分离;并结合纵横波的运动学和动力学特征,给出了3种不同Radon变换法分解纵横波的具体计算公式。针对不同的Radon变换法设计合理的参数,对理论模型的正演模拟数据进行纵横波分解试算。计算精度和计算效率的对比结果表明在全波场纵横波的分离过程中,高分辨率Radon变换的分离效果比较好。     

基于DSFMT的旋转微动目标分离

针对窄带雷达距离分辨力低、无法从距离维分离弹道群目标的问题,提出利用离散正弦调频变换（DSFMT）分离群目标信号分量的方法。通过研究弹道目标的微动对回波信号的调制特性,建立微动信号的回波模型,利用离散正弦调频变换对正弦调频信号能量聚集的特性,将多分量信号投影到参数变换域上,构造目标函数,处理变换域上的峰值特征点,利用消去的思想逐步分离出各个信号分量。仿真实验验证了算法的有效性和鲁棒性。     

基于W-H变换的盲分离算法

为提高时频分析技术在机械故障诊断中的实用性,研究W-H变换特点,提出基于W-H变换的盲分离算法.将混合信号进行W-H变换,在W-H平面分布中选择信息特征的峰值,求出不同通道信号的对应峰值比得到近似混合矩阵,通过近似混合矩阵的逆可将源信号分离出来.仿真信号结果表明,本文方法是有效的,为故障信号的分析与诊断提供了新方法.     

基于Radon—Wigner变换的多分量LFM信号的检测

Radon-Wigner变换是一咱直线积分的投影变换,它对多分量LFM信号提供了较好的时频局域性,从而有利于多分量LFM领带的解释和分析,通过时域解线调和频域解线调处理可以完整地在时频平面计算出Radon变换,对于多分量LFM信号的分析好于Winger-Ville变换等常用的时频变换。     

小波变换与信号去噪

本文通过对信号与噪声在经过小波变换后不同特点的分析,讨论了一种对含噪信号进行噪声消除的方法,该方法与传统的低通滤波器相比在改善信噪比的同时还保持了很好的时间分辨率,最后通过仿真实验,证明了该方法的有效性。     

基于Radon和Fourier-Mellin变换的物体几何不变性分析

本文提出一种具有高容噪能力并且对灰度和二值图像都适用的平移、尺度与旋转不变性分析方法,该算法在对图像进行坐标变换后,利用Radon变换将目标图像转换到投影空间,组成投影矩阵,然后对投影矩阵进行Fourier-Mellin变换,最后从变换矩阵中提取不变特征、进行目标图像的分类。理论分析与实验结果表明,与现有的不变性分析方法相比,该算法克服了以往方法的不足,对灰度和二值图像的不变性识别都适用,并且本算法对噪声的鲁棒性强;对灰度图像的识别率高;可以达到理想的分类效果。     

基于Hough变换和Radon变换对SAR图像目标姿态角识别的综合方法

提出了一种对SAR图像姿态角识别算法进行改进的技术.通过分析Hough变换和Radon变换在实际应用中的局限性,提出了一种综合上述2种方法的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证,该种方法能够更准确地估计目标的姿态角.     

关于Radon变换的一个注记

应用Ｒａｏｎ变换重新推证了文献（５）关于薄板经典弹性稳定问题的通解,从而使该结果建立在严格的理论基础及清晰的推导之上。     

基于Radon变换和坎尼边缘检测的倾斜车牌校正方法研究

为了解决车牌倾斜对字符分割和字符识别带来的不利影响,文章基于Radon变换的思想,先利用Canny边缘检测器检测车牌边缘,再利用Radon变换搜索构成车牌矩形的直线段,并计算其倾斜角来校正倾斜车牌.测试结果表明该方法能准确地检测出图像的倾斜角,并取得良好的效果.     

基于平面变换技术的脉冲信号分选

针对平面变换分选信号方法中人工检测特征曲线的缺点,对平面变换后特征曲线的检测方法进行了研究.将随机Hough变换引入平面显示变换后的特征曲线检测,导出了检测曲线参数与待分选脉冲序列的脉冲重复间隔(PRI)之间的关系,利用该技术可实现对平面变换后特征曲线的自动检测与分离,该方法适用于固定PRI、参差PRI和随机抖动PRI脉冲序列的分选.     

基于时频分析和相关搜索法的正弦调频信号的分离

针对微动研究中微多普勒特征多表现为正弦调频信号的特点,首先在时频域采用时频分析的方法预估计信号的类别和相关参数范围,进而在时域通过相关法搜索相关参数对多分量正弦调频信号进行分离,最后通过仿真验证了该方法的有效性。     

PAL信号中亮度和色度信号的数字分离

本文介绍PAL全信号中亮度和色度信号的数字分离的原理和方法,并对各种方法进行了分析和比较。这些方法已用于34Mb/s数字电视编码压缩设备中。     

基于Radon变换的运动模糊图像参数估计

通过对运动模糊图像进行分析,提出了对运动模糊图像两个重要参数:运动模糊角度和模糊长度估计的一种新的方法.基于频域特性利用Radon变换对模糊图像的模糊方向进行估计的改进,又根据Radon变换的性质,将投影理论引入到运动模糊长度的估计中.仿真实验证明了其估计结果的正确性且表明,该方法简单可行,较之先前提出的许多复杂的方法,该方法具有较高的精度.     

基于信号奇异性的干扰信号识别方法研究

从信号处理的角度对无线电引信干扰信号的识别理论进行研究，研究表明无线电引信信号在受到干扰后，振荡器的震荡信号和多普勒信号会产生奇异性，根据信号的奇异性首次提出了基于信号的奇异性的干扰信号识别理论，它可以更好地对干扰信号进行检测和识别。     

抽样信号的傅里叶变换与序列的傅里叶变换探讨

对抽样信号的傅里叶变换与序列的傅里叶变换二者之间的关系进行了探讨。     

单通道混合信号中周期信号的盲分离

在定义信号周期性的基础上,针对多个周期信号、多个周期信号和其他信号单通道混合的情况,提出了基于特征值分析的周期信号盲分离方法,并对算法的可行性、分离误差及分离效果进行了理论分析.仿真结果表明:该方法能适应较低的信噪比,且具有计算量小、易于实现等优点.     

线性Radon变换在弱信号提取及强干扰噪声抑制的应用

介绍了线性Radon变换方法，克服了二维滤波(F—K滤波)由于空间假频现象严重，可使信号与噪声有效地分离。通过对合成信号和实际数据进行处理，信号的信嗓比和分辨率有了明显的提高，在压制线性干扰效果显著。     

基于独立分量分析的混合声音信号分离

论文简要介绍了有关独立分量分析（ICA）的基本理论和算法;探讨了独立分量分析在混合声音信号分离中的应用。针对ICA输出结果排序的不定性以及在长时间记录声音信号的过程,ICA混合模型系数存在时变性等问题,提出了一种结合小波变换和独立分量分析的解决方法;试验结果表明,该方法能有效地提高运算效率并获得较好的分离效果。