基于Hilbert-Huang变换的瞬时频率法用于水下沉积物分类

针对使用频率范围为2—7kHz的chirp浅层剖面仪系统,本文基于弛豫时间模型,采用瞬时频率的方法实现水下沉积物的分类。所采用的弛豫时间模型综合了声波在海底沉积物中的各种散射能量损失因素,并归结为一个参数。采用脉冲功率谱的中心频率偏移量来估算衰减,提出用Hilbert—Huang变换(HHT)计算瞬时频率,并对试验数据进行了分析。     

基于小波包变换的复合材料超声波检测信号特征提取

本文以碳纤维复合材料常见缺陷分层、孔隙、疏松的超声波检测缺陷信号为研究对象,对超声波检测信号进行小波包变换,提取包含信号绝大部分能量的近似系数波形特征及细节系数的统计量作为样本的特征值。应用BP神经网络分类器进行分类识别验证,取得较好的识别效果。该方法能以较小的特征维数表征原始信号特点。     

Hilbert-Huang变换分析THz脉冲信号的时频特性

提出一种基于Hilbert-Huang变换的THz时域光谱分析方法,将THz时域脉冲信号分解成有限数目的单分量信号之和,利用Hilbert变换求得瞬时频率来获得幅值的时频分布Hilbert-Huang变换谱,实现了通过水蒸气的THz脉冲信号的时频分析,揭示了THz波与水蒸气相互作用的频谱时域分布特性,并与基于小波变换的时频图进行了对比分析。结果表明,该方法可以同时提高THz脉冲时频分布的时间分辨率和频率分辨率, 具有局部化分析和自适应选择的特点,还能直观地表现出各频率成分之间的相对时间延迟。     

Hilbert-Huang变换分析THz脉冲信号的时频特性

提出一种基于Hilbert-Huang变换的THz时域光谱分析方法,将THz时域脉冲信号分解成有限数目的单分量信号之和,利用Hilbert变换求得瞬时频率来获得幅值的时频分布——Hilbert-Huang变换谱,实现了通过水蒸气的THz脉冲信号的时频分析,揭示了THz波与水蒸气相互作用的频谱时域分布特性,并与基于小波变换的时频图进行了对比分析。结果表明,该方法可以同时提高THz脉冲时频分布的时间分辨率和频率分辨率,具有局部化分析和自适应选择的特点,还能直观地表现出各频率成分之间的相对时间延迟。     

基于Hilbert-Huang变换的数字全息图中的零级项抑制

针对数字全息图中的零级项问题,提出一种用Hilbert-Huang变换对零级项进行抑制的方法.首先将二维数字全息图数据展开为一维数据,然后用Hilbert-Huang变换进行经验模型分解,得到第一层的本征模函数,该函数包含了全息图的高频分量,继续分解,得到第二层的本征模函数,该函数包含了全息图的直流分量.实验结果证明,将第一层的本征模函数进行再现,即为零级项得到有效抑制的共轭像,第二层的本征模函数为零级项.该方法只需在空域中进行一次经验模型分解就可有效抑制零级项,较好地保存了原物波信息,在计算速度上具有明显优势.     

超声多普勒栓子信号的小波特征提取及分类应用

采用超声多普勒技术无损检测栓子,有积极的临床意义。为降低探头或病人移动引起的干扰对检测栓子的影响,从超声多普勒信号小波变换的两个角度研究相应特征参数的提取。先根据小波尺度图分析信号波形的奇异性,提取表征尺度图特征的横向和纵向参数;然后提出自适应小波包基分析方法,提取表征信号最优逼近特性的能量、尺度等参数。综合两方面特征,通过求解Fisher广义最佳鉴别平面,建立起一个超声多普勒栓子信号分类系统。通过对300例仿真和298例临床采集的脑动脉超声多普勒信号的试用。结果表明:系统对训练集和测试集的栓子信号检测率分别达99.0%和98.5%。可见,本方法比传统方法在检测准确性上有了较大的提高,有望应用于栓子信号的临床自动检测。     

利用冲击声辨识声源材料的特征提取

声源辨识属于环境声识别的范畴,是模式识别的一个重要研究方向。冲击声携带了大量的声源物理信息,因此利用冲击声提取特征进行声源材料辨识是提高声目标识别分类性能的重要途径。对球-板撞击物理模型合成的冲击声连续统,提出使用基函数学习法提取目标特征,同时利用短时傅里叶变换和小波包变换进行特征提取,以此为基础完成被击平板的材料识别。研究结果表明,利用基函数学习法获得的特征,对于冲击声分类的效果明显优于短时傅里叶变换和小波包变换方法,说明利用该方法进行冲击声声源材料辨识的可行性和优势。     

基于卷积神经网络特征提取的拉曼光谱分类研究

拉曼光谱物质定性识别已被广泛的应用于化工、安防、缉毒等行业和研究领域,但是传统的拉曼光谱分析技术依赖于光谱数据库,通过光谱特征提取进行识别。特征提取是拉曼识别的关键处理步骤,通常利用主成分分析,因子分析等方法进行特征提取,而后通过KNN,SVM和随机森林等方法进行光谱特征定性识别,当拉曼数据库不存在待定性物质时,易造成待检测物质的错误分类。针对此问题,提出一种基于卷积神经网络的对数据库缺少物质光谱识别方法。在实验过程中,采用九类,200余种精神类药品拉曼光谱作为测试对象,通过搭建卷积神经网络自动特征提取并利用Softmax分类器将200余种物质,按照Amphetamine, cathinone, cannabinoids等九种类别进行定性分析。通过与传统机器学习方法如K近邻,支持向量机等方法进行比较,基于卷积神经网络的模型识别准确性有显著提高,该方法可为拉曼光谱数据库的光谱识别检索提供一种新的识别方法。     

基于Fisher判别分析的有监督特征提取和星系光谱分类

随着天文观测技术的进步、数据获取能力的提高和大型光谱巡天计划的相继实施,光谱数据的自动处理研究越来越受到重视和关注。文章在分析了文献中光谱自动分类研究的特点和无监督特征提取方法所固有的一些不足的基础上指出了光谱有监督特征提取研究的必要性。并重点研究了Fisher判别分析(FDA)有监督特征提取方法在星系光谱自动分类中的应用。该方法： (1) 具有突出的维数约减能力; (2) 能有效地融合训练数据的类别信息,并按照分类能力提取特征。实验表明,将FDA方法用于某些星系细分类不仅明显地提高了分类器的速度,而且具有良好的分类性能。因此,对于较大的光谱识别系统更能体现出该方法的优越性。     

基于Hilbert变换及间歇混沌的水声微弱信号检测方法研究

利用Duffing振 子从混沌到间歇混沌的相变及其对策动力和待检测信号频差较小的周期信号的敏感性, 研究了强海洋背景噪声下微弱周期信号的检测. 通过构造混沌振子列的方法对频率未知信号进行扫频, 从而提取待检测信号的频率范围, 最后利用希尔伯特变换, 实现对间歇混沌的包络检测, 并计算出待检测信号的频率. 计算机仿真与实测水声信号处理结果表明, 利用基于希尔伯特变换的间歇混沌振子对水声微弱信号检测, 其检测信噪比比一般的间歇混沌振子提高了至少4.4 dB, 验证了所提方法的有效性.     

A perceptual space for underwater man-made sounds towards target classification

This work is the second part in a series of studies about the auditory features for underwater target classification, focusing on man-made vehicle targets (i.e. submarines, patrol boats and large surface ships). A psychoacoustic method, which is suitable for a small number of samples, was used. An optimal model with three common dimensions, specificities and latent classes was selected on the basis of the dissimilarity ratings among representative sounds and with the use of an extended version of the multidimensional scaling algorithm CLASCAL. However, such a three-dimensional space could not absolutely separate targets, whereas the first dimension in the four-dimensional space discriminated the submarines, patrol boats and ships; thus, the four-dimensional space was superior in target classification. The stepwise regression method was used to establish the relationships between individual dimensions and typical auditory features. Results showed that the first dimension was represented by the linear combination of zero-crossing rate and spectral variation, whereas the second dimension was described by attack slope. The last two dimensions were not associated with any features, and they were proved to include meaningless data noises. Finally, through a contrastive analysis, the perceptual space obtained in this study was found to be a good ‘local’ representation of the space in the first part of the study series.     

S变换引导的窗口傅里叶变换相位提取

提出了一种基于S变换引导的自适应窗口傅里叶变换相位提取方法.通过连续S变换,得到局部条纹的最佳变换窗口,可以保证窗口尺寸随变形条纹的频率变化而自动调整,适合复杂物体的面形测量.计算机模拟和实验验证表明,该方法克服了传统窗口傅里叶变换窗口大小固定的缺点,相位提取的误差由-2～8rad降低为-1～1rad,而且还可以得到被...     

Predicting the subcellular location of apoptosis proteins based on recurrence quantification analysis and the Hilbertben Huang transform

Apoptosis proteins play an important role in the development and homeostasis of an organism. The elucidation of the subcellular locations and functions of these proteins is helpful for understanding the mechanism of programmed cell death. In this paper, the recurrent quantification analysis, Hilbert-Huang transform methods, the maximum relevance and minimum redundancy method and support vector machine are used to predict the subcellular location of apoptosis proteins. The validation of the jackknife test suggests that the proposed method can improve the prediction accuracy of the subcellular location of apoptosis proteins and its application may be promising in other fields.     

基于改进希尔伯特-黄变换的超窄带激光器气体检测消噪研究

为降低电路及光路噪声等对痕量气体检测精度的影响,达到进一步提高痕量气体检测系统精度的目的,选用超窄带激光器作为系统光源并以谐波检测原理及改进希尔伯特-黄变换(IHHT)滤波算法作为数据处理的核心算法构建高精度痕量气体检测系统平台。选取甲烷作为被检测对象,理论计算得当光源输出中心波长为1650.959nm时,该系统甲烷气体体积分数C与输出光强一、二次谐波比值I2f/If的相关系数为0.084639。将一定体积分数的甲烷气体通入平台光纤气室中进行灵敏度实验,实验结果表明应用IHHT降噪处理后C与I2f/If的相关系数由使用傅里叶变换(FFT)处理的0.062585提升到0.074884,且气体体积分数越低,IHHT的降噪效果越好。     

广义对角切片谱及用于水下目标特征提取的性能分析

人眼分类双谱图时具有沿副对角线方向进行观察的特点,为了分类不同的水下目标辐射噪声以实现目标识别,在已有对角切片的基础上提出广义对角切片及其谱定义,并通过对各切片幅值进行简单求和或取最大值得到两种特征向量,引入Fisher可分性测度对特征向量进行降维处理,利用支持向量机的一对一方法对实测水下目标辐射噪声进行分类实验。实验结果表明:对广义对角切片谱各切片幅值进行求和得到的特征向量具有极高的分类正确率,且分类稳定性优良。     

基于组合支持向量机的水声目标智能识别研究

为解决水声目标小样本模式识别问题,有效地提高复杂海洋环境中的识别精度,提出了一种基于经验模式分解(EMD)、特征距离评估技术(FDET)和组合支持向量机(CSVMs)的水声目标智能识别方法。首先,将滤波、Hilbert包络解调和EMD等信号处理方法对水声目标的辐射噪声信号进行预处理,提取7个包含原始信号和预处理信号的时域和频域统计特征的特征集。然后,通过FDET从原始特征集中选择出7个敏感特征集。最后,将7个敏感特征集输入到7个支持向量机分类器中,利用遗传算法对7个分类器的结果进行合并,构成CSVMs分类器,从而实现对水声目标的智能识别。将该方法应用于舰船等水声目标的识别中,研究结果表明,该方法的识别性能优于单一SVMs分类器:同时,经过FDET得到的敏感特征集能明显地提高识别精度。     

基于CT切片特征匹配的三维体重建

详细描述了医学解剖学切片图数据读取,特征提取和特征匹配.引入了解剖数据读取方法,叙述了切片匹配的两个过程:特征提取和特征匹配.提出了一种新的有效的特征匹配方法.所有切片图象在匹配之前首先进行了预处理(如滤波、二值化、细化等过程),特征是分区域进行提取的.匹配方法分两步,首先按照对应特征点之间距离的方法匹配特征点,然后用矩的方法进行切片之间匹配.体重建过程中还使用了三维等值面和插值方法.实验结果证实这种特征匹配方法不仅快速而且准确.     

基于希尔伯特-黄变换的激光云高仪后向散射信号去噪方法

基于希尔伯特-黄变换(HHT)和Savitzky-Golay滤波,提出了一种结合HHT时频分析的半导体激光云高仪后向散射信号去噪方法.该方法在对云高仪后向散射信号的噪声特性及传统去噪方法的缺陷进行研究的基础上,选择截止分量阶一定的自适应时变时空滤波器组(TFB)结构并辅助Savitzky-Golay滤波抑制噪声,最后利...     

基于希尔伯特-黄变换的近红外脑功能成像信号分析

近红外光谱技术(Near-infrared spectroscopy,NIRS)已被广泛应用于无损大脑功能检测,然而传统时频分析方法并不适用于非稳态、非线性的血氧信号。在视觉刺激实验中,采集被试前额叶的血氧信号,分别比较了傅里叶谱分析法、小波谱分析法和希尔伯特黄变换(Hilbert-Huang transform,HHT)方法在近红外脑功能成像信号分析中应用的结果。实验表明基于希尔伯特黄变换的谱分析方法优于其它两种方法,并且使近红外光谱研究可以采用事件相关设计的实验,为形成近红外光谱信号分析的标准方法开辟了新的途径。