分段线性序列的重采样

为了避免基于有限更新率的连续域信号采样涉及复杂的运算问题,认真研究分段线性序列特点,提出一种在离散域进行信号参量提取的方法,称之为序列重采样.给出了有限长序列更新率定义,总结出一种适合简单分段线性序列的参量提取算法——试探法,将之推广到一般分段线性序列.不需要事先知道更新率的数量,也不需要在连续域进行运算,从采样后的序列中直接检测信号更新点和更新参量,从而实现信号采样.对所提出的算法进行了仿真,结果表明该算法是有效的.     

一种实现MSD加法的光学方法

三值光学计算机系统结合光强与光的偏振方向表示三值信息,其核心器件——三值逻辑光学处理器是按照降值设计理论完成的,该处理器能完成所有19683种二元三值逻辑运算.本文旨在提出一种实现加法运算的新方法——用三值逻辑光学处理器实现加法.为了解决加法的串行进位延时问题,使用改良符号数表示进行数据编码,从而实现全并行无进位加法.用三值光学计算机与改良符号数表示相结合的方法实现加法既能够充分发挥三值光学计算机位数巨大的优势以及三值逻辑光学处理器能完成所有二元三值逻辑运算的特性,同时又发挥了改良符号数加法的无进位特点.经实验证明该方法具有可行性和正确性,是实现光学加法器的一种新思路.     

一种结合粒子滤波和张量子空间的目标跟踪算法

由于传统的子空间方法易于丢失图像目标的二维特性,为此本文提出了一种新颖的自适应目标跟踪算法,通过张量的方式建立目标的外观模型——张量子空间,利用在线学习的方法更新其外观模型,同时,利用目标仿射运动的先验信息,通过粒子滤波自适应地跟踪运动目标,并将获得的最优目标观测作为新数据反馈回子空间更新.此外,为了保证子空间更新能获得精确且紧致的目标子空间表达,引入动态部分函数滤除样本野点.实验结果表明,本文提出的自适应目标跟踪方法具有较强的鲁棒性,对于存在姿态变化、短时遮挡和光照变化等情况下均可有效地跟踪目标.     

激光雷达信号随机误差的估算

在分析随机误差来源和激光雷达数据特点的基础上,介绍一种新的随机误差计算方法——噪音比例因子方法.该方法用一次测量数据列中远处背景信号算出噪音比例因子,再由噪音比例因子求出任一距离上有用信号的随机误差.用实测的激光雷达信号进行检验,结果表明,这种方法是可靠且可行的.     

改进的信道稀疏度检测正交多载波多普勒估计方法

针对正交频分复用水声移动通信中频域变采样技术联合信道稀疏度检测的多普勒估计算法在冰水混合区复杂信道环境下多普勒估计效果欠佳且计算量大的问题,提出了一种改进的多普勒估计算法.采用时域重采样技术对信号进行不同压缩因子的补偿,避免了频域变采样技术中的高阶快速傅里叶变换运算,从而降低了算法复杂度.利用梳状导频位置向量结合时域变...     

宽吻海豚Click信号的时频滤波检测方法

针对宽吻海豚Click信号检测提出了一种在信号时频图中基于Gabor滤波器的检测方法。该方法首先对声信号进行分段处理,计算每一段信号的时频图;然后设计Gabor滤波器,提取时频图中垂直方向的线条;对Gabor滤波处理后的时频图进行自适应阈值处理,提取时频图中能量较强的区域;最后通过连通域分析确定Click信号的位置.仿真合成不同信噪比的测试信号,本文算法在Click信号和背景噪声平均功率比为15 dB的情况下,Click信号的找全率达到了99%,错误率为0%;对实际采集的声信号进行Click信号检测,找全率为100%。本文方法预期为海豚观测和海豚生物学行为的研究提供一定的技术支持。      

基于像素序列形态的适应性背景重构算法

背景重构是视频图像处理领域的支撑性工作之一.针对传统的背景重构算法运算复杂、背景图像失真等不足,本文提出了一种像素序列形态适应性背景重构算法.该算法通过提取像素序列形态特征进行分类处理,不同形态适用独立的背景提取策略、背景更新时刻和背景更新策略.实验结果验证表明:该算法无需对视频场景中的背景和运动目标建立模型,可直接从...     

基于相空间邻域的混沌时间序列自适应预测滤波器(Ⅰ)线性自适应滤波

提出了一种基于相空间邻域的线性自适应滤波算法，将时间域变换到高维重构矢量空间，使 得不可能实现的线性预测变成了可能.实验结果表明：这种基于相空间邻域的线性自适应预 测滤波器能够有效预测一些混沌序列，能够检测到一些混沌载波中的信号，具有去混沌噪声 的能力. 关键词： 混沌时间序列 重构矢量 自适应预测     

单目视觉的同时三维场景构建和定位算法

同时场景构建和定位算法是机器人自主导航的重要组成部分.针对传统算法不能应用于室外环境和缺乏定量分析的缺点,提出了一种单摄像机恢复场景三维结构和摄像机位姿的新算法.提出了视频序列关键帧提取方法,降低了运算复杂度;利用特征点对和摄像机内参量计算场景三维结构和关键帧的位姿并提出一种估计关键帧位姿的简便方法;最后,提出一种兼顾优化效果和运算复杂度的自适应光束法平差算法优化场景结构和摄像机位姿,并生成适于机器人导航的数字高程图.室内和室外多种场景下的定量和定性实验结果表明,绕行误差低于4%,该算法能够接近实时准确实现同时场景构建和摄像机定位.     

基于二进制比特串描述符的惯性组合导航高速景象匹配算法

针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置、航向偏差的要求,提出了一种基于二进制比特串描述符的高速景象匹配算法,尤其适合于计算资源有限的景象匹配场合.算法首先提取环绕中心极值局部特征,然后计算特征点的二进制比特串描述符,接着利用描述符之间的汉明距离进行快速特征匹配.最后,利用分组采样一致算法和最小二乘算法获取高准确度的航向和位置偏差信息.景象匹配性能评价实验表明：在匹配适应性、匹配速度、准确度和鲁棒性方面,算法都很优越,在参考图为250×250 pixels,实测图为160×160 pixels情况下,整个算法的计算约为40 ms,可以满足景象匹配导航系统高速匹配修正的要求,优于传统的景象匹配算法.     

基于L型延迟阵列调制宽带转换器的信号载频和二维到达角联合估计

针对现有的基于欠采样的频率和二维到达角的联合估计存在结构复杂问题,本文提出了一种基于调制宽带转换器技术的L型延迟阵列接收结构.利用延迟通道与未延迟通道采样值之间的相位差可直接估计载频,进而计算二维到达角,无需额外的参数配对操作,避免了配对步骤引入的误差和复杂度的提升.并结合所提L型延迟阵列结构的特点构造相关矩阵和三线性模型,提出了两种参数估计算法,一种基于旋转不变子空间算法,计算量小,适用于需要实时处理的场景;另一种基于正则分解技术,鲁棒性较好,适用于信噪比较低的应用场景.仿真实验表明该方法能较好地从欠奈奎斯特样本中估计目标的载频和二维到达角参数.     

Characteristic signal extracted from a continuous time signal on the aspect of frequency domain

Extracting characteristic signal from a continuous signal can effectively reduce the difficulty of analyzing the running states of a single-variable nonlinear system.Whether the extracted characteristic signal can accurately reflect the running states of the system is very important.In this paper, a method called automatic sampling method(ASM) for extracting characteristic signals is investigated.The complete definition is described, the effectiveness is proved theoretically, and the general formulas of the extracted characteristic signals are derived for the first time.Furthermore, typical Chua's circuit is used to accomplish a lot of experimental research on the aspect of frequency domain.The experimental results show that ASM is feasible and practical, and can automatically generate a characteristic signal with the change of the original signal.     

MR fingerprinting reconstruction with Kalman filter

Magnetic resonance fingerprinting (MR fingerprinting or MRF) is a newly introduced quantitative magnetic resonance imaging technique, which enables simultaneous multi-parameter mapping in a single acquisition with improved time efficiency. The current MRF reconstruction method is based on dictionary matching, which may be limited by the discrete and finite nature of the dictionary and the computational cost associated with dictionary construction, storage and matching.In this paper, we describe a reconstruction method based on Kalman filter for MRF, which avoids the use of dictionary to obtain continuous MR parameter measurements. With this Kalman filter framework, the Bloch equation of inversion-recovery balanced steady state free-precession (IR-bSSFP) MRF sequence was derived to predict signal evolution, and acquired signal was entered to update the prediction. The algorithm can gradually estimate the accurate MR parameters during the recursive calculation. Single pixel and numeric brain phantom simulation were implemented with Kalman filter and the results were compared with those from dictionary matching reconstruction algorithm to demonstrate the feasibility and assess the performance of Kalman filter algorithm.The results demonstrated that Kalman filter algorithm is applicable for MRF reconstruction, eliminating the need for a pre-define dictionary and obtaining continuous MR parameter in contrast to the dictionary matching algorithm.     

A Hybrid Domain Image Encryption Algorithm Based on Improved Henon Map

A hybrid domain image encryption algorithm is developed by integrating with improved Henon map, integer wavelet transform (IWT), bit-plane decomposition, and deoxyribonucleic acid (DNA) sequence operations. First, we improve the classical two-dimensional Henon map. The improved Henon map is called 2D-ICHM, and its chaotic performance is analyzed. Compared with some existing chaotic maps, 2D-ICHM has larger parameter space, continuous chaotic range, and more complex dynamic behavior. Second, an image encryption structure based on diffusion–scrambling–diffusion and spatial domain–frequency domain–spatial domain is proposed, which we call the double sandwich structure. In the encryption process, the diffusion and scrambling operations are performed in the spatial and frequency domains, respectively. In addition, initial values and system parameters of the 2D-ICHM are obtained by the secure hash algorithm-512 (SHA-512) hash value of the plain image and the given parameters. Consequently, the proposed algorithm is highly sensitive to plain images. Finally, simulation experiments and security analysis show that the proposed algorithm has a high level of security and strong robustness to various cryptanalytic attacks.     

面部视频非接触式生理参数感知

为了在非接触条件下检测受试者的各项生理参数,本文设计了一种基于成像式光电容积描记技术,从手机录制的人脸视频中估算生理参数的方法.首先,提出了"小波变换-主成分分析-盲源分离"算法,用于提取出高信噪比的RGB三通道脉搏波信号.然后,分别从频域和时域角度对绿色通道信号进行处理,估算出心率值和呼吸率值;对红蓝通道的脉搏波信号...     

Fault Recognition of Rolling Bearings Based on Parameter Optimized Multi-Scale Permutation Entropy and Gath-Geva

To extract fault features of rolling bearing vibration signals precisely, a fault diagnosis method based on parameter optimized multi-scale permutation entropy (MPE) and Gath-Geva (GG) clustering is proposed. The method can select the important parameters of MPE method adaptively, overcome the disadvantages of fixed MPE parameters and greatly improve the accuracy of fault identification. Firstly, aiming at the problem of parameter determination and considering the interaction among parameters comprehensively of MPE, taking skewness of MPE as fitness function, the time series length and embedding dimension were optimized respectively by particle swarm optimization (PSO) algorithm. Then the fault features of rolling bearing were extracted by parameter optimized MPE and the standard clustering centers is obtained with GG clustering. Finally, the samples are clustered with the Euclid nearness degree to obtain recognition rate. The validity of the parameter optimization is proved by calculating the partition coefficient and average fuzzy entropy. Compared with unoptimized MPE, the propose method has a higher fault recognition rate.     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

基于倒谱分析的单水听器目标运动参数估计

基于浅海射线声学多途结构,提出了一种具有高稳健性、高精度的单水听器目标运动参估计方法.针对匀速直线运动目标,综合多途时延差和运动学几何关系,构建了目标三维多途时延模型,进而获得目标运动参数与多途时延差的非线性时间映射.研究了典型水声信道的倒谱表达式,提出了利用倒谱提取多途时延差的策略.采用差分进化综合优化手段估计目标运动参数,提高了算法的稳健性.理论及仿真结果表明,倒谱的时间分辨率不受信号带宽的限制,而主要取决于信号类型和信噪比;CW信号的倒谱对多普勒不敏感;参数估计精度主要取决于时延差估计精度和参与差分进化运算的信息量,当包含有最近点信息时参数估计性能较好.水池实验结果进一步验证了方法的正确性和有效性.     

改进的基于Spatial WVD和Hough变换的近场信源参量估计及性能分析

利用近场信源的一次快拍数据具有近似线性调频信号形式这一特点,将空域—频域联合平滑WVD和边缘检测以及直线拟合技术结合,对边缘检测结果进行Hough变换得到候选点集,并采用最小二乘聚类拟合获得抑制交叉项与噪音影响的初始频率和调频率估计,进而估计出近场信源的波达角和距离参量.理论分析和仿真结果表明,该方法能够显著抑制WVD分布的交叉项,正确拟合信源的原始空域—频域分布,并具有较低的运算复杂度.