基于径向对称变换的自适应交通禁止标志检测

提出一种基于径向对称变换的自适应交通禁止标志的检测算法。采用RGB归一化阈值分割算法对交通图像进行二值化处理,构造和利用区域轮廓特征矢量,判决和提取候选标志区域。对于标志互相遮挡候选区域,提出采用基于分水岭变换的自适应标志分离算法进行标志分离;然后,对于低维的标志候选区域,根据其自身尺度特征提出一种参数自适应的径向对称圆形检测器和检测算法,最终确定禁止标志。本文算法在标准交通标志数据集(GTSDB)进行了实验验证。实验结果表明,与现有方法相比,本文算法有效提高了算法执行效率和检测性能,降低了算法复杂度;并且,对交通标志尺度、亮度和天气变化、运动模糊以及标志互相遮挡等有着良好的鲁棒性。     

脉冲噪声环境下改进的顽健循环时延估计算法

研究了脉冲噪声环境下循环平稳信号的时延估计问题,针对脉冲噪声环境中基于传统二阶谱相关函数的时延估计方法性能退化问题,提出了基于分数低阶循环谱的改进顽健算法。相对于传统算法,新算法对脉冲噪声、高斯噪声、干扰信号都具有较好的抑制作用。仿真结果证明了算法的有效性和顽健性。     

一种基于简化PCNN的自适应图像分割方法

近年来的研究表明,脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)可有效地用于图像分割.然而对于不同图像,常需要选取适当的网络参数,以得到有效的分割结果.但是,目前网络参数的选取还主要停留在人工调整和确定阶段,尚无一种能够根据图像本身特性自动确定参数的方法,这在很大程度上限制了PCNN的应用.针对这一问题,本文提出了一种基于简化PCNN的自适应图像分割方法,通过利用图像本身空间和灰度特性自动确定网络参数,实现对不同图像的分割.实验结果表明,本文算法可以有效地对不同图像进行自动分割,具有一定的健壮性.     

分数低阶矩的信号盲分离方法

具有尖峰脉冲特性的α稳定分布信号或噪声不存在二阶及二阶以上的统计量,传统基于二阶统计量(SOS)或高阶统计量(HOS)盲分离和独立成份分析(ICA)算法效果不理想,甚至失效。对脉冲噪声环境下的盲分离技术进行了研究,推导出一种基于分数低阶矩的信号盲分离算法,并进行了仿真检验,结果表明所提出的方法对实现α稳定分布信号或含有α稳定分布噪声的信号盲分离效果很好,并具有良好的韧性。     

基于多重分形的膝关节摆动信号特征提取与分类

膝关节摆动(VAG)信号是膝关节在屈伸活动时由于接触摩擦所产生的振动,它能够反映髌骨软化症、半月板损伤和交叉韧带损伤等膝关节损伤疾病的特征与状态,正逐步得到临床医学的重视。本文依据多重分形去趋势波动方法,定量分析了正常和异常VAG信号的特性,提取了分形标度指数、多重分形谱极值点、广义分形维数和时频信息熵值等特征信息,并采用支持向量机对正常和异常VAG信号进行分类,得到较高的分类准确率,对于膝关节损伤疾病的无创检测和辅助诊断具有重要意义。      

非信号处理类硕士生“信号处理与数据分析”课程浅析

随着现代信息技术的发展,为非信号处理类硕士研究生开设信号处理课程,正在成为一种趋势。本文结合作者对非信号处理类硕士研究生进行“信号处理与数据分析”授课的实践,对课程的教学进行了一些思考和探索,包括针对教学对象的教材选择,教学大纲制定与教学内容设置,以及理论与应用相结合,多媒体教学与板书相结合,教师与学生相结合的“三个相结合”的教学模式等。     

Alpha稳定分布噪声下广义恒模 算法收敛性能的研究

 以alpha稳定分布过程为噪声模型,依据分数低阶统计量理论提出了广义恒模算法,分析了广义恒模算法在干扰和加性alpha稳定分布噪声下的收敛特性.研究表明,广义恒模算法的收敛行为由接收信号的初始增益和信干比等条件确定,并由此可以对收敛过程作出预测和控制.利用计算机仿真验证了广义恒模算法的这种特性.     

一种基于最大熵谱估计的高分辨率时间延迟估计方法

当采用相关法估计时间延迟时，多径时延的分辩率受到相关函数主要瓣宽的限制。本文将最大熵谱估计方法中的Ｂｕｒｇ算法和Ｍａｒｐｌｅ算法引入了不可解的多径时处估计，可以得到较高的时延分辨率。给出了原理一性能分析以及计算机模拟的结果。     

诱发电位中α稳定分布噪声参数的动态估计新方法

针对诱发电位潜伏期变化检测中信号噪声的非平稳特性,本文提出了一种新的参数估计方法,实现了诱发电位中α稳定分布噪声的动态参数估计.计算机仿真结果表明,这种方法可以有效地跟踪信号噪声特性的变化,且进一步完善了EP潜伏期变化的动态检测方法.