一种基于大小流区分计数的公平抽样算法

针对一种草图指导公平抽样(SGS)算法对小流估计误差大的问题,该文提出一种基于大小流区分计数的包公平抽样算法(DCMFS),并给出哈希冲突对SGS算法估计误差影响的定量分析结果。DCMFS采用大小流区分计数器,对小流采用逐流精确计数,对大流采用哈希计数。理论分析及实际的数据仿真结果均表明,DCMFS算法对小流能够实现逐流精确统计,对大流的估计标准差接近公平抽样估计标准差理论值上限。算法采用不等长位宽计数器结构,保证其空间复杂度较SGS和自适应非线性抽样方法(ANLS)没有增加;引入计数器置换使得算法时间复杂度略有提高,但仍能满足10 Gbps线速处理要求。     

基于小波包和支持向量机的故障诊断方法研究

基于支持向量机（SVM,support vector machine）对小样本决策具有较好的学习推广性,本文提出一种基于小波包和支持向量机的故障诊断方法,通过小波包分解系数求取频带能量,并根据各个频带的能量的变化提取故障特征,应用LSSVM（least squares support vector machines）进行故障分类。实验结果表明,支持向量机分类器优于传统的BP神经网络和RBF神经网络分类器,识别率较高,具有更强的泛化推广能力。     

基于小波包变换的FED驱动电路故障诊断

根据FED驱动电路的特性,提出了一种小波包变换和神经网络相结合的方法,并将其应用于FED的驱动电路故障诊断.首先采用小波包变换对电路输出节点的电压信号进行分解,提取各频段的能量作为故障样本输入神经网络.仿真实验证明,该方法减少了故障诊断的时间,提高了故障诊断的准确率,使准确率达到87.17％.     

火炮声探测技术研究报告

本文主要介绍我军装备的大口径火炮声信号测量分析结果,以及以TMS320芯片为核心的自动判读系统软硬件的研制和野外试验结果。本文还介绍了国外火炮声探测技术发展情况。     

基于小波包变换的多阈值法语音信号去噪净化

文中在小波包变换和传统阈值法的基础上,提出了一种基于小波包变换的多尺度多阈值语音信号去噪净化方法。采用小波包分解,克服了传统的正交小波变换的缺陷。采用多尺度多阈值方法,通过改进噪声方差估计方法,在去噪的同时,进一步提高信噪比。仿真实验结果表明,本方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

一种面向连接的快速多维包分类算法

为进一步提高聚合位向量(ABV)算法分类数据包的速度,该文提出一种面向连接的改进ABV(IABV)算法。该算法利用同一连接包分类查找规则相对一致的特点,建立哈希表-规则库两级优化查找结构,首先通过哈希表查找包分类规则,若未命中继续从规则库中查找。利用连接时效性特点设计哈希表冲突处理机制,根据表项最近命中时间判断是否进行覆写更新,避免规则累积导致查找时间增加;其次对ABV算法各维度进行等分处理,为各等分区间建立数组索引,从而快速缩小向量查找范围,加快查找规则库速度;最后,将规则中前缀转化为范围降低辅助查找结构复杂度,以减少内存空间占用量并加快规则查找速度。实验结果表明,将规则中前缀转化为范围后能够有效提升算法性能,相同条件下IABV算法相比ABV算法时间性能有显著提高。     

一种基于Gabor变换的HRRP目标识别方法

从模式分类角度讨论了基于高分辨距离像的舰船目标识别问题,提出了一种基于Gabor变换的HRRP目标识别方法。通过对数据进行Gabor变换去除噪声,利用基于小波包分解能量的方法得到信号在不同频带的能量分布特性,最终通过支持向量机进行识别。通过对6类目标实测数据的分析,验证结果表明,该方法在舰船目标识别领域具有良好的应用前景。     

基于iOS设备的自主航拍巡检控制终端的设计

针对无人机航拍巡检操作繁琐、效率低下等问题,提出了一种基于iOS设备和图像跟踪算法的无人机自主航拍巡检控制终端.使用无人机控制软件开发包搭建了终端与无人机、航拍云台、无线图像传输设备、无人机控制器之间的通信链路.基于FFmpeg实现视频解码,提出了基于自适应尺度的时空上下文跟踪算法,引入尺度参数变化率以在线纠正更新尺度参数的过激变化,大幅增强了航拍云台在复杂背景下的跟踪稳定性,实现了无人机航拍系统对不同尺度目标的自主、稳定跟踪,提高了航拍巡检效率.     

基于Bark尺度小波包和Teager能量算子的语音去噪方法

针对小波包分解的高频混叠和频带顺序混乱,采取了一种改进小波包算法,采用一种更精细的Bark尺度小波包对带噪语音进行分解,以模拟人耳的听觉特性.对分解系数计算Teager能量算子(TEO),并使用一种简单的随TEO变化而调节的自适应阈值门限对带噪语音进行阈值去噪,不需要判别清浊音和无声段,实验证明,该方法在多种噪声下都能取得较好语音增强效果,特别是在有色噪声和非平稳噪声下.对于较低信噪比的语音也能获得一定改善.     

基于Curvelet变换与小波包变换联合的图像去噪算法

小波包变换在处理图像中的平滑区域时能够起到较好的效果,而Curvelet变换可以更好地逼近线性奇异高维函数,对图像的边缘区域有最稀疏的表示.在此基础上提出了基于二者联合的图像去噪算法,在对含噪图像进行分割后,分别对线性区域和平滑区域采用Curvelet阈值去噪处理和小波包阈值去噪处理.该方法充分发挥了二者各自的优势,实验表明,它对图像的去噪效果要优于单纯的Curvelet或小波包去噪方法.