基于鲁棒稀疏表示的人脸识别算法

提出了一种基于LBP算子和鲁棒稀疏表示的人脸识别方法。首先,提取训练样本和测试样本的LBP特征。其次,在原有稀疏表示分类器(SRC)的基础上添加一个权值矩阵W来解决l1正则化最小二乘问题。最后,利用鲁棒稀疏表示分类器(RSRC)分类测试人脸图像所属类别。在ATT人脸库上进行实验的结果表明,此方法是优于其他经典算法的。     

重度污染天气下大气颗粒物PM_(1.0)物理化学特征的透射电子显微镜研究

大气颗粒物样品采自徐州市区2013年12月~2014年1月间重度污染天气。采样期间PM1.0主要由烟尘颗粒、复合酸冷凝颗粒、硫酸盐颗粒、矿物颗粒、金属及金属氧化物颗粒等组成。本文通过透射电子显微镜(TEM)及能谱仪(EDS)给出的大气颗粒物PM1.0高分辨结构信息、颗粒相尺寸及化学相尺寸信息、颗粒相中不同化学相嵌布特征信息等,对组成颗粒相的化学相连生关系进行了比较系统的分析研究。分析数据表明,大气颗粒物PM1.0的颗粒模态转变过程与颗粒物形成过程的相关性较强。异相凝结颗粒中化学相物质结构类型的判别是识别颗粒成因及形成过程的重要因素。     

计算机音乐制作中电子合成音色的应用探析

随着科技处理手段的不断改进,电子合成音色创造的无限性和声音调制的变化性越发的显著,造就了音响特征的独特性。而音响特征的独特性,很大程度地导致了电子合成音色和声学乐器音色在音乐作品的配器和制作过程中具有明显的差异性。首先介绍了电子音色的音响特征和音色构成、命名和分类,接着分析了电子音色在音乐织体各层次中的应用,进而总结了电子音色编辑的独特性及主要手段,为电子音色在现代音乐中的制作提供一定的参考。     

基于杂交BPSO-SVM的网络故障特征选择

为提高网络故障诊断系统的诊断精度,节约计算资源,针对需要处理的含有大量无关或冗余特征的数据,提出了一种基于杂交BPSO-SVM的网络故障特征选择算法.该算法采用封装器模式,以SVM的分类准确率和特征压缩比作为适应度函数来指导杂BPSO进行特征选择,将选择出的最优特征子集用于故障诊断.运用Kdd’99数据集的实验结果表明,杂交BPSO-SVM提高了诊断精度,降低了特征维数,可进一步提升网络故障诊断效果.     

基于几何特征的模糊神经网络去噪方法研究

提出一种新的基于几何特征的模糊神经网络去噪方法.首先用裂缝8个种类的几何特征向量对噪声点的估计作为输入,建立起一个模糊神经网络系统(FNN),并对大量的噪声图像进行训练,然后将训练好的FNN用于判断图像点是否为噪声点,如果是噪声点,则用传统的中值滤波进行去噪,否则不作任何操作,保留原图像作为重构输出图像.实验结果表明,该方法既消除了噪声,又很好的保留了图像的细节,效果令人满意.     

基于特征点的影像匹配

在数字摄影测量中,影像匹配代替了传统的人工观测,来达到自动确定同名像点的目的。影像匹配的理论与实践,是实现自动立体量测的关键,也是数字摄影测量的重要研究课题之一。本文中对基于特征点的影像匹配思路及特征点的提取与匹配中所涉及到的各种算法进行说明,并通过实验对算法展开分析。     

小波和稀疏分解在非连续性薄膜去噪中的应用

为了在传感器测量锂电池非连续性膜厚前不需测量C型机构的固有频率和扫描振动频率,采用3层小波-阈值判断-稀疏分解信号处理去噪方法,进行了理论分析和实验验证。该方法不需固有频率和扫描振动频率的先验知识,在不同C型机构扫描速率模式下,通过迭代选取最佳匹配的原子序列保留锂电池薄膜厚度分布,滤除局部噪声波动,实现稀疏迭代去噪。结果表明,相对于小波算法,在缺乏先验知识的条件下,稀疏分解算法具有较好的去噪性能,其均方差值达5μm~7μm,是一种操作简单、可行有效的方法。     

OFDM系统中基于弱选择ROMP算法的稀疏信道估计

为了解决实际OFDM通信系统中信道稀疏度未知的不足,提出将弱选择正则化正交匹配追踪算法用于估计稀疏信道。算法在不知晓信道稀疏度的情况下,对不同迭代残差与测量矩阵中原子的相关系数进行判定后,根据原子的弱选择准则灵活地确定出表示信道冲激响应的原子候选集,进而利用正则化原则从候选集中挑选出表示信道冲激响应的最优原子组,逐步实现精确重建。仿真结果和理论分析表明：与正则化正交匹配追踪算法相比,相同条件下改进算法可以获得更低的均方误差和误比特率;另外,算法无需将信道稀疏度作为先验信息,实用性更强。     

利用信号围线积分双谱分形特征实现电台识别

信号的双谱能反映信号的细微特征,可用于电台识别中,但将它直接应用于电台识别需要计算复杂的匹配模板,增加分类器的复杂度,影响识别效率。针对此问题,提出了一种将信号围线积分双谱的分形特征作为电台特征参数的识别方法。首先由信号双谱估计值求出围线积分双谱,然后利用盒维数和信息维数定量描述围线积分双谱波形的复杂度,并将这两种分形维数作为特征向量,最后利用支持向量机(SVM)实现电台分类识别。对两部实际电台所发射的2FSK信号利用所提方法进行分析,结果表明在信噪比为7 dB及以上时,电台正确识别率能达到94.29%以上,验证了所提方法的可行性。     

卫星通信信号调制识别技术研究

通信信号的调制方式识别是非协作通信领域的一个研究热点,它需要在没有任何先验条件,且环境复杂有噪声的条件下,不依赖于其它的先验知识,确定目标信号的调制方式。然后就可提取载频、码速率、滚降系数等参数,为信号的进一步深入研究提供依据。分析了几种经常用于卫星通信的MPSK调制信号和高阶调制信号16APSK,提出了一种基于高阶累积量与频谱特征的识别算法。在特定的数据长度和信噪比条件下,理论分析与仿真验证均验证了该算法易于实现、识别率高（≥95％）。