基于最大信噪比的盲源分离算法

提出一种新的低计算复杂度的瞬时线性混叠信号的盲分离算法,该算法利用统计独立信号完全分离时信噪比量大作为分离准则。源信号用估计信号的滑动平均代替,把源信号和噪声信号协方差矩阵的函数表示成广义特征值问题,通过广义特征值问题求解分离矩阵不需要任何迭代运算。和典型的信息理论方法相比,该算法的优点是具有非常低的计算复杂度。计算机模拟实验证明,该算法能够分离线性混合的超高斯和亚高斯源信号,并且可以有效地分离语音信号。     

一种新的卫星测控副载波信号分离方法

研究卫星测控信号优化问题,针对测控侦察中卫星测控副载波信号分离识别耗时长的问题,为了满足测控侦察实时准确信息的要求,提出一种基于最大信噪比的副载波分离算法,根据独立信号分离效果越好时信噪比越大的特点,建立信噪比目标函数,利用估计信号的滑动平均代替源信号,通过广义特征值求解实现对目标函数的优化,求出的广义特征值所构成的特征向量矩阵即为目标函数的最优解,优化过程不需要任何迭代.MATALAB仿真结果表明,与FastICA算法相比,运算复杂度低,分离效果较好,能够较好地分离卫星测控副载波信号,满足测控侦察的要求.     

基于MATLAB的图像小波子带广义高斯模型的研究

图像小波系数的统计分布具有非高斯特性，本文以采用广义高斯分布对图像子带小波系数进行建模为例，研究了广义高斯模型和模型参数的估计问题，介绍了利用MATLAB语言设计概率直方图以及求解模型参数超越方程的方法，最后对实验结果进行了讨论。     

基于离散小波变换的织物疵点检测方法

提出了一种基于离散小波变换的织物疵点检测新方法。首先通过对采集织物图像进行小波变换,然后把子图分割为相互连接、互不交叠的子窗口,计算每个子窗口小波系数的标准差作为特征值,最后对这些特征值再次计算标准差与极差,以此作为依据与正常织物进行比较,实现对织物疵点的检测。通过对不同疵点进行检测实验,证明了该算法是可行有效的,检测的正确率平均可达90%以上。     

在小波变换域内实现图像的超分辨率复原

提出了在小波域内实现图像的超分辨率复原的方法，这种方法可以达到自适应边缘保持的目的，算法特点如下：(1)对观测模型实施正交小波变换，获得超分辨率复原问题的空频域描述；(2)采用广义高斯概率模型来构建超分辨率图像的尺度系数和小波系数的先验描述；(3)采用半二次正则化迭代方法来完成小波域超分辨率复原的求解过程。     

基于小波平滑的超高斯与亚高斯信号盲源分离算法

为了分离超高斯与亚高斯信号，利用小波变换的高低频系数作为平滑因子，建立以分母作为预测误差的信噪比目标函数，优化目标函数以求解分离矩阵．仿真表明，该算法能够有效地分离出源信号．     

最佳能量小波包技术在海洋水声信号处理中的应用

对随机时间序列的特征提取与聚类分析,提出了基于分类距离标准的小波包基能量方法。该方法应用小波包变换提取信号各子空间的能量,以能量分类距离标准选取最佳小波包基,最佳小波包基上距离系数大的能量作为特征值。实验结果表明此方法比固定尺度小波包能量法有着更好的分类效果,并且特征值维数低。     

广义特征值问题的多处理机算法

本文给出直接求解广义实对称三对角阵特征值问题Ax=λBx(其中A为对称三对角阵,B为对称正定三对角阵)的多处理机算法。它是对[1]中TREPS1及TREPS2的扩充。类似于EISPACK中的BISECT及TINVIT的计算步骤:分离、紧缩、逆迭代、部分正交化,不过每步均是在推广的意义上进行的。对一个给定区间,使用多分法来分离特征值,使用二分法和Zeroin法来紧缩这些分离的特征值,相应特征向量应用广义逆迭代法可以求得,修正的Gram—Schmidt方法用于正交化向量组。     

基于递归广义特征值分解的化工过程监控方法

根据独立元分析理论,提出了一种基于递归广义特征值分解的化工过程监控方法。广义特征值分解理论上等价于盲源分离领域中针对高阶统计量的联合对角化方法,而其递归算法又能很好地收敛至最优解。鉴于基于递归广义特征值分解的真CA方法在发掘数据集中隐含信息方面的优良性能,本文将其引入工业化工过程监控,并详述了具体步骤。在田纳西-伊斯曼过程中的应用验证了其有效性。     

盲小波算法在遥感图像去噪中的应用

根据盲信号分离原理和小波分析,提出了一种遥感图像去噪的盲小波算法,首先将遥感图像的个信号进行同深度小波分解,得到不同信号相应深度的小波系数和尺度系数,然后将小波系数进行软阈值法处理,并进一步对不同信号的同深度的小波系数和尺度系数进行盲分离,并提取与源信号相关的信号,最后通过信号重构估计源信号。这种将小波分析和盲信号分离技术有机结合的方法能够有效的消除遥感图像的噪声。通过对实际遥感图像的处理,并与其他去噪技术相比较,利用盲小波算法得到的结果更为理想。     

一种新的冷轧带钢典型表面缺陷特征提取方法

针对冷轧带钢表面缺陷图像特征提取的特点,提出了基于类距离可分离性判据的混合特征提取方法。该方法以小波变换的L1范数特征和灰度共生矩阵二次统计特征为基础,运用基于类距离的可分离性判据原理提取出可分离性特征向量。对几种生产现场出现频率较高、危害严重的典型缺陷进行了计算机实验研究,实验结果表明,运用基于类距离可分离性判据的混合特征提取方法提取的特征向量具有较大的可分离性,很大程度上提高了特征的分类有效性,使缺陷识别取得了较高的正确识别率。     

板带材缺陷检测中的多特征优化组合方法研究

针对冷轧板带材常见表面缺陷图像识别的特点,提出了板带材表面缺陷多特征优化组合方法,该方法以直方图统计特征、小波变换特征、灰度共生矩阵特征、不变矩特征等4类特征共26维特征向量为基础,依据类间类内距离差的类别可分离性判据对特征进行优化,选出最优特征向量组合。对6类典型板带材表面缺陷进行实验,实验结果表明,采用多特征优化组合方法选择出的特征向量具有较好的分离效果,显著地提高了表面缺陷的识别率。     

一种图像纹理分割的小波-像素曲线演化方法

提出了图像纹理分割的小波—曲线演化方法，该方法运用二维小波对纹理图像进行分解，由四个小波系数描述纹理特征，并组成四维小波系数特征矢量图，然后采用最大后验概率模型的曲线演化方法，对特征矢量图进行分割和分类，从而获得原图像纹理分割结果．实验结果表明，与小波—FCM聚类纹理分割方法相比，该方法对双纹理图像能取得较好的分割效果，分割出的边界连续，并且具有较强的抗噪能力．     

非下采样三通道不可分小波的多聚焦图像融合

针对可分小波多聚焦图像融合方法存在的不足,提出了一种基于非下采样三通道不可分小波的融合方法。根据不可分小波理论,构造了一组3通道4×4的不可分小波滤波器组,并把此滤波器组应用于多聚焦图像融合中。实验结果表明,该方法对多聚焦图像的融合有较好的融合效果,其融合性能好于采用相同融合算法的基于张量积小波的融合方法。     

连续小波变换在传感器故障诊断中的应用

小波变换在信号分析与处理中有良好的局部性质.主要研究基于连续小波变换极值点的方法在传感器故障诊断中的应用.对输入信号输出信号进行连续小波变换,利用该变换求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,则其余的极值点对应于传感器的故障.在MATLAB平台下,仿真结果表明,该故障诊断方法可以有效地进行故障检测和定位.     

基于小波变换的混合作用域医学图像增强算法

医学图像对比度低,细节不清晰,要对其进行增强处理才能满足临床诊断的需要,而目前常用的小波增强算法自适应性差,丢失细节,为此提出了一种基于dbN小波变换的混合作用域医学图像增强算法,该算法结合Sobel算子提取的边缘,经过滤波变换,得到原图像的锐化图像,再采用能够扩展其灰度范围的幂次变换,实现图像增强。该算法通过实例验证,与常用的分段小波增强算法比较,自适应性强,增强后的图像细节丰富,具有良好的视觉效果。     

基于先验模型的小波图象降噪方法

本文提出了一种基于小波系数先验模型的小波降噪技术。这种模型认为整个小波系数空间由服从零均值高斯分布的局部区域组成，具有空间自适应和局部化的性质，模型的参数可以利用实际观测数据(包含噪声成分)来估计。基于估计得到的小波系数先验模型可以设计小波域上的经验Wiener滤波器，并应用到图象降噪任务中。实验结果表明，此种
种方法可以取得比较好的降噪效果。     

基于具有对称性不可分小波的多聚焦图像融合

针对可分小波多聚焦图像融合方法存在的不足,提出一种基于四通道不可分小波的多聚焦图像融合方法。首先根据不可分小波理论,构造出一组二维四通道4×4具有对称性的不可分小波滤波器组;然后利用此滤波器组对参加融合的图像进行滤波,低频部分采用简单的加权平均算法,高频部分采用局部窗口能量取大的融合算法对分解后的系数图像进行融合;最后对图像进行重构,并采用熵、平均梯度等指标对融合结果图像进行了评价。实验结果表明,该方法对多聚焦图像的融合有较好的融合效果,与采用相同融合算法的基于可分小波的融合方法相比,能更好地突出低频域边缘细节信息,得到更为清晰的融合结果图像。     

Accurate estimation of evolutionary power spectra for strongly narrow-band random fields

One of the most widely used techniques for the simulation of non-homogeneous random fields is the spectral representation method. Its key quantity is the power spectrum, which characterizes the random field in terms of frequency content and spatial evolution in a mean square sense. The paper at hand proposes a method for the estimation of separable power spectra from a series of samples, which combines accurate spectrum resolution in space with an optimum localization in frequency. For non-separable power spectra, it can be complemented by a joint strategy, which is based on the partitioning of the space-frequency domain into several sub-spectra that have to be separable only within themselves. Characteristics and accuracy of the proposed method are demonstrated for analytical benchmark spectra, whose estimates are compared to corresponding results of established techniques based on the short-time Fourier, the harmonic wavelet and the Wigner–Ville transforms. It is then shown by a practical example from stochastic imperfection modeling in structures that in the presence of strong narrow-bandedness in frequency, the proposed method for separable random fields leads to a considerable improvement of estimation results in comparison to the established techniques.     

木材缺陷识别新方法——改进C-V模型与小波变换

分析了木材缺陷、单板节子的特点,提出了一种基于改进的C-V模型、小波变换及背景填充技术的缺陷识别算法。采用symlet5小波,对原图像进行一级二维离散小波变换,分别得到低频分量和高频细节,对低频分量用背景填充技术进行处理得到新的低频图像,分别使用改进的C-V 模型对各子图像识别,利用二维离散小波重构图像,进行Gauss滤波,得到分割结果。