极限学习机延拓的BS-EMD端点效应抑制算法及应用

针对希尔伯特-黄变换过程中经验模态分解出现的端点效应问题,采用极限学习机（Extreme Learning Machine,ELM）算法对原始数据序列分别向左右两端延拓,对扩展后的数据序列用B样条插值函数求其平均曲线,在此基础上进行下一步分解,结束分解后摒弃两端延展的数据,使算法得到优化,起到了抑制端点效应的作用。通过与未经延拓,BP神经网络延拓和支持向量机延拓各项指标的对比分析表明,该算法不仅有效抑制了经验模态分解过程中的端点效应,在预测速度和分解精度上都有一定的优势。将该方法应用于电力系统的谐波分析中,仿真结果表明该方法能有效抑制EMD的端点效应,更好地分解出谐波中含有的不同频率谐波分量。     

基于混沌动态随机分组与调制分数阶FFT旋转因子的图像加密

针对分数阶傅里叶变换(FRFT)图像加密中,由于FRFT旋转因子单一性和分组单一性而引起的安全性问题,提出一种新的加密方法——混沌动态随机分组与随机调制FRFT旋转因子。该方法采用3个混沌子系统:用子系统1(密钥)对明文进行无损预加密,得到(一次)密文;然后,用子系统2对FRFT进行动态分组;用子系统3对FRFT旋转因子进行随机调制。接着,用经动态分组、随机调制旋转因子后的FRFT对(一次)密文进行二次加密。相邻像素相关性、像素改变率等测试结果表明,该算法对统计攻击和差分攻击具有较强的抵御能力;实时性、还原性测试表明,一次加密中,采用无损方式与有损相比,其解密用时减少了52.5%,解密后明文相似度提高了4.5%,由此,免除了去噪处理,降低了系统开销。安全性测试表明, 与单纯调制旋转因子方法相比,随机分组与调制旋转因子方法的信息熵提高了1.7%,抵御穷举法攻击的能力提高了10³⁶³⁵倍。由此表明,该方法在实时性、还原性、安全性等方面,均优于混沌密钥单纯调制FRFT旋转因子算法。     

变换域通信系统自适应N-sigma幅度谱成型算法

针对变换域通信系统传统硬门限判决算法漏检和误检的问题,为提高系统的抗干扰性能,提出一种自适应N-sigma幅度谱成型算法。该算法通过频谱感知获得环境功率谱的幅值信息,计算环境功率谱的均值和标准差;根据正态分布相关理论,自适应设置门限。若电磁环境发生变化,均值和标准差会重新调整更新门限。仿真结果表明,相比传统的硬门限判决算法,自适应N-sigma幅度谱成型算法的门限设置更加灵活精确,降低了干扰的漏检概率和误检概率,提高了系统的抗干扰性能。     

改进的基于DFT的OFDM系统信道估计算法

在正交频分复用（OFDM）系统中,针对常用的信道估计算法不能有效地抑制信道冲激响应中循环前缀长度内噪声的不足,提出了一种改进的基于离散傅里叶变换（DFT）的信道估计算法。该算法是一个多次迭代的过程,通过最小二乘算法获得导频位置处的信道频域响应,经过逆傅里叶变换后,利用时域内引入的能量增长速率函数来判断信道冲激响应分布情况,以便对其进行消噪处理,最后通过多次迭代进一步抑制子载波间干扰和加性高斯白噪声。仿真结果表明,无论在多普勒频移较小还是较大的情况下,该算法的估计性能均优于最小二乘（LS）信道估计算法、传统基于DFT的信道估计算法和基于阈值的信道估计算法。在系统误比特率为[10-2]时,改进的基于DFT的信道估计算法比其他算法有3~5 dB的性能增益。     

广义霍夫变换在多目标检测领域的应用及优化

分析了广义霍夫变换（GHT）的原理及在目标检测领域的已有研究,在原单目标检测的基础上,加入了多个相似目标物体检测与计数的能力,根据阈值的设定,能够快速准确地从图像中同时识别出多个目标物体,并记录下各目标物体的相关位置信息。利用GPU对GHT算法进行加速,充分挖掘算法各个步骤的潜在并行性,并结合GPU中的各种存储器优化方法,合理安排各存储器的存储数据,实验结果表明,GPU极大提升了算法的运行速度。     

基于视野分界线的多摄像机运动目标跟踪算法

提出了一种改进的基于视野分界线的多摄像机运动目标跟踪算法。该算法通过采用SIFT算法来自动获取特征点,生成视野分界线。当目标穿过分界线后,将待确定目标颜色直方图与目标颜色直方图相匹配,匹配度最好的赋予标识,即完成目标的交接,用Mean Shift算法完成后续目标的跟踪。在搭建的实验平台上进行了实时跟踪,实验结果表明该算法能有效实现多摄机间的目标连续跟踪。     

基于改进特征袋模型的奶牛识别算法

针对特征袋（BOF）模型中存在特征计算耗时、识别精度低的不足,提出一种新的改进BOF模型以提高其目标识别的精度和效率,并将其应用于奶牛个体识别。该算法首先引入优化方向梯度直方图（HOG）特征对图像进行特征提取和描述,然后利用空间金字塔匹配原理（SPM）生成图像基于视觉词典的直方图表示,最后自定义直方图交叉核作为分类器核函数。该算法在项目组自行拍摄的数据集（包含15类奶牛、共7500张奶牛头部图像）上的实验结果表明,使用基于SPM的BOF模型将算法的识别率平均提高2个百分点;使用直方图交叉核相比使用高斯核将算法的识别率平均提高2.5个百分点;使用优化HOG特征,相比使用传统HOG特征将算法识别率平均提高21.3个百分点,运算效率为其1.68倍;相比使用尺度不变特征变换（SIFT）特征,在保证平均识别精度达95.3%的基础上,运算效率为其7.10倍。分析结果可知,该算法在奶牛个体识别领域具有较好的鲁棒性和实用性。     

基于AAM-SIFT特征描述的两级SVM人脸表情识别

采用AAM定位特征点、尺度不变特征变换（SIFT）描述特征的方式提出一种基于AAM-SIFT的表情特征提取方法。该方法用特征点周围区域梯度方向直方图描述表情特征;同时根据不同子区域对表情的贡献不同,将特征点分组并赋予不同权重,并用两级支持向量机（SVM）对融合的加权特征进行分类识别。在标准表情库和多姿态表情库上的验证结果表明,该方法能有效提高正面人脸表情的识别率,对一定偏转角度的非正面人脸表情也保持较好的鲁棒性。     

基于分数阶小波变换与QR分解 的盲数字水印算法

通过对现有的盲数字水印算法的研究,本文提出一种新颖的基于分数阶小波变换(FRWT)和QR分解的盲数字 图像水印算法,相比于现有的基于DWT域数字图像水印方法,该方法兼具分数阶小波变换(FRWT)和DWT的优点,对数字水 印处理具有更高的灵活性。仿真结果表明嵌入水印后的宿主图像的峰值信噪比均高于40dB,充分说明该算法不仅可以很好 地平衡水印的不可见性,而且对几何攻击具有较好的鲁棒性。     

短快拍条件下宽带chirp信号的波达方向估计

传统的波达方向(DOA)估计算法角度分辨率低或者依赖于大量的快拍,基于稀疏参数估计的SPICE谱估计算法虽然在很少的快拍数即短快拍条件下就能达到较高的分辨率以及低的旁瓣水平,但是只适用于窄带信号。为了解决上述问题,即仅依靠少量快拍实现对宽带线性调频(chirp)信号的高分辨率DOA估计,提出了一种FrFT-SPICE算法。首先,将宽带chirp信号进行特定阶次的分数阶傅里叶变换(FrFT),将时域的chirp波形变为FrFT域的单频正弦波形;其次,推导出FrFT之后接收信号的方向向量;最后,将方向向量代入到窄带的SPICE算法中,实现对宽带chirp信号的DOA估计。仿真实验中,在少量快拍以及扫描间隔相同的前提下,同多重信号分类(MUSIC)与FrFT相结合的FrFT-MUSIC算法相比, FrFT-SPICE在DOA估计的分辨率方面有所提高;而同将空间重采样(SR)与迭代自适应算法(IAA)相结合的SR-IAA相比, FrFT-SPICE在估计精度上有所提高。实验结果表明,所提算法能够在短快拍条件下实现对宽带chirp信号的高分辨率、高精度的DOA估计。