基于去噪卷积神经网络的雷达信号调制类型识别

针对低截获概率雷达(LPI)信号处理复杂,低信噪比条件下识别率低的问题,该文提出一种基于去噪卷积神经网络和Inception网络的信号分类识别系统。首先对8种LPI雷达信号进行Choi-Williams分布(CWD)时频变换,得到2维时频图像,然后使用去噪卷积神经网络进行时频图像去噪处理,最后将图像发送到Inception-V4网络进行特征提取,并使用softmax分类器进行分类,实现LPI雷达信号的有效分类识别。仿真结果表明,该方法在–10 dB信噪比(SNR)下,识别率仍然可以达到90%以上。     

基于点云分割网络的雷达信号分选方法

针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题,该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云;之后利用点云分割网络(PointNet++)对该点云中各点依据其所属辐射源进行分割;最后将具有相同标签的点聚类形成脉冲集合,分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明：所提方法能够有效对未知雷达信号进行分选,在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性,并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。     

基于预选算法的全局平移运动参数估计

为了快速准确估计出视频序列中存在的全局平移抖动，分析影响全局运动估计精度的各种常见因素，归纳其特点，同时结合相关基础理论，以C-1BT变换为基础，提出一种基于预选算法的快速全局平移运动估计算法。首先，在估计局部运动矢量前，采用预选算法保留能很好代表全局运动性质的部分宏块。其次，根据预选块的特点改变传统自适应十字搜索法（Adaptive Rood Pattern Search，ARPS）的臂长预测部分，减少搜索陷入局部最优的风险。最后，采用平移运动模型得到最终参数。实验仿真结果证明提出方法的快速性和鲁棒性。     

OFDM系统降低峰平比方法的研究

采用部分传输序列(PTS)降低OFDM系统中的峰平比.虽然PTS法具有不会使信号发生畸变,应用不受载波数限制,频谱损失小等优点,但是其实现起来计算量较大,限制了它在实际中的应用.在充分研究了基于汉明距离的PTS算法后,在其中加入门限值,仿真证明这种方法在不损失PAPR性能的前提下,可以进一步降低复杂度,具有较强的实用性.     

WBCT变换的SPIHT图像压缩算法的改进

传统的基于WBCT变换的SPIHT图像压缩算法没有考虑低频子带与高频子带的关系,只是在高频子带之间寻找方向树的关系,并且需要对变换后的系数进行位置置换,这样必然会影响编码质量和效率.针对以上问题提出了构造虚拟低频的思想,通过构造虚拟低频建立低频子带与高频子带的关系,使方向树结构更高,压缩效果更好;同时又避免了系数位置置换,提高了编码效率.与传统算法和现有的WBCT算法相比,该算法既能有效保护图像细节和纹理,又节省了编解码时间,同时提高了压缩后图像的峰值信噪比(特别是在低比特率下),而且具有通用性.     

多尺度模型结合改进前向后向扩散的图像放大

为了得到较好视觉质量的放大图像,提出一种图像放大方法.为了保证得到的放大图像完全满足图像退化模型的约束,在图像重建过程建立多尺度空间模型,利用拉普拉斯金字塔变换工具对图像零插值得到低分辨率空间的初始插值图像;对初始插值图像采用改进的前向后向非线性扩散得到图像的高分辨率分量,并把高分辨率分量利用拉普拉斯金字塔变换工具在空域中映射到高分辨率空间中,得到图像的高频细节和初始插值图像合成放大图像.该方法对前向后向非线性扩散进行了改进,在增强边缘的同时使边缘更加光滑.实验结果表明,文中方法能达到较显著的分辨率增强效果,比其他方法得到的图像边缘更加准确,减少了图像的不良人工效果,如边缘振铃、阶梯效应和边缘错位,而且计算复杂度低、运算速度较快.     

基于Bandelet变换的图像压缩传感

提出并讨论了一种基于Bandelet变换的图像压缩传感算法。该算法可自适应跟踪图像的正则方向,提高对图像的稀疏表示能力,进而提高重构后的图像质量。对一幅图像在不同测试矩阵下利用小波法、DCT法和Bandelet法压缩传感算法进行图像重建仿真,仿真结果表明,该算法具备更为出色的图像还原质量和更优的PSNR。     

基于去噪卷积神经网络的雷达信号调制类型识别

针对低截获概率雷达(LPI)信号处理复杂,低信噪比条件下识别率低的问题,该文提出一种基于去噪卷积神经网络和Inception网络的信号分类识别系统.首先对8种LPI雷达信号进行Choi-Williams分布(CWD)时频变换,得到2维时频图像,然后使用去噪卷积神经网络进行时频图像去噪处理,最后将图像发送到Inception-V4网络进行特征提取,并使用softmax分类器进行分类,实现LPI雷达信号的有效分类识别.仿真结果表明,该方法在–10?dB信噪比(SNR)下,识别率仍然可以达到90％以上.     

Contourlet变换的图像分割

针对小波域隐马尔可夫树模型分割的图像结果容易产生方向边缘成分模糊和奇异性扩散现象,根据Contourlet变换可以充分捕捉图像中高维奇异性,提出了一种基于Contourlet变换域的新的多尺度图像分割算法.该算法通过Contourlet域隐马尔科夫树模型获得各尺度上的初始分割,采用自适应的上下文结构对分割后的图像进行多...