一种计算MDCT的快速算法

提出了一种计算ＭＤＣＴ的快速算法，并分析了算法的计算复杂度。与利用ＦＦＴ计算的算法相比，本算法的计算复杂度降低了约一半。最后给出该算法的计算机仿真结果。     

基于斜投影算子的压缩采样匹配追踪算法

斜投影匹配追踪算法较正交匹配追踪算法针对非正交字典的重构能力有了大幅提高,但受噪声影响大。该文通过投影矩阵迭代公式导出斜投影匹配追踪算法,并引入回溯的思想,提出基于斜投影算子的压缩采样匹配追踪算法,有效降低了噪声的影响和非正交投影产生的误差,提高了重构精度。仿真结果表明,算法的重构效果优于其它同类算法。     

基于FPGA的多普勒计程仪硬件平台设计

该文根据系统性能指标要求、算法特点和FPGA的相关特性,系统先介绍了系统组成模块的设计和各个模块的作用;然后重点对同步采样、数据存储与处理、编码信号产生和通讯模块作了详细论述,说明了相应的工作原理,给出了它们的原理框图;最后展示了电路板实物焊接图。     

基于多通道的跳频信号欠采样频率估计

为实现跳频信号频率跟踪估计,本文提出一种基于多通道的跳频信号欠采样频率估计方法。基于快速傅里叶变换（FFT）,提出了一种3谱线方程的频率校正算法,提高了基于中国余数定理的频率估计方法对短序列信号的频率估计精度,与现有的两种基于离散傅里叶变换（DFT）的频率校正算法相比,序列补零数量灵活。给出了一种频率估计检错机制,可以提高算法可靠性。仿真结果表明,本文所提频率估计算法的精度优于现有算法,增加序列补零数量可进一步提高算法的估计精度和信噪比阈值,降低误差平台;检错机制在-23 dB至8 dB信噪比范围内的准确率高于95.5%。      

基于多层感知卷积和通道加权的图像隐写检测

针对目前图像隐写检测模型中线性卷积层对高阶特征表达能力有限,以及各通道特征图没有区分的问题,该文构建了一个基于多层感知卷积和通道加权的卷积神经网络(CNN)隐写检测模型。该模型使用多层感知卷积(Mlpconv)代替传统的线性卷积,增强隐写检测模型对高阶特征的表达能力;同时引入通道加权模块,实现根据全局信息对每个卷积通道赋予不同的权重,增强有用特征并抑制无用特征,增强模型提取检测特征的质量。实验结果表明,该检测模型针对不同典型隐写算法及不同嵌入率,相比Xu-Net, Yedroudj-Net, Zhang-Net均有更高的检测准确率,与最优的Zhu-Net相比,准确率提高1.95%～6.15%。     

基于智能体的动态网络监测

网络规模的不断扩大及网络结构的复杂化,使得网络监测技术面临极大的挑战。通过对网络监测技术和智能体（IA）技术的研究,提出在跨平台语言Python的环境下,采用手动监测和自动监测2种方式的结合,实现基于IA的动态网络监测的方法。实验证明,该方法适用于不同的网络环境和网络拓扑结构,并能可靠地获取网络节点信息,有效地提高网络的可靠性。     

采用DFT滤波器组的声音回波对消器性能分析

本文详细分析了采用ＤＦＴ滤波器组的声音回波对消器的结构和性能，确切地给出了具有简化的重迭－相加结构的ＤＦＴ分析／综合滤波器组的线性特必和延迟特性，分析并推导了在运算量最小准则下，对消器的最佳通道数Ｋ的计算，最后给出了对消器的计算机仿真结果。     

基于Hilbert2Huang Transform 的心音信号谱分析

心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制。针对此本文提出了基于 Hilbert - Huang Transform(HHT) 的心音信号的分析方法,对冠心病患者的心音信号进行了分析。通过把心音信号分 解为内蕴模式函数,利用Hilbert 变换建立了心音信号的时间- 频率- 能量三维Hilbert 谱分布以及边界谱分布; Hilbert 谱及其边界谱在时域以及频域以较高的分辨率表征了心音信号的时频变化特性,揭示了冠心病患者心音信 号的病理特征;为冠心病的早期无损诊断奠定了坚实基础,临床实践中有较大的指导价值。     

模拟调制信号的神经网络识别方法

首先介绍从信号幅度、相位、频率及功率谱等特性中提取的三种特征参数，应用这三种参数采用人工神经网络对模拟调制信号进行了识别。在基于网络输出最小均方误差和最佳正确识别率的原则下，提出识别CW、AM、SSB、FM信号的隐含层的神经元个数为10个时较佳；得出输出层采用log-sigmoid函数为激励函数时，可以达到较佳的识别效果的结论。     

一种利用小波变换计算传感器束的盲分离方法

基于相合束广义特征分解的盲分离算法需要对传感器信号进行线性变换以得到传感器束,目前已有的变换方法有滤波处理和时延处理,滤波方法需要根据源信号选择滤波器,滤波器选得不合适,有可能分离不出源信号;时延方法不能分离3个以上语音信号的混合.该文提出一种利用小波变换计算传感器束的方法,由此得到的基于相合束广义特征分解的盲分离方法可分离3个以上语音信号的混合.