基于m序列的图像置乱技术

简要论述了m序列的基本原理,利用m序列发生器中移位寄存器状态的遍历性（全零状态除外）,提出了一种基于m序列的图像置乱方法,在MATLAB7．0环境下编程实验,通过一个实例证明了此方法的可行性。     

m序列压缩感知测量矩阵构造

利用m序列,提出了一种新的确定性测量矩阵构造方法,称为m序列矩阵.在压缩感知理论中,spark定义为测量矩阵的最小线性相关列数,是一个重要的性能参数,利用m序列的相关特性,推导了所构造测量矩阵spark值的一个下界.仿真实验表明,该方式构造的测量矩阵的重建概率明显高于同条件下的高斯随机测量矩阵;一旦给定m序列,则能确定出所构造矩阵的每一个元素值,避免了随机矩阵的不确定性;所构造矩阵具有循环特性,易于硬件实现,克服了随机矩阵浪费存储资源的缺陷,具有实用价值.     

由m序列构造的同级类m序列及性能研究

根据实践中用状态剪接法获得的一种级数有限的类m序列,用数学手段证明级数为任意数时这种类m序列仍然存在,方法是将m序列移位寄存器的状态和有效反馈位都按奇数位和偶数位分开,分别研究它们对反馈值的影响,从理论上证明了级数为任意整数时,相关的共轭状态都符合类m序列的形成条件。经过分析和测试表明,该类m序列具有良好的伪随机特性。     

基于DCT变换和m序列的二值水印嵌入算法

针对因特网上数字图像的版权保护、认证和完整性等问题,基于DCT变换和m序列,提出了一种二值水印嵌入算法,实现了二值图像的嵌入和提取．实验表明,该算法当JPEG压缩比达到12时还能很好的恢复出水印,而且对剪切、噪声、滤波等图像处理操作也具有很好的鲁棒性．     

用m序列实现计算机加密及安全性能分析

本文提出了应用m序列的伪随机特性对计算机信息数据进行加解密的基本原理和实现方法,并对其安全性能进行了分析。     

用m序列实现计算机加密及安全性能分析

本文提出了应用m序列的伪随机特性对计算机信息数据进行加解密的基本原理和实现方法,并对其安全性能进行了分析.     

用m序列实现计算机加密及安全性能分析

本文提出了应用113序列的伪随机特性对计算机信息数据进行加解密的基本原理和实现方法,并对其安全性能进行了分析。     

m序列的Matlab仿真与实现

对m序列的原理、结构、性质进行了分析,在Matlab中采用编程和Simulink动态仿真功能2种方式实现了m序列.仿真实验表明,这2种方法简单,易于实现,可移植性较强,具有可行性和设计的合理性.     

新型的基于m序列的复数训练序列生成方法

为了构造任意长度的均衡训练序列或码字、满足单载波频域均衡（SC FDE）同步和均衡需要具有时域高自相关性和频域平坦性的均衡训练序列或扩频码的需求,提出了一种基于m序列、离散傅里叶变换（DFT）和逆离散傅里叶变换（IDFT）的复数训练序列构造方法. 该方法对原始m序列的频域序列进行修正和扩展,得到期望点数的序列,之后变换回时域,形成复数序列.这样构造的序列不仅具有良好的幅频响应平坦度和时域自相关性,而且对量化比特数要求不高,可以作为SC-FDE调制系统的均衡训练序列和多相扩频码.     

产生m子序列的-种实用算法

在基于m序列形成同级m子序列的过程中,核心问题是判断两对共轭状态的连线在“圈”内是否相交.本文将“圈”中各状态和整数建立了映射关系,从而给每一对共轭状态一个编码,通过该编码可以系统地判断任意两对共轭状态的连线在圈内是否相交.利用这一方法,可以方便地统计出子序列的数目,并能编程实现所有子序列的输出.     

基于高阶统计量的非高斯噪声中的信号检测方法研究

信号检测方法是信号处理的一个重要研究方向,以前的信号检测方法多是基于高斯噪声的讨论,对非高斯噪声中的信号检测较少,本文针对未知协方差非高斯噪声中的确知信号的检测,提出一种基于高阶累积量的检测方法,并且论述了广义匹配滤波器的设计及相关接收检测原理,最后进行了计算机仿真并给出了仿真对比实验结果。     

基于高阶累积量的点燃式发动机爆震检测及爆震强度判定

研究了利用高阶累积量提取汽油机爆震特征的方法。利用加速度传感器采集振动信号,传感器安装在四缸汽油机的缸盖上。通过分析信号的高阶统计特性,定义了一个基于高阶累积量的公式来计算爆震强度。与基于傅立叶变换和小波变换的方法相比,该方法使用相对较少的数据点,并且可以检测到较弱程度爆震的发生。通过分析不同工况下振动信号的高阶统计特性,并结合爆震声音强度,提出了一种对爆震强度分级的方法。实际信号分析结果表明了本文方法的实用性。     

次序统计量概率密度函数的新的推导方法

提出一种利用二项分布和微积分中的分部积分法来推导次序统计量概率密度函数的新方法,该方法不仅可以使学生在学习次序统计量的过程中对二项分布有更进一步地了解,而且也体现了数学思维的逻辑性、转换性、承接性和多样性.     

Speech-stream detection in short-wave channel based on empirical mode decomposition and higher-order statistics

To capture the presence of speech embedded in nonspeech events and background noise in short-wave non-cooperative communication,an algorithm for speech-stream detection in noisy environments is presented based on Empirical Mode Decomposition (EMD) and statistical properties of higher-order cumulants of speech signals.With the EMD,the noise signals can be decomposed into different numbers of IMFs.Then,the fourth-order cumulant (FOC) can be used to extract the desired feature of statistical properties for IMF components.Since the higher-order cumulants are blind for Gaussian signals,the proposed method is especially effective regarding the problem of speech-stream detection,where the speech signal is distorted by Gaussian noise.With the self-adaptive decomposition by EMD,the proposed method can also work well for non-Gaussian noise.The experiments show that the proposed algorithm can suppress different noise types with different SNRs,and the algorithm is robust in real signal tests.     

A new method for PQ disturbance detection and identification

A new method based on phase-shift and N-1 Support Vector Machines(SVMs)is presented for power quality(PQ)disturbance detection and identification.Through phase-shift and simple algebra operation,the method detects out the PQ disturbances easily and effectively.Then a data dealing process is carried out to extract features from the detecting outputs.Then SVM theory is introduced into the identification of PQ disturbances.N kinds of PQ disturbances are classified with an N-1 SVMs classifier.The testing results show that the proposed method can detect and classify the PQ disturbances successfully.Moreover,the classifier has a good performance on training speed and correct ratio.     

一种高阶费歇耳信息矩阵分布式求逆方法

为获得多智能体系统任意耦合型无向网络导航克拉美-罗下界的显示表达式,简化高阶费歇耳信息矩阵求逆过程,提出了一种分布式求逆方法,即矩阵分块对角化求逆方法。首先,针对任意耦合型无向网络导航定位模型,构造了高阶费歇耳信息矩阵,并结合其对称特点及矩阵元素与网络拓扑间的对应关系,将其分解为两个分块对角矩阵的线性组合,它们分别包含所有节点和边的费歇耳信息量。其次,通过两次运用矩阵求逆引理,推导了费歇耳信息矩阵的逆即克拉美-罗下界以及网络节点等价费歇耳信息矩阵的显式表达式;同时引入了迭代过程,将整个求逆过程完全分解为若干个低阶矩阵间的运算,以减小单步运算量。最后,通过数值试验对该算法进行了验证,并与矩阵分块迭代求逆法进行了对比分析。结果表明,两者均具有较高的计算效率和精度,但本算法运算量更小,计算速度更快,从而验证了算法的准确性和有效性。该算法可用于分析任意耦合型无向网络导航定位模型中各节点或边费歇耳信息的融合过程。     

一种基于颜色信息的人脸检测方法

提出一种利用皮肤和嘴唇在YUV和YIQ两种色度空间中的颜色信息,实现在复杂背景下进行人脸自动检测和定位的方法。实验结果表明,该方法具有实时性好,检测和定位精度较高的特点。     

一种基于颜色信息的人脸检测方法

提出一种利用皮肤和嘴唇在YUV和YIQ两种色度空间中的颜色信息，实现在复杂背景下进行人脸自动检测和定位的方法。实验结果表明，该方法具有实时性好，检测和定位精度较高的特点。     

基于分形维数的离线图像分割方法

为了能够提高图像分割的精度,提出了一种基于统计学和分形维数的图像分割方法,能够对自然景物中树木、道路和天空进行分割,并且可以应用于机器人导航的视觉系统.该方法首先通过统计大量的道路和树木和天空的分形维数(LFD),分析三者对应的LFD值分布特点,然后利用该特点对图像进行分割,最后对分割后的图像进行平滑处理,得到分割结果.实验结果表明:利用统计结果进行图像分割能够提高分割速率,而且使用分形维数作为特征能够得到比较精确的分割效果.