基于手机传感器的握持方式判断及运动状态识别

传统运动识别技术多以传感器位置固定为前提进行识别,但当传感器放置位置或握持方式发生变化时运动识别率会受到相应影响。该文提出了一种基于手机传感器的握持方式判断及运动状态识别方法,解决了传感器随放置位置不同影响运动识别率的缺点。该方法首先通过传感器对设备握持方式进行判断,使用不同握持方式下的三轴加速度数据进行特征提取,通过多层小波变换得到各层高频和低频部分,对其进行组合形成初级特征,用奇异值分解对初级特征进行降维得到最终特征,使用基于径向基核函数的多分类支持向量机 (SVM) 对特征分类,进而判断不同握持方式下的不同运动。实验结果表明,该方法对不同运动方式下的平均识别率为93%。     

水下目标特性特征提取及其融合

为解决基于回波法水下目标分类与识别问题,从水下目标回波的弹性亮点特性、多分量特性和能量积分特性出发,利用频域离散小波变换(FDWT)、希尔伯特谱(Hilbert谱)、希尔伯特边际谱、分数阶傅里叶变换(FRFT)4种时-频分析方法从不同角度对目标回波与混响进行分析.对所提取的特征进行压缩与融合,利用支持向量机完成对水下目标和混响的分类与识别.文中给出了发射换能器以不同掠射角工作时4种时-频特征及其融合特征的识别率.实验结果表明,随着掠射角的增大,总体识别率呈现升高的趋势,融合特征可以有效提高识别率.     

基于独立特征融合的面部疲劳状态识别

为提高面部疲劳状态的识别效果,提出了一种融合全局特征和局部特征的面部疲劳特征表示方法.该方法将离散余弦变换(discrete cosine transform,DCT)和独立元分析(independent component analysis,ICA)技术以及Gabor变换相结合,通过融合全局独立DCT特征和局部动态Gabor特征得到最终的面部疲劳特征表示.基于前人自建的疲劳图像序列库进行了实验,结果表明该方法提取的疲劳特征更加具有鉴别力.     

FD+HOG融合人体行为识别

利用全局特征提取与局部特征提取相融合的方法,将傅里叶变换特征与方向梯度直方图特征相融合的算法结合支持向量机(SVM)来识别人体行为。首先将KTH和Weizmann数据集中提取出来的图像做预处理,分别提取出每张图像的傅里叶描述子和HOG特征,然后利用主成分分析法对HOG提取特征降维,最后用FD+HOG的融合特征放入SVM分类器中分类识别。实验结果表明,该算法识别率可达86%以上。     

基于Curvelet变换的虹膜识别

为提高虹膜识别的准确度,提出采用第二代曲波变换提取虹膜图像纹理特征的方法.首先将预处理后的虹膜图像进行曲波分解,然后采取不同方法对曲波分解后的低通和带通子带进行特征提取,并根据各带通子带的能量大小赋予不同的加权系数,最后采用欧式距离进行虹膜特征匹配.在4种虹膜图像库上测试表明,提出的虹膜图像纹理特征提取方法具有较高的识别率,与Harr小波和DCT(离散余弦变换)相比,特征提取时间相当,但识别率相对DCT来说,分别提高了1.8％,2.1％,2.0％和0.9％.     

一种基于SVM的人形识别算法

提出了一种基于SVM(支持向量机)人形识别的算法,通过对静态图像小波变换提取目标的局部形状突变特征,并结合动态帧的步态特征,然后利用支持向量机对小样本进行学习与识别.通过实验验证,该算法具有实时性好、识别率高、可靠性高、适用范围广等特点,以达到实现监控自动化和智能化的目标.     

基于小波变换与SVM的调制信号识别方法

为了准确地识别通信信号的调制方式,运用小波变换与支持向量机（SVM）对调制信号类型进行识别。采用小波分解重构方法对常用3种模拟信号和6种数字信号提取特征值,将提取的小波特征参数送到 SVM判决器,对信号调制类别进行训练与测试,得到平均识别率。实验结果表明,在信噪比不低于5 dB时,识别率达到了100%,具有良好的分类性能和抗噪能力。     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法．该方法在离散小波变换的基础上。基于回波信号中的散射成分可以对水下底质进行分类的理论基础，提取水下回波信手尾波包络特征作为识别特征矢量，构成基于尾波包络特征的特征空间，再采用最佳鉴别矢量法将特征空间进行特征压缩，最后利用最小距离分类器对目标回波进行分类．实测数据结果表明，采用这种方法得到的包络特征是一种稳健、有效的特征，能够获得较高的正确识别率．     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法.该方法在离散小波变换的基础上,基于回波信号中的散射成分可以对水下底质进行分类的理论基础,提取水下回波信号尾波包络特征作为识别特征矢量,构成基于尾波包络特征的特征空间,再采用最佳鉴别矢量法将特征空间进行特征压缩,最后利用最小距离分类器对目标回波进行分类.实测数据结果表明,采用这种方法得到的包络特征是一种稳健、有效的特征,能够获得较高的正确识别率.     

基于鉴别能力分析和LDA-LPP算法的人脸识别

针对人脸识别中的DCT系数选择问题和如何从全局和局部同时提取识别特征的问题,提出了一种基于鉴别能力分析和LDA-LPP的人脸识别算法。即先对人脸图像进行DCT变换,利用鉴别能力分析方法进行DCT系数的选择,融合LDA和LPP降维技术进行降维处理,不仅可以保持数据的全局性,同时也能够保持数据的局部性。在ORL人脸库和Yale人脸库上的实验表明,本文方法可以选择有效的DCT系数,明显提高了识别精度和鲁棒性。     

余弦与小波变换在图像压缩中的比较

基于变换域编码中应用最广的是离散余弦变换(DCT)和小波变换(DWT).小波的迅速发展给传统DCT提出了严峻考验.DCT算法有新发展:内嵌法、策略性重组的引进使其具有类似小波的特性,如ESDCT在对某些图像压缩还优于小波的SPIHT,故DCT的优良特性使其在图像压缩中仍然有广阔的应用前景.实际上,变换域压缩的主要因素在于量化器与熵编码器,DCT与DWT各有优势,在应用中可根据不同需要进行合理的选择. 更多还原     

LDI数字椭圆滤波器的设计

介绍了一种设计LesslossDiscreteIntegrator(LDI)椭圆型DigitalFilter(DF)的方法 .即利用椭圆型AnalogFilter(AF)作为原型 ,找出元件的双线性变换 (BLT)和LDI变换之间的关系进行预补偿 ,再进行信号流图的等效变换 .最后用LDI变换作为电路的基本模块 ,去实现双线性变换的椭圆传递函数 .以此方法设计出一个低通LDI数字椭圆滤波器 ,并利用MATLAB SIMULINK导出滤波器的传递函数 ,大大简化了整个设计过程 .     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

自傅里叶函数及其应用

列出了一大组基本ＳＦＦ和复合ＳＦＦ，表明由Ｃａｏｌａｌ给出的并不是全部的ＳＦＦ。其次指出了由Ｃａｏｌａ以及Ｌｏｈｍａｎｎ等先后提出的由任意函数构造一个ＳＦＦ的定义式的局限性，进一步提出了由奇函数构造一个ＳＦＦ的定义式以及反相ＳＦＦ的概念。最后讨论了ＳＦＦ的一些重要性质及应用。     

快速傅立叶变换算法的比较

快速傅立叶变换有多种算法，本文较为全面地讨论了离散傅立叶变换的快速算法，并对这些算法的性能进行了比较。     

基于时频分析的LFM信号检测与参数估计

基于Radon Wigner变换、分数阶Fourier变换与时频分布的关系,利用其对线性调频(linearityfrquencymodulation,LFM)信号良好的时频聚集性,通过计算Radon Wigner变换或分数阶Fourier变换,对线性调频信号LFM信号进行检测和参数估计。理论分析和计算机仿真证明:2种方法对于LFM信号的分析好于Wigner Ville变换等常用的时频变换。     

快速傅里叶变换的FPGA实现

基于快速傅里叶变换(FFT)运算特点,提出了采用现场可编程门阵列(FPGA)实现高速实时FFT运算的设计方案.该方案技术上采用基4算法以及乒乓RAM的设计思路,较好地解决了溢出处理、双地址生成、整序和总体时序控制的问题,最终实现了在200μs时间内完成1024点的FFT运算,达到了高速实时运算的要求.     

海浪能量谱密度函数计算方法

为了充分利用有限观测资料确定海洋结构物设计与营运环境条件,以北海North Alywn平台提供的一次风暴记录为依据,以提高谱峰分辨率和减小谱方差为谱估计目标,在快速傅里叶变换算法(FFT)基础上,引入最大熵算法(MEM)和小波变换算法(WT);为实现对小容量子样有效的谱估计,应用自举理论(BT)在原始子样基础上构建移动...     

Recognition of Milankovitch cycles in the stratigraphic record: application of the CWT and the FFT to well-log data

The authors applied a the combination of Continuous Wavelet Transform (CWT) and Fast Fourier Transform (FFF)methods to gamma ray well-log data from the Q3, G1 and D2 wells. This high-resolution stratigraphic study was based on Milankovitch's orbital cycle theory. It was found that the CWT scale factors, 'a,' of 12, 24 and 60 match the ratios of the periodicities of precession, obliquity and eccentricity very well. Nine intervals of the Permo-carboniferous strata were recognized to have Milankovitch cycles in them. For example, section A of well Q3 has 29 precession cycles, 15 obliquity cycles and 7 short eccentricity cycles. The wavelengths are 2.7, 4.4 and 7.8 m for precession, obliquity and eccentricity, respectively. Important geological parameters such as the stratigraphic completeness and the accumulation rate were also estimated. These results provide basic information for further cyclostratigraphic correlation studies in the area. They are of great significance for the study of ancient and future climate change.     

探地雷达回波信号处理中小波变换域滤波方法的研究

探地雷达信号是非平稳信号．在传统的傅氏变换域滤波不能有效地解决滤波和信号高频损失的情况下,文中研究了利用小波变换来处理这一矛盾的方法．系统地讨论了小波变换在信号滤波中的原理和各种实现方法,比较了与傅里叶变换域滤波的差别．最后对实际的探地雷达信号进行了处理．结果表明,基于小波变换域的滤波能滤除８０％～９０％的噪声,同时可基本保持原信号的边缘不变．此外小波变换域滤波还具有直观、简便、快速操作、稳健的优点,完全可用于实时或事后的数据处理．