一种小波变换的数字信号调制方式识别方法研究

数字通信信号调制方式识别有重要的现实意义。针对各数字信号的特点,利用Haar小波函数归一化前后小波变换模值,实现对数字信号的类间识别;根据数字信号进制数,进行数字信号的类内识别,并通过软件仿真验证该方法的有效性。仿真结果表明,基于小波变换的调制方式识别方法可对数字信号进行有效的识别。     

瑞利信道下小波包调制信号的识别研究

小波包调制是一种全新的多载波调制方式,该文主要研究在瑞利衰落信道条件下的小波包调制信号的识别。根据小波包调制信号的特点,首先用基于高阶混合矩联合信噪比估计的方法进行类间识别,然后利用反映功率谱包络变化的参数进行类内识别,实现对小波包调制信号的区分。仿真结果表明,该方法具有良好的识别性能。     

基于双树复小波和广义高斯密度的纹理图像检索

提出了一种基于双树复小波变换结合广义高斯密度和Kullback-Leibler距离的纹理图像检索新方法。该方法运用双树复小波变换对检索图像和目标图像进行分解,在每层生成6个方向子带的小波系数,并对小波系数的边缘分布函数进行高斯建模,生成纹理特征,再通过计算相应子带间纹理特征的Kullback-Leibler距离度量图像的相似性。实验表明,该方法比基于能量特征和欧氏距离的检索方法以及在3层分解层数下比基于小波变换、Contourlet变换等结合广义高斯模型的检索方法有更高的检索率。     

基于小波包的配电网故障选线距离判别方法

针对目前小波包选线方法的不足,提出了一种利用距离判别的统计方法以对小波包分解的信息进行充分利用,计算实时能量向量与非故障线路分布的距离以进行选线．充分利用了小波包分解的各频段能量信息和频段能量之间的相关信息,能较好地提高故障选线的正确性,并能结合暂态方向分量、五次谐波等稳态分量的统计特征使用．     

基于小波变换和SVD的心电身份识别

基于心电信号的身份识别技术是生物身份识别领域研究的热点问题.该文利用小波变换将经过预处理之后的心电信号进行多尺度分解,组成一个初始特征矩阵;随后对该矩阵进行奇异值分解,分解后的奇异值包含了心电信号的重要信息,将其作为特征参数并最终采用支持向量机对心电信号进行匹配识别.通过对26个正常测试者的心电信号进行识别,识别率可达97.80％.     

基于小波包分解的数据融合损伤识别方法

目的为了充分利用来自多传感器的冗余、带噪声数据，提高结构损伤识别的精度．方法利用小波包良好的时一频特性，首先用小波包分解对结构响应进行处理．提取信号的不同特征参数，然后利用不同的特征向量对结构分别进行损伤识别，最后应用融合技术对不同的识别结果进行融合处理．并用一个七层钢结构框架的多损伤识别验证了该方法的有效性．结果结果表明，该方法能够极大地提高了结构损伤识别精度．结论运用小波包分析提取信号的特征参数与数据融合技术进行损伤识别．并使二者有机的结合是结构健康监测与检测的有效途径与发展趋势．     

基于最佳小波包基的边海防声目标识别

针对于将声音识别技术应用于边海防目标的识别,提出了一种新的基于最佳小波包基的特征提取方法。具体方法是首先根据边海防声音信号的频率分布特征,对这些信号进行有选择地多尺度小波包分解,获取最佳小波包树,然后将相应的最佳小波包基的能量值归一化后作为特征向量,再将这些特征向量输入BP神经网络训练,用训练好的神经网络对边海防声音信号进行识别。仿真结果表明:在噪声条件下,利用此特征提取方法,识别率达到94%,比基于小波包分解的特征提取方法的识别率高出6个百分点。     

一种基于小波脊线拟合的MFSK信号识别方法

通过MFSK信号的正弦类Haar小波脊线表达式的推导，选取其作为MFSK信号识别的特征参量，进而对MFSK信号进行了识别．针对高斯白噪声对MFSK信号的特征参量的影响，提出利用最小二乘法对正弦类Haar小波脊线进行拟合的方法．最后对2-FSK信号进行仿真，结果表明此方法具有较好的抗噪声性能．     

电厂锅炉燃烧工况特征研究

分析了电厂燃烧锅炉工况诊断技术,提出了基于小波包频带能量分析方法的小波包分解能量特征提取方法．利用小波包分解技术,对稳定与非平稳的电厂锅炉燃烧压力波信号进行能量特征提取,为工况识别提供了有用信息．     

基于电磁超声的铝板缺陷识别方法

针对铝板中典型缺陷类型,提出基于电磁超声的铝板缺陷识别方法.通过平底孔和圆底孔人工缺陷模拟实际缺陷,使用电磁超声体波获得多组缺陷回波信号样本,采用小波邻域自适应阈值消噪方法,提升信号信噪比.从时域、频域和时频域提出多种信号特征方法,提取45种信号特征.以基于类内类间距离的类别可分性判据为评价指标,通过序列浮动前向选择算法(SFFS)搜索得到最优特征向量用于缺陷识别.采用k-折交叉确认方法确定支持向量机分类器的最优参数.试验结果表明,设计的分类器能够有效地识别文中铝板内的平底孔和圆底孔缺陷,识别正确率达到了96.7%.     

基于梅尔频谱分离和LSCNet的声学场景分类方法

针对现有频谱分离方法进行声学场景分类研究时其分类准确率不高的问题,提出了一种基于梅尔频谱分离和长距离自校正卷积神经网络(long-distance self-calibration convolutional neural network, LSCNet)的声学场景分类方法。首先,介绍了频谱的谐波打击源分离原理,提出了一种梅尔频谱分离算法,将梅尔频谱分离出谐波分量、打击源分量和残差分量;然后,结合自校正神经网络和残差增强机制,提出了一种长距离自校正卷积神经网络;该模型采用频域自校正算法以及长距离增强机制来保留特征图原始信息,通过残差增强机制和通道注意力增强机制加强了深层特征与浅层特征间的关联度,且结合多尺度特征融合模块,以进一步提取模型训练中输出层的有效信息,从而提高模型的分类准确率;最后,基于Urbansound8K和ESC-50数据集开展了声学场景分类实验。实验结果表明:梅尔频谱的残差分量能够针对性地减少背景噪音的影响,从而具有更好的分类性能,且LSCNet实现了对特征图中频域信息的关注,其最佳分类准确率分别达到90.1%和88%,验证了该方法的有效性。     

基于蚁群算法的行为识别特征优选方法

为了降低特征冗余,提高移动用户行为识别的准确率,提出一种基于蚁群算法的移动用户行为识别加速度信号特征优选方法。首先对样本数据进行预处理,根据特征对不同行为的分类敏感度进行初次优选,降低特征搜索空间的维度;然后利用蚁群算法结合神经网络分类器,以特征的分类准确度为评价准则对特征集合进行了二次优选。实验结果表明,该方法优选出的特征集具有较好的识别性能。     

一种基于K2结构学习算法的石漠化数据特征选择方法

在石漠化信息的分类和提取过程中,冗余特征的存在影响分类器的性能,同时增加计算的复杂度。提出一种基于K2结构学习算法的石漠化数据特征选择方法,该方法通过BIC评分方法得到贝叶斯网络的结构,从中获得类节点的马尔可夫覆盖,继而进行特征选择。同时借用不同评分函数的等价性来确定结构学习时所需的样本数,并且给出了样本数的参考。实验表明,该方法由于结合了样本的分类信息,获得的特征子集是最优的,显著提高了分类精度,降低了计算复杂度。     

特征选择对FHMM性能影响研究

在利用因子隐马尔可夫模型(Factorial Hidden Markov Model, FHMM)进行分类识别的过程中,特征选择是影响其性能的主要因素．通过研究特征选择对FHMM性能的影响,提出了一种性能分析的方案,得出了选择FHMM特征的准则．将FHMM引入到步态识别中,提取4种步态特征,得到使用不同特征组合的FHMM的实验结果．使用McNemar检验的方法将其与单个特征的识别性能做比较,结合由正则典型相关分析得到的维数不同的特征间的相关性,分析得到以下结论: 基于FHMM的识别性能与特征间的相关性并没有必然联系,其性能更多地受到特征间的识别性能差异和单个特征的识别性能的影响．为发挥FHMM的优越性,应选择特征间识别性能差异小和单个特征识别性能好的特征组合,在此基础上特征间相关性越小越好．     

基于支持向量机的新生儿疼痛表情识别

研究不同的特征提取方法和分类方法在分类问题上的性能,其中包括主分量分析(PCA)、Adaboost算法、支持向量机(SVM),并进行了仿真实验.仿真结果表明,相对于使用主分量分析方法,利用Adaboost算法结合支持向量机的分类方法进行特征提取和选择的效果更好.     

最大熵模型的事件分类

提出了一种基于最大熵模型的事件分类方法,该方法能够综合事件表述语句中的触发词信息及各类上下文特征对事件进行分类。对其中的两个关键问题:参数估计、特征模板与特征选择进行了详细论述,采用IIS算法学习模型参数,使用增量选择方法选择特征。应用该方法对人民日报语料中的职务变动、会见、恐怖袭击、法庭宣判、自然灾害五类事件进行了分类实验,结果表明,该方法的分类效果明显优于传统的分类方法。     

使用遗传算法的乳腺微钙化点特征优化

乳腺微钙化点包含众多属性,由于其中存在的冗余和不相关属性降低了微钙化点病变类型判别的性能。因此,特征子集选择问题成为微钙化点病变类型识别中的重要问题。该文针对传统优化方法用于特征选择的种种缺陷,提出了基于遗传算法的特征子集选择测算法。经乳腺微钙化点特征选择实例分析,证明该方法拥有较强的并行性和寻优能力,在特征选择领域有广阔的应用前景。     

Improved Qualitative Trajectory Calculus for Pair-Activity Analysis

Trajectory provides the most robust feature for activity recognition in far-field surveillance videos, in which increasing attentions have been given to the use of qualitative methods with symbolic rather than real-value features. Qualitative trajectory calculus(QTC) showed a good performance in pair-activity from video. However, QTC and similar works are not good at dealing with noise, since they are all considering short-term features. To deal with the problems mentioned above, two types of long-term features, including sub-trajectory feature and point-trajectory feature, are designed. The sub-trajectory feature is a long-term feature in a coarse granularity, while the point-trajectory feature is a long-term feature in a relatively fine granularity. Using the sub-trajectory feature, a couple of trajectories are segmented into sub-trajectories and enveloping boxes are used to substitute the original sub-trajectory for capturing the major attributes. The point-trajectory feature describes the relationship between a single point in one trajectory and all parts of the other trajectory. The experiments on the human activity classification data demonstrated that our proposed methods are better than the original QTC and previous short-term features.     

基于SOA的航天发射场服务构件设计与应用

为充分利用航天发射场积累的大量应用和资源,采用软件复用、构件技术与面向服务的理念,设计了航天发射场服务构件。分析了服务构件的粗细粒度,将航天发射场服务构件划分为3类,对服务交互接口、基于XML的分类检索、服务构件的描述、服务构件设计流程与组装等进行了详细阐述,最后通过"故障弹/箭飞行"服务构件实例,说明基于XML的服务构件设计和使用方法。     

融合小波和LBP-GD特征的人脸表情识别

针对局部二值模式（LBP）不能描述纹理方向变化的问题,提出了一种融合了梯度方向的LBP-GD算子。LBP-GD算子不仅保持了LBP本身的优点,还可以细致刻画纹理的方向信息。由于人脸表情器官所蕴含信息的差异性,设计了一种不规则的分块方式,把图像分为9个互不重叠的子块并且设置不同的权值系数,然后提取每个子块的LBP-GD特征。最后,将LBP-GD特征与提升小波的低频分量特征加权融合,用K近邻方法进行分类。在JAFFE和Cohn-Kanade表情库上验证了该方法的有效性。实验结果表明,该方法比单独使用LBP-GD特征和提升小波特征具有更好的识别效果。