中医舌象信息的数字化方法研究

提出一种基于图像处理的舌象检测与分析方法 ,以及研究传统中医舌诊中舌的特征的数字化途径。应用了 2 DGabor小波变换和色度信息较为精确地检测出舌体区域 ;提出了运用统计方法标定舌质和舌苔点以及确定其颜色的算法。舌苔的厚度是通过色度信息和 2 DGabor小波系数能量 (GWTE)进行量化。分析了在不同相位时 ,有无舌纹情况下GWTE呈现出的不同特性 ;根据这一特点用不变矩描述了舌区域的GWTE从而对舌纹的多少作出了定性的说明。通过一定的实验表明 ,本文提出的相关算法是行之有效的 ,并取得了较好的结果。

基于多参数的雷达辐射源分选新方法

针对现有方法分选准确率不高和对参数变换敏感的问题,提出一种新的雷达辐射源分选算法。将常规参数到达角、载频、脉宽和脉内特征参数Wpt6,Wpt7构成特征向量,用Kohonen神经网络实现自动分选。仿真结果表明,新方法的分选准确率较常规方法可以提高7%左右,更加适应于现代电子战环境。

一种脉冲噪声环境中的MFSK信号符号速率盲估计算法

为改善脉冲噪声环境中MFSK信号符号速率估计性能,提出一种脉冲噪声环境中MFSK信号符号速率估计算法。该算法首先对接收到的信号进行非线性映射;然后对非线性映射后的信号进行小波分析,推导出其二次小波变换的表达式,并给出小波变换尺度与频率间隔的对应关系;最后给出MFSK信号符号速率估计步骤。仿真结果表明,在脉冲噪声环境中,该方法具有良好的估计性能。

野外文物安防姿态传感器的信号优化设计

提出对野外文物安防系统中的振动传感器进行混合源信号的优化处理,通过独立量分析变换将混合信号分离成单个信号,再经过小波变换处理后和自定义比对库中的预定值进行匹配,从而确定是否报警。设计提高振动传感器对振动源的识别度,降低振动传感器的误报警率,达到对目标信号源的优化识别。

基于贝叶斯估计的小波脑电信号去噪算法研究

针对传统脑电去噪算法易丢失细节特征、峰值信噪比低、计算量大等问题,对脑电信号70~200 ms的尖波部分和持续时间小于70 ms的棘波部分,采用拉普拉斯分布为去噪模型,利用贝叶斯估计方法对小波变换后的系数进行估计,将估计后的信号进行重构,以达到去噪的目的。采用信噪比、均方根误差、作为去噪的评价指标,对比贝叶斯估计算法、全局阈值算法、改进阈值算法和自适应阈值算法的优缺点。通过对比发现贝叶斯算法的信噪比远高于其他算法,该方法获得了较大的峰值信噪比增益,而在四组均方根分析数据中,贝叶斯估计算法取得的误差较小,去噪效果更好。在能量和功率谱的分析中,充分验证了贝叶斯估计算法的去噪优越性,有效保留了原始信号的高频和低频部分的细节信息。

复合材料散斑检测中的小波降噪技术

电子剪切散斑干涉检测技术非常适宜复合材料的无损检测。但散斑图像往往含有较大的噪声,如何对散斑图像进行降噪处理是一个非常重要的问题。小波变换是变分辨率的分析方法,可以有效地降低噪声,而同时又较好地保存了图像细节,本文应用小波降噪技术来对散斑图像进行降噪处理,取得了较好的效果。

小波理论在结构优化设计中的应用

本文利用小波变换的特点，将其引入到结构优化设计中为解决求解域存在的问题提供新途径。该方法的基本思想是利用小波分析，求出可行域的奇异点，再结合其他的数学方法求解出全局最优解，并给出了具体的算例，证明了该方法的可行性。

基于小波变换的电池阻抗测量及分析

对电池的负载电流和响应电压信号进行小波变换,提出不需要从外部对电池进行特定激励,而是直接利用电池电路开关瞬间的放电电流和电压信号,运用小波变换的方法直接得到电池的阻抗信息的思路。在此基础上,对比分析了基于小波变换得到的电池交流阻抗谱和基于电化学工作站所测量的电化学阻抗谱。通过改变温度和电池荷电状态,研究了两种方法所测量阻抗的异同,并对差异来源进行了分析,为车用锂离子电池阻抗信息的在线测量提供了基础。

一种抵抗色调映射攻击的高动态范围图像水印算法

高动态范围(High Dynamic Range,HDR)图像具有丰富的细节信息和更大的亮度范围,但为了能够在普通的显示设备上显示,需要对HDR图像进行色调映射(Tone Mapping,TM)预处理。因此,本文结合HDR图像独特的存储格式和TM是非线性攻击的特点,提出了一种抵抗TM攻击的HDR图像鲁棒性水印算法。首先,为了提高水印算法的鲁棒性,结合TM曲线特点,设计了一个基于亮度和纹理的混合掩模;其次,利用冗余小波变换和奇异值分解提取宿主图像的结构信息进行水印嵌入;最后,设计了一种嵌入位置自适应选择机制,对算法的不可见性进行优化。实验结果表明,所提出的算法可以有效地对抗现有TM的攻击,并且具有较好的不可见性和较高的嵌入容量。

基于传感器网络的学生体能训练监测系统研究

针对传统学生体能训练监测设备对心率、呼吸率检测准确率低的问题,提出基于传感器网络的学生体能训练监测系统研究。首先采用基于尺度空间变换的经验小波变换算法对BCG信号中的心跳和呼吸信号进行特征分离;然后分别采用基于K-Means的心跳定位算法和时域分析法进行心率计算和呼吸率计算;最后基于STM32单片机技术,设计开发一个多传感融合的学生体能训练监测系统,将心率和呼吸率计算方法应用到系统中进行仿真测试。仿真结果表明,设计的体能监测系统对心率和呼吸率能进行准确检测,该系统可在心率异常时报警,实际测量心率为59次/min,测量呼吸率为13次/min。由此说明该系统满足体能监测需求,系统运行稳定。