一种多传感器图像融合与数字水印技术

在小波包域提出了一种多传感器图像融合和双水印算法。首先,利用HIS变换和小波包变换将多光谱和全色图像分解为多个高低频子带,根据小波包域系数特点,低频部分采用基于区域平均能量加权算法的规则进行融合,高频部分采用绝对值取大的规则进行融合。然后,在高低频图像融合系数分别嵌入一个水印,低频水印利用了离散余弦变换的聚能去相关能力,高频水印利用了图像纹理子块特征。最后,对嵌入的双水印融合图像进行攻击和分析。实验结果显示,融合图像在保留多光谱图像光谱信息的基础上有效提高了空间分辨率;加水印的融合图像具有良好的不可视性和鲁棒性。

PETN炸药NQR信号处理方法

利用核四极共振(Nuclear Quadrupole Resonance,NQR)原理探测隐藏炸药,具有准确率高、误报率低、无放射性沾染和防护问题等优点.但NQR信号十分微弱,湮没在噪声中,检测困难,这成为制约NQR技术发展的一项瓶颈.为提升NQR信号信噪比,根据NQR信号的特点,提出了一种基于改进阈值函数小波变换的NQR信号去噪方法.计算表明该方法可以有效消除外界噪声对信号的干扰,提高探测的准确性.

基于短时能量和最小相对均方误差准则的神经网络语音水印方法

针对传统最小均方误差(Least mean square error,LMS)和最小二乘准则(Recursive least squares,RLS)的神经网络语音水印的局限性,提出了基于短时能量和最小相对均方误差(Least relative mean square error,LRMS)准则的神经网络语音水印算法。首先在首帧语音中嵌入同步序列,然后求出每帧的短时能量并对大于设定阈值的语音帧进行小波变换,最后利用以LRMS准则构建的神经网络实现水印的嵌入和提取。通过合理设定短时能量阈值,实现了水印容量和鲁棒性的平衡,而采用Levenberg-Marguardt(LM)算法迅速地让网络收敛。理论分析和实验结果表明,与文献[8]相比,本文提出的神经网络方案收敛速度更快,对于噪声、低通滤波、重采样和重量化等攻击有更强的鲁棒性,性能平均提高了5%。

多模噪声背景下基于小波包神经网络的信号消噪研究

把小波包变换和神经网络相结合,对含多模噪声信号进行消噪研究.首先对含噪信号序列进行小波包分解,得到不同尺度下的小波包分解系数,接着以这些不同频带的分解系数作为三层前向BP神经网络的输入特征向量,通过神经网络不断的修正和优化处理,最后以处理后的分解系数进行小波包重构,从而达到消噪的目的.实际计算及仿真表明,小波包神经网络消除多模噪声是一种非常有效的方法.

一种自适应最优化小波变换算法及应用

传统的二进小波变换对非2的整数幂的数据要进行大量的边界处理,针对这一局限性,提出一种自适应最优化小波变换算法。其核心是通过解析被处理数据长度来捕获其长度的最佳逼近值,实现边界处理的最优化;通过分解最佳逼近长度来获取各层次小波变换基数,实现小波变换基数选择的自适应。与二进小波变换相比,自适应最优化小波变换算法具有运算速度快,边界处理量少,数据压缩量大等特点。最后通过一个图像压缩的应用实例表明了此算法的可行性。

利用小波包的脑电源定位算法仿真研究

提出了一种利用小波包变换的脑电源定位新算法,可获得大脑皮层上的神经电活动分布信息。该算法首先对脑电信号进行小波包分解、子空间分量选择以及信号重构,之后将重构信号与基于真实头部磁共振图像的3层边界源头模型相结合,进行逆问题求解得到源信息,并从信噪比、源深度、脑电信号导联数3个方面对提出算法和原始算法进行了对比分析。实验结果表明,在不同的情况下,提出算法的重建源与设定源平均距离均在3mm以内,标准差在1mm左右,而原始算法的重建源与设定源平均距离最大达9.4mm,标准差达4.5mm;在同样的情况下,提出算法重建源的均值和标准差均小于原始算法,最高可分别减少6.6mm和3.5mm。提出算法的源定位精度明显强于原始算法(P<0.05),且稳定性强,具有一定的临床价值。

基于chirp信号导弹伺服机构频率特性测试研究

伺服机构是控制系统的执行机构,频率特性测试是重要测试内容。针对传统正弦逐点扫描法的测试速度慢、频率点不连续,提出采用chirp信号替代传统频率测试信号方法。利用低通滤波、小波包变换,对测试过程中的干扰进行滤除,提高系统的抗干扰能力,并通过仿真验证了测试方法的有效性。

应用于超声测距的小波变换滤波算法

有效的滤波算法是提高超声测距精度的关键之一。小波变换具有时频联合分析的能力,采样点处的各级小波系数反映了其频率成分的分布情况。该文提出了一种基于小波变换的超声回波滤波算法。对原始数据进行离散二进小波变换,然后将各点的小波系数同理想回波信号的小波系数进行相关运算,利用得到的相关系数区分噪声和回波所在区段,然后对噪声的小波系数进行收缩处理,从而实现滤波。利用该算法对自制的超声测距装置采集到的回波数据进行了滤波处理。结果表明:其滤波效果要优于经典的小波阈值法,信号信噪比提高了6～9dB,数据中混有的大幅值噪声得到了有效抑制。