复值小波在湖底回波特征提取中的应用

提出了一种应用复值小波变换进行湖底回波特征提取的方法:采用线性相位的复db小波,对复解析信号进行多尺度的复值小波变换,然后提取合适尺度上的幅度信息作为目标识别的特征矢量.结合实测数据的分析表明,利用复值小波变换提取的幅度特征是一种有效、稳健的特征,能获得较高的正确识别率.复值小波变换也可以采用Mallat快速算法,因此这种方法得到特征矢量维数少,使用时实时性能好,便于工程实现.

全波形激光测距幅相误差改正方法

针对全波形激光测距中存在的幅相误差问题,提出一种基于神经网络的幅相误差改正方法。利用非合作目标探测信息,通过提取回波波形的形状信息、能量信息、梯度信息、对称性信息及距离信息特征参数,根据皮尔逊相关系数对特征参数进行分级,建立多回波特征信息与幅相误差改正的神经网络模型以校正全波形激光测量中各通道幅相误差的影响。实验使用5%、20%、60%、80%标准反射板及激光采集模块在室内对7种距离进行数据分组采集和处理,并与传统测量方法进行对比。结果表明,该方法可以有效减小全波形激光测量中幅相误差的影响,测量精度提高了51.2%以上。