基于分数域加窗和对比度增强的路面裂缝检测

针对传统人工路面裂缝检测的效率和精度低以及耗费大量人力物力等问题,提出了一种基于分数域加窗和对比度增强的路面裂缝检测方法。首先,使用分数阶傅里叶变换将裂缝图像转化到分数域,利用最优窗函数对频谱进行加窗处理达到去噪效果。其次,使用分数阶同态滤波算法对去噪图像进行对比度增强,并通过迭代的方法获取最佳阶次下对比度最高的图像。最后,使用Canny算法和Otsu算法分别对增强图像做边缘检测和阈值分割,通过对两者结果做或运算和图像形态学运算来有效提取裂缝图像中的裂缝特征。将检测结果与分数频域处理法和改进直方图对比度(histogram contrast,HC)显著法对比,该方法的准确率分别提升了5.84%和4.5%,召回率分别提升了5.58%和3.52%,表明该方法在路面裂缝检测上具有更好的检测效果和更高的识别率。

基于分数域自适应滤波的地震信号去噪方法

提出了一种基于分数域自适应滤波的地震信号去噪方法.先论述了分数阶傅立叶变换(FrFT)的基本原理及分数域滤波的采样与信号重构定理.根据FrFT具有时频旋转特性,分析了时频域信噪重叠情况下实现噪声分离的可行性.通过时频面旋转交互方式求取最佳阶数以及滤波器的带宽,最后利用理想信号与处理结果的相关系数来验证该方法的有效性.合成记录及实际资料的处理结果表明,分数域滤波与常规Fourier变换相比,具有良好的去噪性能,可有效解决时频域信噪重叠的信噪分离难题,达到信号保真与去除噪声的目的.

分数域啁啾滤波及其在数字图像处理中的应用

讨论了分数域啁啾滤波的基本原理 ,同时将光学中的分数傅里叶变换引入到数字图像处理中 ,提出了一种分数域滤波去除影响数字图片质量之啁啾噪声的新方法 ,比较了分数域啁啾滤波和常规傅里叶频谱面上的滤波 ,获得了满意的模拟结果。

FrFT-Bark域特征提取与CNN残差收缩网络心音分类算法

为充分挖掘心音信号的生理、病理信息,提高心音自动分类的准确率,提出一种不依赖于分割和去噪的心音自动分类新算法.首先提取心音信号Bark域分数傅里叶变换的时频特征,然后将深度残差收缩网络引入卷积神经网络中构建新的分类模型,该模型能够自动去除与当前任务无关的特征信息,提高模型预测的准确率及稳定性.研究所用心音样本5000例,其中1000例用于测试.实验结果表明,提出算法的准确率、灵敏度、特异度分别为0.925、0.902、0.948,F1值为0.923.该方法整体性能较以往方法有明显提升,具有较强的鲁棒性和泛化能力,有望应用于先心病的临床筛查.

分数阶Fourier域谱估计及其应用

本文定义了随机信号的分数阶功率谱和分数阶相关函数,得到了分数阶功率谱和分数阶相关函数的关系.在此基础上,推导出分数阶Fourier域滤波器的输入输出分数阶功率谱的关系.仿真结果表明,分数阶功率谱估计可以用于chirp信号的检测和估计,以及分数阶系统辨识.

基于分数阶域的多分量线性调频信号能量聚集性检测

线性调频信号(LFM)在雷达信号中已得到广泛使用。本文利用LFM信号在时频平面上某一角度的能量聚集特征和分数阶Fourier变换的性质,提出了基于分数阶域的能量聚集性检测算法,并定性地分析其检测性能以及提高FRFT的分辨率方法。

基于分数阶域的语音活动性检测算法研究

针对传统的语音活动性检测准确度较低的情况,本文提出了一种基于分数阶域的稳健语音信号活动性检测算法.该算法利用时域的短时能量与分数阶域的谱熵作为特征值输入到滑动滤波器,并对多帧能量进行滤波,使用一种三状态机对各个状态进行检测达到吸收高能量、平稳噪声和突发噪声的目的,算法仿真证明本文所提出的算法其性能明显优于传统算法.

分数阶傅立叶变换域的心电信号滤波算法

心电信号是一种非平稳的低频微弱信号,与干扰噪声具有较强的时频耦合.经典的滤波方法难以实现有效的信噪分离.提出了一种基于分数阶傅立叶域的LMS自适应滤波算法,既结合了适合处理非平稳信号和减少时频耦合的特点,又能够有效地提高信噪比.首先将信号进行分数阶傅立叶变换,寻找最优变换域,再利用LMS自适应滤波算法在最优变换域滤波,然后对滤波后的信号进行分数阶傅立叶反变换.通过对MIT-BIH中的心电数据进行Mat-lab仿真,表明信噪比从-6dB提高到14dB,清晰地还原出心电信号的波形及特征点.

一种分数域二分法LFM信号参数估计方法

针对传统基于分数阶傅里叶变换(fractional Fourier transform,FRFT)的线性调频(linear frequency modulated,LFM)信号参数估计方法中估计精度和计算量难以同时满足实际要求的问题,提出一种分数域二分法的LFM信号参数估计方法。该方法分析量化了变换阶次误差对参数估计误差的影响,利用单分量LFM信号变换阶次和分数域展宽的关系,通过迭代不断缩小变换阶次的取值范围,获得满足初设阈值的最优阶次,并利用最优阶次和峰值位置对LFM信号进行参数估计。采用逐次重构消除的方法,可以对强弱混合的多分量LFM信号进行参数估计。仿真结果表明,在满足信噪比要求的条件下,该方法能够有效地对LFM信号进行参数估计,可以通过参数估计精度的要求选择不同阈值,与传统方法相比,在参数估计精度相当的情况下大大地减小了计算量。

基于空换时技术的分数域时频分析快速算法

提出一种以空间换取时间的方案,能有效提高分数域时频分析的运算效率。鉴于该算法对时间域进行切割,将导致时频分布在衔接处出现边界效应,文章还提出错位平滑技术,有效将各时间段的时频分布进行无缝拼接。

LFM信号的分数阶傅里叶域自适应滤波算法研究

对于线性调频信号(LFM)的滤波,采用处理平稳信号的方法对其滤波往往得不到很好的效果。本文利用了线性调频信号在分数阶傅里叶变换域上具有很好的时频聚焦性的特点,来实现信号在分数阶傅里叶域的自适应滤波,自适应滤波算法采用改进的步长LMS方法,对传统的LMS算法做出了改进,算法中步长处理中引入了一个限制因子,可以较好地解决算法收敛速度和稳态失调量之间的矛盾。仿真结果表明,此算法在处理分数阶域的LFM信号滤波比传统的LMS算法有较好的滤波效果。

基于线性调频信号的分数域奇偶信道化接收的方法研究

针对线性调频宽带脉冲信号,提出了一种基于分数阶域的奇偶交替信道化接收的方法。首先介绍了分数域奇偶信道化的相关原理及其工程实现的高效结构,然后分析了宽带线性调频信号经过分数域奇偶信道化后的输出信号样式。通过仿真验证,该方法对非平稳信号具有很好的能量聚焦性,避免了信号在滤波器组过渡带时出现的跨信道问题,对于提高输出信号的信噪比具有很好的效果,为宽带调频信号的监测分析提供了有效的技术途径。

基于分数域有限更新率的无线多径信道估计算法

为了以较低计算复杂度获得较高信道估计结果,提出了一种基于分数域有限更新率的信道估计算法。该算法无需进行复杂的训练序列设计,仅通过寻找参考信号能量最优聚集的分数域,在该分数域中以有限更新率对接收信号进行二次采样,即可降低噪声干扰,获得较高的估计准确度,并且信道估计过程计算复杂度较低。

chirp信号在分数阶Fourier变换域欠采样研究

针对chirp信号在分数阶Fourier域上被低于二倍信号频率采样(欠采样)后,仍能恢复原始信号的问题,依据分数阶Fourier域上带限信号的采样定理,分析了分数阶Fourier域上欠采样时应满足的条件,并对其进行了仿真验证。结果表明:对chirp信号进行欠采样后能够得到采样信号的能量聚焦。取不同的调频率,欠采样的采样信号仍能较好地估计出调频率,并能恢复原始信号。

一种频偏条件下新的Chirp-BOK分数域解调方法

为了解决频偏条件下Chirp-BOK调制的传统解调方法性能下降的问题,本文提出了一种峰值搜索-分数域非相干解调方法,将传统的固定频点采样扩展为区域峰值搜索。首先将码同步误差、多普勒频移、收发端接收机参数误差等统一为Chirp信号频率的偏移,分析了传统解调方法克服频率偏移时的不足。然后对该解调方法在AWGN信道和频偏条件下与传统方法进行对比,理论推导和仿真证明:该方法在频偏条件下具有更好的误码率性能。

线性调频信号基于高阶累积量的分数阶域的峰度检测

在电子侦察系统中 ,如何在多分量和复杂调制的情况下对线性调频 (LFM)信号进行快速而有效的检测是一个重要课题。利用LFM在分数阶域的特征 ,提出了基于高阶累积量的分数阶域峰度检测的算法 ,并定性地分析了其检测性能。结果证明 ,峰度检测对单分量、多分量LFM信号都具有良好的检测能力 ,同时可以进行低噪比检测。

高光谱图像分数域信息提取理论与方法进展

高光谱传感技术具有光谱、空间、辐射等信息同步获取的优势,促使地物描述呈现多尺度、多角度、多维度的特性,基于高光谱图像实施信息精确提取及解析,是建设先进对地观测系统等国家战略的核心需求.然而,高光谱图像信息提取存在光谱维诊断信息不确定、空间维信息利用不充分、协同维信息表征不全面等问题,导致信息感知与解译效果差,严重制约了其行业应用.高光谱智能感知在对地观测等多元领域中的应用,需要机理清晰、关联合理、协同有效的多域信息提取理论与方法 .本文综述了高光谱图像分数域信息提取理论与方法进展,首先给出了现有的高光谱图像信息提取方法及其关键问题,然后从光谱维、空谱维、协同维三方面给出了高光谱图像分数域信息提取理论与方法体系.本文随后从光谱维精确控制、空谱维强化感知、协同维信息联合三方面分别总结了关键理论与应用:在光谱维,针对高光谱图像光谱信息提取易受到光谱不确定性现象影响而难以准确区分微弱点目标与复杂背景的问题,分数域光谱信号表征方法可提升光谱域辨识性能,实施高光谱异常检测;在空谱维,针对高光谱场景中地物空间分布不均衡,标签样本不足导致场景解译困难的问题,分数域空谱特征提取方法在有效训练集合扩充的同时提升网络学习的多样性,实施小样本情况下的场景解译;在协同维,针对高光谱与其他传感源存在异质性,导致地物三维信息表征不全面的问题,分数域多源协同特征提取与融合方法可实现多源多域特征联合,完成高精度地物分类.最后,本文指出了未来高光谱图像分数域信息提取理论与方法面临的挑战和发展趋势:面向高光谱数据体量大、分辨率较差等局限性,开展数据、特征层结合的质量提升方法研究;面向训练样本缺失问题,通过深度特征迁移学习技术,充分挖掘高光谱遥感图像中海量无标签数据的多维度光谱、空间、协同信息;面向广域空天遥感对地观测需求,研究模态缺失情况下的深度样本生成、特征扩充、多源跨场景分类方法.

分数阶域最优滤波算法

随着社会发展,对于语音信号的增强愈显重要,本文通过对传统傅里叶变换与分数阶傅里叶变换对比研究,充分体现分数阶域的时频分析特性的优越性。并使用一段语音在以均方误差准则下,选取最佳变换阶次,并进行该阶次下的分数阶傅里叶变换。通过MATLAB仿真证明,在关于变换阶次的局部区间内存在着某最佳变换阶次,其增强效果明显优于传统谱减法的效果,能够大大提高语音信号的性能,语音具有更好的清晰度和可懂度。从而证明了本文算法的可行性。

雷达动目标短时稀疏分数阶表示域探测方法

机动目标检测和精细化运动状态估计始终是雷达信号处理的热点和难点问题,基于时频分布的动目标检测方法难以同时获得高时频分辨率,且参数估计精度受搜索步长的限制。稀疏时频分布技术结合了经典时频分析技术和高分辨稀疏域信号处理的优势,是传统变换域处理技术的扩展。构建了短时稀疏分数阶表示域信号处理框架,并在此基础上,提出了两种雷达机动目标检测和估计方法,即短时稀疏分数阶变换和短时稀疏分数阶模糊函数,实现了时变信号的时间-稀疏变换域高分辨表示。对海雷达目标探测试验验证表明,所提方法适用于复杂背景下雷达机动目标的探测,并能获得目标运动状态的精细估计。

基于空间相关性分数域的探地雷达回波信号增强方法研究

针对探地雷达回波中去除直达波和噪声干扰而削弱目标信号的问题,提出了一种基于空间相关性分数域的探地雷达回波信号增强方法,利用目标信号在临近测点之间的关联性,采用KL变换获得相关性特征值,根据相关性大的特征值重构目标图像,再将处理后的图像变换到分数域,通过分数阶傅里叶变换抑制直达波与噪声,最终得到目标回波增强的探地雷达图像。实验结果验证了所提方法的有效性。