基于多通道分解与匹配的笔迹鉴别研究

笔迹鉴别是通过分析手写字符的书写风格来判断书写人身份的一门技术．笔迹鉴别的关键步骤是提取反映书写风格的笔迹特征．笔迹特征包括笔划位置、方向、搭配关系等，它们可以通过图像多通道分解提取和表达出来．本文提出一种用于笔迹鉴别的二值图像多通道分解方法，利用字符的笔划方向性先进行方向分解，然后对每个方向的子图像进行频带分解．用分解后的采样信号值作为笔迹特征，用特征匹配方法进行书写人识别。

一种基于多通道分解的图像测试信号设计方法

HVS中多通道分解模型用于度量误差图像空间尺寸的视觉感受,为了降低主观评价实验方法的条件要求,建立了一种基于多通道分解的图像测试信号设计方法。该方法通过控制白噪声在频域存在的区间,即白噪声经正交变换、掩膜量化矩阵,产生信噪比相同且空间尺寸不同的测试图像信号。分析和实验表明,多通道分解测试图像信号产生一对与高频和低频对应的误差图像,其信噪比基本相等但其空间尺寸的视觉感受不同,有利于考察与视觉感知相吻合的图像评价方法。

多通道多分量分解方法在变转速工况齿轮故障特征提取中的应用

齿轮故障振动信号在非稳态工况下,其分量可能存在跨时间尺度或不同分量重叠的复杂时频特征,传统的以局部时间尺度特征为依据的分解方法无法分解,为此,引入一种新的多通道多分量分解(MMD)方法。MMD方法创新性地将单分量信号看成具有不同权重系数的特征向量线性组合,通过迭代优化出权重系数,便可获得相应的分量信号。解决了MMD分析高采样率的实际振动信号时大数据量会导致其分解效率降低的问题,并将MMD方法应用于变转速工况下齿轮故障振动信号的分析,结果表明,该方法可以有效分解出在时频域发生重叠的故障分量信号,较传统的以时间尺度特征为依据的分解方法具有明显优势,结合阶次分析可以清晰准确地提取出齿轮故障特征信息。

高噪声伏安信号的样条小波多通道滤波分析

阐述了样条小波多通道分解法（ＷＭＣＤ）在电分析化学中的应用，提出了高噪声伏安信号中有用信息提取的新方法。

基于亮度加权空间相似分解的图像质量评价方法

为了考察误差图像空间尺寸和形状对视觉感受的影响,提出了将亮度加权扩展和空间相似分解相结合的图像质量评价模型,考察了图像的频率误差特性,体现了图像的结构误差特性。通过调整实验参数,将相似分解、亮度加权、多通道相似分解及传统客观性噪比4种图像质量评价方法做了对比,分析和实验结果表明,该模型与亮度加权扩展、空间相似分解2个独立模型相比,图像质量评价结果与视觉感受进一步吻合,稳定性明显提高。

MPA-MMD方法在变转速齿轮箱振动信号特征提取中的应用

变转速工况下齿轮箱振动信号的分量通常具有时频重叠和跨频带特征,分量直接分离非常困难。对此,引入一种新的多通道多分量分解(multichannel multipoint distribution, MMD)方法,并利用新型群体智能优化算法——海洋捕食者算法(marine predators algorithm, MPA)求解MMD方法中的关键优化问题,进而提出了基于MPA优化的MMD(MPA-MMD)方法。MPA-MMD方法将每一个分量表示为一组加权特征向量的线性组合,因为不依赖时间尺度特征,所以特别适合分解具有时频重叠或跨频带特征的复杂信号。通过设置具有分量重叠、跨频带和波动性特征的加噪仿真信号,将MPA-MMD与基于其他优化算法的MMD,以及多通道变分模态分解进行了对比分析,结果表明MPA-MMD在分解效果、收敛性和抑噪性方面的优势;在此基础上,针对变转速工况下齿轮箱振动信号具有分量重叠和跨频带的复杂特征,将MPA-MMD应用于变转速工况下齿轮箱振动信号的特征提取,具有针对性的试验信号分析结果表明,MPA-MMD可直接准确地获得受转速影响的故障分量。

一种随机激励下时变结构工作模态辨识方法

时变结构在随机激励下的瞬时频率辨识始终是一项充满挑战的任务。结合图像处理技术和基于能量的脊线检测方法,提出一种自适应提取时频脊线的方法,其优点在于无须先验信息(如分量个数、分量带宽)即可实现时频域内所有分量脊线的提取,同时增强脊线提取的稳定性。在已知瞬时频率的基础上,又利用多通道固有啁啾分量分解方法实现时域内各通道各频率成分的同步分离,通过计算各分量的瞬时振幅比值获得瞬时振型。白噪声激励下的三自由度时变结构仿真和色噪声激励下的充液圆筒放水实验证明了该方法的有效性、鲁棒性和实用性。

HVS模型及其在静止图象压缩质量评价中的应用

图象质量尺度是最优化图象压缩算法参数和提高图象质量的重要依据 .建立在人类视觉模型 (HVS)基础之上的感知质量尺度作为主客观联系的桥梁 ,能有效地反映出人对图象失真在视觉上的感知 .近年来 ,有许多研究者借助人类视觉系统研究中的最新成果 ,深入分析了与图象质量密切相关的视觉感知特性 ,提出了大量效果不错的静止图象压缩感知质量尺度 ,并对视觉感知特性在图象质量尺度中的应用方法进行了较全面的综述 ,揭示了影响其图象质量预测准确性、鲁棒性的主要因素 ,给出了该领域的最新研究成果和未来发展方向 .

立体压缩图像的客观质量评价方法

针对立体图像的客观质量评价问题,提出了一种适合于立体压缩图像的质量评价方法.该方法基于平面图像的人类视觉系统评价模型,考虑了人类视觉系统的多通道特性和对比度敏感度特性,使用Contourlet变换实现多通道分解,将立体图像对的差值信号进行评价.实验结果表明,该方法得到的质量评价结果符合人眼视觉特性,与主观质量评价方法的一致性较好,能够客观反映压缩立体图像的质量.

基于亮度加权网络空间扩展的图像质量评价方法

采用CCIR颁布的亮度加权网络时域频率标准,基于电视学基本原理和数字图像处理方法,将亮度加权网络由时域频率扩展到空间频率,由此建立一个实验平台考察图像空间尺寸对视觉感受的影响.该方法实验结果与视觉感知的图像质量评价结果吻合,其有效性取决于时域亮度加权网络主观实验结果.由于避开了主观评价实验的标准化苛刻要求,因此降低了多通道分解图像质量度量方法的复杂度,有利于图像空间尺寸的质量评价.

基于多通道经验模式分解的脑机接口特征提取

针对脑机接口(BCI)系统中的多通道非平稳脑电(EEG)信号和脑磁(MEG)信号,本文提出一种基于多通道经验模式分解(MEMD)与功率特征结合的信号特征提取算法。首先将多通道脑信号经MEMD算法分解为一系列多尺度多元固有模态函数(IMF)近似平稳分量,然后对每个IMF分量提取功率特征,并利用主成分分析(PCA)降维处理,最后使用线性判别分析分类器对信号特征分类。实验采用第三次和第四次国际BCI竞赛的数据进行验证,对皮层EEG信号和MEG信号运动想象任务的识别正确率分别达到92.0%和46.2%,均位于竞赛第一名水平。实验结果表明本文所提方法有较好有效性和稳定性,为脑信号特征提取提供了新思路。

噪声与共振环境下的数字助听器鲁棒声源定位法(英文)

提出了一种噪声与共振环境下的数字助听器鲁棒声源定位方法,该方法基于房间共振模型和多通道自适应特征值分解算法,利用自适应次梯度投影方法迭代地估计声源至各麦克风的脉冲响应系数,从而获得各麦克风对的时延差,并利用几何方法计算声源位置。针对眼镜数字助听器四元麦克风方阵的仿真表明,所提出的自适应次梯度投影方法在强噪声环境中的鲁棒性和定位精度优于传统NLMS算法。

使用深度学习和不同频率维度的脑功能性连接对轻微认知障碍的诊断

准确诊断轻微认知障碍(MCI)对于阿尔兹海默症(AD)的预防和治疗十分关键,目前常使用深度学习和静息态功能核磁共振成像(rs-fMRI)对MCI进行辅助诊断。皮尔逊(Pearson)相关法和加窗的皮尔逊(WP)相关法能在时间维度上表示脑功能性连接(FC),但不能将不同频率维度上的信息进行分解表示。针对这一问题,提出将不同频率维度的FC系数作为现有深度学习的特征输入的方法,以提高MCI分类准确率。首先将被试的数据进行拼接后进行多通道经验模态分解(MEMD),然后通过切割求得不同频率维度上的FC系数,最后使用VGG16和长短期记忆(LSTM)网络进行测试。实验结果表明,使用所提出的FC系数时,MCI的分类准确率最高可达84.33%,相较使用传统FC系数时的准确率提高了18.33~21.00个百分点;而且不同频率维度的FC系数对MCI有着不同的分辨率。

仿人耳听觉的助听器双耳声源定位算法

为提高复杂场景下的听障患者的语言理解度，本文提出一种仿人耳听觉的助听器双耳声源定位算法。算法首先借鉴耳蜗分频特性和听觉掩蔽特性，将声音信号进行多通道分解，并提取人耳敏感频带的信号进行双耳时间差（Interaural Time Difference，ITD）估计；然后基于人耳哈斯效应，提取有效的ITD信息；最后采用头相关模型，将ITD转化为声源方向信息。同时，为了改善混响和多干扰声场景下的声源定位能力，本文提出一种多通道的加权联合策略。仿真和场景测试实验表明，算法的抗干扰性强，定位精度高。而且，在7名受试者的理解度测试中，同现有的助听器增强算法相比，结合定位算法的语音增强算法达到3—5dB的性能改善。