机械振动WSNs子带峰值自适应量化融合编解码方法

针对智能运维机械振动无线传感器网络多传感器传输振动数据时面临传输数据量大及传输效率低的问题,本文提出一种子带峰值自适应量化融合编解码方法。首先,传感器节点对原始数据进行离散余弦变换以确保子带能量集中;然后提取出子带DCT系数中的离群值,并用子带峰值自适应量化方法对其进行量化以减少数据失真;最后,用字节融合与比特融合方法将多传感器的量化数据进行融合拼接以减少数据冗余。将提出的方法与其他数据压缩方法进行对比以验证本文方法的性能。实验结果表明,该方法在8个节点同时采集传输的机械振动无线传感器网络中,数据压缩比为8.335时,重构信噪比为20.4863 dB,节省37.2%的传输时间,可以有效实现信道资源受限的机械振动无线传感器网络多传感器振动数据的融合压缩。

降低子带峰值能量检测虚警的方法研究

子带峰值能量检测算法是一种线性高分辨力宽/窄带检测方法,但该算法存在虚警高等问题。针对这一问题,提出了时间积分、峰值筛选和剔除噪声孤点等方法来降低虚警率。计算机仿真及实验数据处理结果表明,三种方法相结合使用能够有效降低子带峰值能量检测算法的虚警,并提高显示效果。

提高被动声纳宽带检测性能的一种新方法

宽带能量检测是被动声纳实现目标探测功能的常用方法,常规能量检测(Conventional Energy Detection,CED)方法在复杂环境下的检测性能迅速降低。子带峰值能量检测(Subband Peak Energy Detection,SPED)可以有效改善常规能量检测方法的性能,提高时间方位历程显示(BTR)的方位分辨力,但是波束宽度和旁瓣将影响SPED算法的性能。提出了一种将导向最小方差(Steered Minimum Variance,STMV)的宽带自适应波束形成与SPED结合的宽带检测新方法,通过海试数据的处理,表明这种基于STMV的SPED方法的性能优于基于常规波束形成(CBF)的SPED方法。

基于快速逐次逼近量化的零树编码图像压缩算法

提出一种基于快速逐次逼近量化的零树编码图像压缩算法。该算法通过以下三项措施提高EZW算法的编码效率:(1)引进子带峰值的概念建立逐次逼近量化的快速算法;(2)对小波边缘子带进行有效处理以消除编码冗余;(3)建立了5个上下文内容模型对重要位符号进行编码。实验结果表明,该算法是一种高效的图像压缩算法,在压缩性能方面优于经典的EZW和SPIH T算法。

基于隐马尔科夫模型的SPED弱目标检测算法

针对含线谱的弱目标检测问题,提出了一种基于隐马尔科夫线谱检测模型的SPED算法,该方法利用目标线谱在时间和空间上的特征对线谱进行提取,提高SPED算法峰值检测的性能并降低噪声干扰引起的虚警,改善弱目标的检测能力。