分块小波特征结合BP神经网络的虹膜识别方法

在对虹膜特征提取时,绝大多数方法是直接对虹膜归一化后的增强图像进行某种变换,为降低虹膜特征维度,同时保证识别效率,提出了对归一化虹膜径向折叠分块、环向周期分块再进行haar小波变换的方法,降低了虹膜区域对噪声的敏感性,在减少虹膜特征维度的同时,保证了虹膜有效特征不被中和。为进一步克服虹膜识别中对旋转的敏感性,采用了周期延拓的小波变换方式提取高频信息。最后利用BP(Back Propagation)神经网络的分类方法,将小波变换后的高频信息直接作为分类器的输入,进一步提高了虹膜识别正确率。实验表明,提出的方法特征点数低至120,正确识别率可达到99.48%。

GPS L2C CM码快速捕获算法研究及互噪声分析

GPS L2C信号是GPS现代化Block IIR-M卫星发射的一个新型民用信号,其主要由时分复用的CM码与CL码组成。由于CM码的码长较短,一般先捕获CM码,再利用CM和CL之间的固定相位关系实现L2C的捕获。文中重点研究了GPS L2C信号CM码采用分块折叠法进行快速捕获的算法,并且推导了分块折叠算法的互相关噪声,同时利用仿真计算得到了精确的互相关噪声的经验公式。仿真结果证明,分块折叠法能够快速捕获L2C信号CM码的相位,并且互相关噪声符合推导结果。