Gabor小波幅值和相位特征人脸识别方法比较

对采用Gabor幅值、Gabor相位以及Gabor幅值加相位结合这三种方法,在同等条件基础上对所提取的特征进行分块,用PCA降维,采用最近邻分类规则进行识别并比较结果。在ORL、Yale、Indian、YaleBE、PIE和FERET六个数据库进行比较研究的结果表明,Gabor小波相位特征对光照有较高的鲁棒性,在光照变化明显的Yale和YaleBE数据库识别效果最好,而Gabor小波幅值加相位特征具有表情和时间变化的鲁棒性,在FERET的fb、dup1、dup2测试集上获得了较高的识别率。

基于放电幅值-放电次数联合相位分布特征的局部放电识别

针对局部放电物理特征的表示问题,本文提出采用放电幅值-放电次数联合相位分布特征表示局部放电物理特征。通过统计多个放电周期中每个放电相位上相同放电幅值发生的次数,得到局部放电二维统计矩阵;对该矩阵进行奇异值分解,得到放电幅值-放电次数联合相位分布特征;在该特征的基础上,利用支持向量机实现了局部放电识别。结果表明,该特征不但能够直观反映放电幅值-放电次数在工频相位上的分布特征,而且能够以较高的识别精度区分不同的放电类型,对尺寸大小不同的同一种放电类型有一定的识别能力。

融合Monogenic幅值和相位的人脸识别方法

针对仅利用图像滤波幅值信息进行识别而忽视相位信息的问题,提出一种融合Monogenic局部相位和幅值的识别方法。该方法先对相位进行量化和异或,并结合方向和尺度信息得到相位编码(MLXP);其次,分别对相位编码和基于幅值的二值编码进行分块,计算直方图特征;然后,采用基于分块的线性判别进行降维,提高特征的判别能力;最后在评分层实行融合。在ORL和CAS-PEAL人脸数据库上,相位方法 MLXP的平均识别率分别为0.97和0.94,融合Monogenic相位和幅值的方法平均识别率分别为0.99和0.979,超越实验中其他所有方法。实验结果表明,相位利用方法 MLXP是有效的,融合Monogenic相位和幅值的方法不但能够避免传统线性判别中的小样本(3S)问题,而且能以较低的时间和空间复杂度,有效地提高身份的正确识别率。

基于Gabor相位和局部二值模式的AAM纹理表示

提出一种基于Gabor相位与局部二值模式(local binary patterns,LBP)算子的活动表观模型(activeappearance model,AAM)。与基于亮度的AAM相比,改进模型在三个方面提高了算法性能:提供多尺度多方向的Gabor纹理,提高了模型的匹配精度;增强了对外部环境变化(如光照)的鲁棒性;基于LBP的纹理编码去除了大量冗余。实验结果表明该模型能够有效提高模型的匹配精度。

改进的Gabor小波变换特征提取算法

针对基于Gabor小波幅值与相位的人脸特征提取方法的特征级联方式使得特征向量维度较高的问题,提出了一种改进的Gabor小波变换特征提取算法。该算法计算局部幅值特征和局部相位特征,增强了每个像素的局部关联性;然后通过实验选定加权系数,将幅值特征与相位特征进行加权融合。实验结果表明,该算法与改进前的算法相比,降低了特征向量的维度,且提高了最终的人脸识别率。

天然地震波强度及频率非平稳特征的影响因素

天然地震波或人工地震波是抗震设计的地震动输入,其强度及频率非平稳特征对于提升抗震设计结果合理性具有重要意义。利用相位差谱和三角级数公式推导了相位导数的计算公式,并将其带回三角级数,分析强度及频率非平稳特征的影响因素。研究发现,天然地震波强度及频率非平稳特征的影响因素包含三个,分别是相位导数的频率分布特征,幅值谱的变化规律,相位导数与幅值谱之间的频率对应关系。计算实例表明,相位导数的频率分布特征与加速度时程包线形状相符,而相位导数与幅值谱之间的频率对应关系同样具有规律,例如,强震段范围内的大幅值分布集中,而起始段和尾部段的小幅值分布集中。

用分数阶微分实现时频重叠多模式兰姆波的模式分离

为了分离时频重叠多模式超声兰姆波,提出了一种用分数阶微分理论实现多模式兰姆波模式分离的方法。以时频重叠的S1和A1模式混合信号为例,用赛利斯分布作为幅值谱的模型,首先对信号做频散补偿,由补偿后信号幅值谱分数阶微分推导了幅值谱特征参数的计算式并根据信号模型重建幅值谱,然后结合兰姆波的频散特性推导出对应的相位谱,并通过幅值谱和相位谱重构各模式的信号,实现模式分离。对1 mm钢板中仿真时频重叠的S1和A1模式信号分离结果显示分离出信号的幅值和带宽相对误差小于6%,中心频率相对误差小于0.25%。实验结果也证实了方法的可行性。因此当混合信号幅值谱不完全交叠时,本方法可以实现多模式兰姆波信号的分离,有助于多模式兰姆波频散信号的分析和识别。

线性时滞系统稳定的充分必要条件

运用复变函数理论,将特征方程转化为幅值条件和相位条件,通过分析得到幅值与相位之间的单调特性。将系统的稳定条件对应右半复平面特征方程无解,获得了单时滞系统稳定的充分必要条件。其结论与相关参考文献比较,稳定性条件与时滞之间的关系是显式的,不需要试算。文末给出的数值实例说明了结果的简洁性与有效性。

强干扰下舰船通信网络信号传输质量检测方法

为解决舰船通信网络信号质量检测区间受限的问题,提出强干扰下的新型舰船通信网络信号传输质量检测方法。通过信号波形特征提取、干扰算子定义2个步骤,完成强干扰下舰船通信网络的信号识别。在此基础上,通过传输信号质量的抖动幅值定义、传输时间间隔误差计算、检测相位算子求解3个步骤,完成新型信号传输质量检测方法的搭建。对比实验结果表明,与传统检测方法相比,应用强干扰下舰船通信网络信号传输质量检测方法后,待检测信号质量算子的最大值超过9.50 Mb,最小值低于2.00 Mb,整个检测区间长度得到明显扩充。

电压暂降的Kaiser窗函数改进S变换检测方法研究

为实现电压暂降信号的准确检测,提出了一种基于Kaiser窗函数改进S变换的电压暂降检测方法。首先,介绍基于Kaiser窗函数改进S变换的原理,分析其时频特性并给出电压暂降特征量的计算方法,而后给出基于Kaiser窗函数改进S变换的电压暂降检测流程。该方法对电压暂降信号进行基于Kaiser窗函数改进S变换,可分别得到信号的基波幅值特性曲线和基波相位特性曲线,然后由基波幅值差分曲线获得电压暂降起止时刻及持续时间;由基波幅值曲线的傅里叶变换得到电压暂降幅值;由基波相位特性曲线得到电压暂降相位跳变值。仿真试验表明,与现有检测方法相比,该方法具有准确度高、计算量少,不易受谐波与噪声影响等优点。构建的基于高性能数字信号处理器(DSP)的硬件测试平台验证了该方法的正确性和有效性。

基于改进锁相位算法的脑区功能同步性研究

锁相位算法是分析脑区同步特性的有效方法。基于传统锁相位算法只针对脑电信号的相位分量进行分析,而不能有效地分析脑电信号的其他特征分量的问题,本文提出了一种改进锁相位算法。该算法首先基于经验模态分解获得固有模态函数,以此作为希尔伯特变换的输入求出所需瞬时幅值,计算锁幅值。基于此算法,不仅可以度量脑电信号采集位点之间的变化情况,而且可以度量各个位点自身的脑电信号瞬时振幅的变化情况,从而达到提取脑电信号同步特征的效果。本文采集了14名受试者在不同难度认知任务下的脑电信号,并基于改进锁相位算法,分析大脑在完成认知任务过程中各脑区之间的同步性。结果表明,大脑幅值同步程度与认知活动之间呈负相关,且大脑中央区和顶叶最为敏感。基于改进锁相位算法进行的同步性量化,能够真实地反映数据之间的生物信息,为大脑同步性研究提供了一种新的方法,为更好地探索脑区的相关性与同步性提供新思路。

电磁导波检测信号瞬时特征提取研究

针对电磁导波检测信号的缺陷识别问题,首先对信号进行离散小波包分解,提取出变化明显的子频带小波包系数进行重构,然后分析该重构信号瞬时相位和幅值的特征信息,通过对比不同缺陷情况下瞬时相位和幅值的变化趋势,得到缺陷特征,完成缺陷识别。