信号突变点的检测识别研究及应用

通过研究MATLAB软件对信号的预处理方式,并分析多种小波变换的特点及提取能力,探究对人体血压信号突变点的优化提取及识别方法。主要步骤为:利用移动平均滤波器对血压信号进行平滑去噪处理,采用Mexh小波变换实现信号特征提取,应用findpeaks函数进行识别,完成对人体血压信号的分析和处理。实验验证测量误差为0.5 mmHg,处于可允许误差范围之内。

基于多维数据耦合-小波变换的固支梁损伤特征识别方法

为了解决固支梁的损伤特征识别问题,提出基于多维数据耦合-小波变换的固支梁损伤特征识别方法。以均匀损伤和非均匀损伤为研究对象,提出非均匀损伤的简化思路。以固支梁的应变模态为损伤参数,对梁进行多维切片,从而将梁不同维度的应变模态独立以便获取各维度应变模态数据,通过多维数据耦合方法将不同维度的应变模态数据耦合,放大损伤特征,使单维应变模态数据具有多维特性。对耦合数据进行小波变换得到耦合数据的小波系数图,对比小波系数图中奇异点位置的奇异性大小识别固支梁的损伤特征(损伤位置与形状)。含均匀损伤与非均匀损伤固支梁的数值模拟与试验分析表明:多维数据耦合能有效放大损伤特征,使得小损伤在实际工程中能被识别;同一工况下损伤程度越大则其对应的小波系数奇异性也越大,因此根据小波系数的奇异性大小能有效识别固支梁的损伤位置与损伤形状;在试验情况下,多维耦合数据的小波系数能有效规避边缘效应,使得固支梁的边缘损伤特征能被识别。上述研究表明所提出的损伤识别方法能有效解决固支梁损伤特征识别问题,为解决基于小波变换损伤识别方法在损伤特征识别方面的不足提供了途径,并能有效解决实际结构的边缘损伤识别问题,为实际结构的损伤识别提供理论依据和技术支持。

基于SIFT和自适应阈值的RANSAC算法的茶饼图像配准研究

在茶饼图像的特征点精匹配中,人工选择阈值会导致误匹配和漏匹配问题,为此提出一种基于F1-Score最大化的方法,自动选取距离阈值的随机抽样一致性(RANSAC)算法进行特征点对筛选。用尺度不变特征变换(SIFT)算法提取茶饼图像的特征点,采用快速近似最近邻(FLANN)算法将异源图像提取出来的特征点进行粗匹配,用改进后的RANSAC算法优化特征点匹配。通过对比不同算法的匹配准确率和均方根误差,证明本文算法在经过旋转、视角以及亮度变换的茶饼图像上能够综合考虑准确率和召回率,自适应地确定一个距离阈值,改进后的RANSAC算法使其准确率最大可以提高18.9%,均方根误差平均降低0.706 pixel,研究证明所提算法能够达到更好的匹配效果。

A model for automatic identification of human pulse signals

This paper presents a quantitative method for automatic identification of human pulse signals. The idea is to start with the extraction of characteristic parameters and then to construct the recognition model based on Bayesian networks. To identify depth, frequency and rhythm, several parameters are proposed. To distinguish the strength and shape, which cannot be represented by one or several parameters and are hard to recognize, the main time-domain feature parameters are computed based on the feature points of the pulse signal. Then the extracted parameters are taken as the input and five models for automatic pulse signal identification are constructed based on Bayesian networks. Experimental results demonstrate that the method is feasible and effective in recognizing depth, frequency, rhythm, strength and shape of pulse signals, which can be expected to facilitate the modernization of pulse diagnosis.

考虑Gabor小波特征的LBFI识别仿真

识别局部模糊人脸图像时,若不能增强模糊部分的信息,会降低图像识别精度,为提升模糊人脸图像的识别效果,提出基于Gabor小波特征的局部模糊人脸图像识别方法。使用均值滤波方法对图像噪声实施剔除,并根据剔除结果利用直方图均衡化算法对局部模糊实施信息增强处理;以上述图像处理结果为基础,使用Gabor小波变换方法提取图像显著、不显著特征向量,根据决策融合方法对提取的特征实施融合处理;通过LDA分类器对融合特征实施分类处理,基于分类结果实现人脸图像的精准识别。实验结果表明,使用上述方法开展人脸识别时,识别率较高、识别效果好。

复杂场景下全景视觉图像局部特征点检测仿真

为了在获取全景视觉图像特征点的同时有效保持图像的边缘信息,提出一种复杂场景下全景视觉图像局部特征点检测方法。采用经验模态分解方法分解全景视觉图像,在信息熵差值的基础上确定含噪的IMF分量,引入CLEAN算法抑制IMF分量中存在的噪声,实现全景视觉图像去噪处理;对全景视觉图像展开小波变换,消除图像特征图中存在的冗余信息,避免复杂场景对特征点检测产生影响,融合全景视觉图像的局部特征显著区域,获得显著图,完成局部特征点提取;根据特征点的独特性、均匀性、独特性、覆盖度挑选最优局部特征点,完成全景视觉图像局部特征点检测。实验结果表明,所提方法的去噪平滑性高、边缘保持能力强,特征点检测准确率高、效率高。

基于蚁群参数优化的LightGBM辐射源个体识别

为提升辐射源个体识别正确率和运算效率,提出了一种基于蚁群参数优化的LightGBM辐射源个体识别方法。运用提升小波包变换对辐射源信号数据进行特征提取并构建特征参数体系,对得到的特征数据集进行Z-score标准化处理;以最大分类正确率和最小特征子集规模为目标,建立了LightGBM参数优化和特征选择的数学模型;采用蚁群算法优化LightGBM的6个参数(最小叶子节点数据量、决策树的数量、学习率、L_(1)正则化项的权重、L_(2)正则化项的权重和最小叶子节点样本权重和);根据优化后的LightGBM得到每个特征的重要性值并使用序列后向搜索策略进行特征选择;最后通过LightGBM分类器实现对辐射源信号的分类识别。实验结果表明,所提方法在无噪声、信噪比为10 dB和信噪比为5 dB信号的数据集上的识别正确率优于对比特征选择方法GBDT、XGBoost和LightGBM的,同时特征维数的减少也提升了辐射源个体识别的运算效率。

基于小波分析和概率神经网络的触电事故识别方法

针对现有剩余电流保护装置难以识别触电事故的问题,提出一种基于小波高频分布特征和概率神经网络的触电事故识别新方法.利用S变换对包含触电电流的剩余电流信号进行频谱分析,发现触电时刻高频分量存在幅值突增现象;通过小波多分辨分析提供的多尺度频率窗口提取其各层小波高频分布,利用量纲一化处理后的各层小波高频分布突变量的累计和,量化剩余电流信号前5层高频特征描述触电事故;充分考虑触电事故发生时间的随机性,对所提取的小波特征进行类别划分;构建基于PNN的触电事故识别模型,并按指定步长对定义域内网络平滑参数进行寻优,同时采用均值聚类方法优化网络构.结果表明:触电时刻剩余电流信号500 Hz以上高频段幅值存在明显突变,量纲一化处理后的各层小波高频分布幅值突变量累计和能较好地描述各层小波高频分布对应阶段的幅值突增现象;所建立的PNN网络模型最优平滑参数区间为0.15~0.29,对应的触电事故最佳识别率为95.5%.

基于相关性和类间差异度的放电声信号特征量选择与降维

为准确高效地诊断电气设备放电故障类型,实现多维特征的有效降维,提出了基于相关性和类间差异度的特征量选择与降维方法。首先,搭建模拟放电可听声信号采集平台,利用交叉小波变换分析信号的相关主成分,获得信号特征频带及其对应的离散小波重构时域分量,提取不同类型放电声信号的多维时域特征;然后,利用Pearson相关系数矩阵分析特征量之间的相关性,结合各特征类间差异度和类内离散度,优选出特征量进行识别效果检验;接着,以参数优化的支持向量机识别准确率为维度选择判据,依据准确率变化规律确定最终维度和特征;最后将该文方法与传统降维算法进行对比,并探究不同干扰模式对该文方法的影响。结果表明:所提方法相对传统降维算法保留了原始特征属性,最终所选特征的识别准确率超过96%,为特征降维提供了有效判据。

激光雷达成像的帧间偏移估计优化研究

为精确辨识与跟踪目标物体,提出了激光雷达成像的帧间偏移估计优化方法。采集激光雷达图像,小波变换与均值滤波对图像进行去噪处理,对去噪后激光雷达图像进行运动估计,获取激光雷达图像的帧间偏移量,利用均值滤波器滤波处理运动估计结果,利用双线性插值后向映射原理建立激光雷达图像的运动补偿模型,完成激光雷达成像帧间的偏移估计优化。实验结果表明:该方法可实现不同噪声环境下激光雷达成像的帧间偏移估计,获得的帧间偏移量更接近实际偏移量,能够更好地满足实际工作需要。

多径条件下的雷达辐射源个体识别方法

在实际场景中,接收机截获的雷达脉冲信号信噪比较低、多径干扰明显,从中提取的辐射源指纹特征存在畸变,给雷达辐射源个体识别带来严峻挑战.针对该问题,本文提出一种两阶段的信号处理方法.在第一阶段,以精确的脉冲对齐和迭代加权积累提高信号质量,解决低信噪比问题.在第二阶段,定义信号频谱相邻点前向商的绝对值为谱邻点商,并提取信号频谱主瓣和第一旁瓣对应的谱邻点商作为抗多径的指纹特征,解决多径干扰问题,同时利用Chirp-Z变换的局部精细化谱分析能力,进一步提高本文方法的计算精度和速度.仿真实验表明本文方法在脉冲对齐和克服多径干扰方面表现突出.实测数据实验对截获自15部同型号雷达的单频脉冲信号进行分类识别,获得超过97%的识别准确率,证明本文方法对多径条件下的雷达辐射源个体识别实际应用具有重要参考价值.

基于信号包络的辐射源细微特征提取方法

雷达信号体制和调制样式的多样化,信号环境的复杂化,使得常规的识别方法很难适应实际需要,无法有效地对雷达辐射源信号进行分类识别。提出了一种结合小波变换技术的辐射源细微特征提取新方法。该方法克服了传统包络分析方法的缺点,提高了提取信号包络信息的精度。最后通过辐射源个体识别实例说明了这种方法提取的细微特征是有效的。

基于小波熵的辐射源指纹特征提取方法

在对辐射源信号进行小波分析的基础上,提出一种基于小波熵的辐射源指纹特征提取方法。首先计算辐射源信号的功率谱,对功率谱进行连续小波变换,提取不同尺度下小波系数的熵特征作为辐射源信号指纹特征。识别分类器采用概率神经网络,对20部手持机进行识别实验,并与传统矩形积分双谱进行对比。实验结果表明,该方法能够把辐射源信号的时频特性信息通过小波系数的熵特征映射到特征向量中,从而实现对辐射源个体的有效识别,而且该特征参数对噪声干扰不敏感,在信噪比为20dB时,系统识别率达到95%以上,在信噪比为5dB时系统识别率仍优于80%,验证了所提方法的有效性。

采用3类特征参量比值法的铁磁谐振过电压识别

电力系统铁磁谐振过电压时常发生,持续时间长,严重危及电气设备及电网的安全运行。铁磁谐振过电压特征提取及类型识别,有助于有针对性的采取快速抑制过电压的措施,对保障电网安全可靠稳定运行具有重要的现实意义。为此,在变电站实测过电压波形基础上,根据铁磁谐振过电压发生机理及波形特征,将小波变换良好的时频局部化特性和傅里叶变换良好的频域分析能力有机结合,提取了能够有效反映铁磁谐振过电压的3类特征参量,并提出利用这3类比值识别铁磁谐振过电压的方法。该方法理论基础比较直观,识别流程清晰简单,大量现场实测数据验证了该方法在识别铁磁谐振过电压时的有效性和可靠性。

多尺度对称变换及其应用于定位人脸特征点

提出了一种在图像的反对称双正交小波分解数据域中 ,实现多尺度对称变换的方法 ,并将它应用于脸部图像中主要特征点的定位 .这种方法与直接在原始图像数据域中的同类方法相比 ,能大幅度减少计算量、加快定位速度 ,并明显提高定位准确度 .除此之外 ,由于它是在小波分解数据域上实现的 。

一种基于点模式匹配的指纹识别方法

把指纹用于身份认证已有上百年的历史 ,自动指纹识别 (AFIS)已在各个领域广泛应用 ,除了传统的司法公安领域 ,自动指纹识别还可以作为计算机操作系统和网络访问认证用户的手段 ,以及用于金融保险方面的身份确认。指纹匹配是AFIS的最重要问题之一。一般用脊线的分歧点和端点这样的细节点来表示一个指纹 ,并通过细节匹配来进行指纹匹配。这样指纹匹配就转化为点模式匹配的问题。传统的点模式匹配算法存在运算量过大且难于解决所有的非弹性形变等问题。文章提出了一种基于聚类的点模式匹配方法 ,来进行指纹识别 ,有效地解决了如何对数量和位置都不尽相同的两幅指纹细节图象进行最优匹配的问题 ,设计并给出了利用矢量对匹配确定图象间校准函数的流程。

基于小波的高分辨率遥感影像纹理分类方法研究

在基于小波的纹理分类算法的基础上,提出了逐点特征加权和活动窗口算法,使小波纹理分析能够用于高分辨率遥感影像的分类。逐点特征加权算法用样本的均值和方差构造偏离量,对纹理特征进行自适应加权。实验结果表明,本文提出的算法能够有效地提高分类精度,使地物的内部和边缘的分类效果都得到改善。

基于稳健特征点的平稳小波域数字水印算法

基于目前绝大多数数字音频水印方案仅仅能够对抗简单的常规信号处理,尚无法有效抵抗破坏性较强的局部去同步攻击,提出了一种基于稳健特征点的平稳小波域数字音频水印算法。首先利用高斯滤波技术计算出平稳小波域低频子带的一阶平滑梯度响应并确定基准阈值,进而提取出分布均匀且性能稳定的音频特征点;然后结合短时能量自适应确定适合于水印嵌入的局部特征音频段;最后利用扩展抖动调制方法将水印信息嵌入局部特征音频段中。仿真实验结果证明,所提算法具有较好的不可感知性,并且对常规信号处理(MP3压缩等)和去同步攻击(音调伸缩等)均具有较好的稳健性。利用描述能力强且性能稳定的平滑梯度刻画局部数字音频性质,提出一种基于平滑梯度的平稳小波域音频特征点提取方法,有效解决音频特征点稳定性差且分布极不均匀的缺点,提高了数字音频水印对幅度伸缩、局部变调、随机剪切等去同步攻击的抵抗能力。

结合稳定兴趣点和Gabor小波的图像检索

提出了一种基于稳定兴趣点和纹理特征的图像检索算法.该算法首先利用优化的Hessian检测器检测图像中的稳定兴趣点,并计算稳定兴趣点的环形邻域的伪泽尼克矩;然后,利用Gabor小波变换提取图像的纹理特征;最后,用不同图像伪泽尼克矩和纹理之间的差异来衡量图像的相似度,实现图像检索.实验结果表明,与其他基于兴趣点或者纹理特征的检索方法相比,该算法能够降低不稳定兴趣点的影响,有效提高了图像检索的准确率和查全率.

一种分层显著点的炉内火焰图像特征提取方法

显著点检测不但对图像特征提取、图像识别、图像压缩等是非常有用的,同时它还可以用于表示基于CBIR(contentbased image retrieval)的图像局部属性.针对炉内火焰图像特点,在小波变换思想的基础上,提出一种基于分层显著点的炉内火焰图像特征提取方法.首先利用Haar小波变换计算二维图像的显著值,然后按照四叉树的层次结构,该算法自顶向下根据四叉树每个象限的显著值占双亲节点显著值的比例提取图像最显著的点集.实验表明,该方法克服了传统小波变换提取图像显著点数目过多以及容易出现图像局部显著点聚集的缺点,同时算法还表现出了鲁棒性以及根据显著点特征进行图像检索的高效性.