基于稀疏压缩感知的医学图像重构算法的研究

为了更好地适应压缩图像技术的发展,针对图像重构对于资源的需求,本文提出了一种基于稀疏压缩医学图像方法,首先描述压缩感知图像中组成部分,然后在稀疏变换方面引入了字典学习概念,同时引入SCAD函数,有效提高了稀疏变换的要求,对于图像的降噪具有一定的促进,在重构算法部分引入了加权系数概念,使得改进后的算法使得回复重构具有更强的约束,通过测试函数证明,本文的算法在医学图像具有比较好的压缩效果,优于传统的重构算法。     

压缩感知稀疏信号重构算法研究

压缩感知理论是利用信号的稀疏性,采用重构算法通过少量的观测值就可以实现对该信号的精确重构。SL0（Smoothed l0）算法是基于l0范数的稀疏信号重构算法,通过控制参数逐步逼近最优解。针对平滑函数的选取问题,文章提出一种新的平滑函数序列近似l0范数,实现稀疏信号的精确重构。仿真结果表明,在相同实验条件下文章算法较传统算法有着较高的重构概率。     

认知网络中频谱感知技术研究

认知网络作为一种能够提高有限频谱资源利用率的颇具应用前景的技术,可从根本上缓解日益严重的频谱资源紧张问题,已成为无线通信领域内的一个研究热点,并受到越来越多的关注。本文介绍了认知网络的概念,并从认知网络频谱感知方面综述了现有的研究成果,讨论了目前存在的问题和进一步研究的方向。     

弱信号环境下边境安全情报感知模型研究

[目的/意义]在边境安全情报活动所面临弱信号环境中,构建边境安全情报感知模型,解决情报感知工具不足问题。[方法/过程]通过实际调研,分析边境安全情报体系在面对弱信号环境时所存在的感知范围狭窄、感知内容单一、深刻程度和智能化程度不足4方面困境。以系统论和情报感知理论为指导,构建面向弱信号的边境安全情报感知模型。[结果/结论]边境安全弱信号感知模型构建遵守从常态扫描与重点扫描相结合、从“还原事实”到“理解弱信号”、人机交互的原则,主要包括人才、资源、技术三个构成要素,全谱系扫描、信息采集与融合、情景分析、意义构建、刻画表达、持续监测6个步骤。     

认知无线电网络基于信任度的协同频谱感知技术

在认知无线电网络中,多个用户协作频谱感知能有效提高系统感知性能。但是这种协同方式会使得认知无线电网络的整体灵敏度降低,带来了新的安全隐患。而且当恶意节点或是障碍节点出现时,就会影响决策中心的最终判决。针对这一问题,本文提出了一种基于信任度的协同频谱感知技术,该技术通过认知用户的本地感知结果与认知无线电网络基站最终判决结果的比较,计算认知用户信任度,进而协同信任度参与频谱检测。仿真结果表明当认知用户中存在恶意节点或是故障节点时,本文提出的技术相比较于传统的检测方法,能够得到更好更稳定的检测性能。     

基于LSTM神经网络的无人机通信频谱感知算法

为了提升无人机机群间的通信频谱利用效率,认知无线电技术被应用在无人机机群中。由于传统频谱感知算法易受到噪声干扰、受通信时延干扰、需要累积信号长,无法适应无人机机群间通信,本文提出了一种基于长短期记忆神经网络(LSTM)的双门限无人机机群频谱感知算法。首先利用所有次级用户对频谱信号进行感知收集,随后将所有次级用户信号传入无人机融合节点,最后利用长短期记忆(LSTM)神经网络进行感知判断。在仿真实验条件下与传统单门限能量协作算法、双门限能量协作算法比较,仿真结果表明在不同信噪比和虚警概率下,所提方法的检测性能均优于传统算法。     

基于频谱修正的通信噪声信号峰值检测系统

传统的通信噪声信号峰值检测结果精准度不高、实时性不强,导致在通信过程中降噪效果不理想,影响正常通信.因此,提出基于频谱修正的通信噪声信号峰值检测.首先在通信过程中将信号源定位,并使用线性滤波法确定噪声信号的位置,其次分析获得的噪声信号离散频谱图,针对离散谱中存在的栅栏效应和频谱泄漏问题,提出频谱修正技术,对谱线位置与谱...     

面向电力无线专网的授权用户调制信号识别算法研究

针对电力无线专网的授权用户调制类型识别,提出了一种归一化的调制信号特征参数,首先计算数字信号的高阶统计量信息,之后对高阶统计量信息进行组合使用以表示不同类型信号.组合后的特征参数将不同的高阶统计量信息进行归一化,避免了同一调制类型信号在不同能量下高阶统计量信息的差异,提高了该识别系统的应用范围.为了使系统的适应性更强且...     

基于MATLAB GUI的信号频谱分析系统

本文借助MALABGUI实现了<信号与系统>课程中信号频谱分析系统,该系统可实现连续周期、连续非周期、离散周期、离散非周期等四类常见信号的频谱分析,通过键盘或鼠标能够很方便的修改信号时域的参数,并能实时的显示频域的对应变化趋势;通过具体实例对系绫各模块进行了说明.将该系统和教学实验结合,取得了良好的效果.     

基于稀疏编码的人脸图像识别方法研究

概述 近年来,信号的稀疏表示已经成为高频信号的获取、表示与压缩方面的一个强大的解决问题的工具,已经受到广大研究学者们的广泛关注。信号的多方向表示是一个重要的研究方向,如小波,脊波,轮廓变换的信号稀疏表示的。相比基于正交变换域和时域处理,信号稀疏表示建模能力更有效。     

基于AT89C51单片机的简易频率计的设计

为了解决市场上各种多功能、高精度数字频率计高价格的问题,本文通过综合分析实际工作的要求,选择市场上低价格的常用元件,由单片机产生闸门时间与时钟等基准信号以减少外围电路,从而提出了一种基于单片机(AT89C51)为主控制核心、LCD1602为显示界面的频率计设计方案。本方案可满足简易频率计体积小、成本低、精度高、可测频带宽的市场需求。     

基于谱分析的信号分类算法研究

本文通过对常用数字信号的频谱及高次方谱进行分析,通过信号频域区别提取一组有效特征对常用数字信号进行分类。这组特征提取简单,且无需任何先验知识。仿真结果表明,在信噪比不低于0dB的情况下,正确识别率达到95%以上。     

基于双库协同机制的隐性知识转化模型研究

针对现有知识管理系统对隐性知识缺乏有效组织管理的现实,提出基于数据库与知识库协同的隐性知识转化模型,通过知识库引导数据库、数据库改善知识库的新思想,形成具有双库协同机制的隐性知识管理系统,使知识库在结构上具备实时维护与自我进化的能力。以知识农业为例,在农业数据库的基础上验证了模型的有效性。     

基于Hilbert谱提取的舰船发动机故障信号分解

发动机故障特征提取是进行故障诊断的基础,研究舰船发动机故障信号分解下特征参数提取和专家系统故障诊断识别问题,传统方法中通过经验模态分解方法提取故障信号的基频信息,在特征分解过程中需要预先选择基函数,计算复杂,且不能反映信号的幅值在整个频率段上随频率的变化,故障信息表征不全。提出一种基于改进的经验模态分解Hilbert谱提取的发动机故障诊断方法,采用Hil-bert-Huang变换方法的Hilbert谱提取方法,把舰船发动机故障信号这一复杂信号分解成若干个IMF分量之和,利用局部极大值与局部极小值对信号的特征时间尺度进行信号包络分解,在时变ARMA(2p,2q)模型中,分别对每个IMF用Hilbert-Huang变换进行谱分析,提取故障信号的Hilbert谱特征,在Simu-link平台下进行仿真实验,结果表明该故障诊断方法和智能专家系统能准确诊断发动机5类故障,稳定性好。     

基于高维聚类分析方法的读者群划分研究

针对图书馆读者群数据的高维特征,选择高维数据聚类算法来解决图书馆读者群划分问题.详细分析基于高维数据聚类的读者群划分方法,以某高校图书馆读者借阅事务数据为例,通过读者群划分实验表明,此方法可有效识别借阅行为相似读者群,在图书馆信息管理与服务中具有一定的应用价值.     

基于LDA主题模型的标签推荐方法研究

针对现有的标签推荐方法存在的推荐准确率不高与效果不理想等问题,本文提出了基于LDA主题模型的社会化标签推荐方法。该方法利用LDA主题建模技术将传统的基于对象间关系的推荐方法扩展到融合对象间关系与资源内容特征的统一推荐。实验结果表明,该方法取得了理想的预期效果,能够显著提高标签推荐的质量与效果。     

基于概念空间模型的folksonomy标签聚类方法研究

在分析folksonomy概念空间构建的可行性的基础上,对基于向量空间模型的传统聚类方法和概念空间模型的标签聚类方法进行比较,提出了基于概念空间模型的folksonomy聚类方法,并使用学术资源标注网站CiteUlike的真实标签数据集进行试验.