一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

該文根據(jù)Hilbert-Huang變換的原理，給出了二維內(nèi)蘊(yùn)模式函數(shù)分量的遞推形式，實(shí)現(xiàn)了二維Hilbert-Huang變換的分解方法，并在圖像分解應(yīng)用中取得了滿意的效果，從而拓展了Hilbert-Huang變換的應(yīng)用范圍。通過把原始圖像自適應(yīng)分解成有限數(shù)量的子圖像，圖像的細(xì)節(jié)能清晰地被分解出來，這在數(shù)字圖像處理中有很重要的意義。

該文對可轉(zhuǎn)變認(rèn)證加密進(jìn)行了研究，指出了Wu-Hsu(2002)方案和Huang-Chang(2003)方案中存在的問題，分別給出了這兩個方案的改進(jìn)方案，很好地解決了認(rèn)證加密方案的公開驗證問題。

Hilbert-Huang變換(HHT)理論通過經(jīng)驗?zāi)B(tài)分解(EMD)提取信號的內(nèi)蘊(yùn)模態(tài)函數(shù)(IMF)，并對IMF利用Hilbert變換得到信號的時頻幅度譜和邊際譜。在總結(jié)Hilbert變換理論和算法實(shí)現(xiàn)局限性的基礎(chǔ)上，提出基于過零點(diǎn)-極點(diǎn)估計求取IMF瞬時頻率、幅度算法，通過對離散信號插值運(yùn)算精確求取過零點(diǎn)和極點(diǎn)位置，并據(jù)此求出相應(yīng)點(diǎn)的瞬時頻率和幅度，最后采用三次樣條求取信號的瞬時頻率幅度曲線。通過幾個典型的例子對該算法進(jìn)行檢驗，結(jié)果表明，與Hilbert變換結(jié)果比較，借助該算法得到信號的時頻幅度譜和邊際譜結(jié)果更精確、頻率分辨率更好。

該文提出了一種基于空時分組編碼的多輸入多輸出頻域均衡單載波分組傳輸(MIMO-SC/FDE)系統(tǒng)的空間分集接收方案，通過在Huang(2004)提出的分集結(jié)構(gòu)中引入使用空時分組編碼的發(fā)射分集，彌補(bǔ)了因減少DFT塊數(shù)目而造成的性能損失，同時在接收端進(jìn)一步減少了IDFT塊的數(shù)目；通過適當(dāng)設(shè)計空時分組編碼，還可以進(jìn)一步提高數(shù)據(jù)傳輸速率。該文詳細(xì)推導(dǎo)了使用空時分組編碼后的處理過程，并對使用空時編碼后的MIMO-SC/FDE系統(tǒng)和相應(yīng)的MIMO-OFDM系統(tǒng)性能進(jìn)行了仿真比較。仿真結(jié)果表明，MIMO-SC/FDE系統(tǒng)的性能從總體上優(yōu)于MIMO-OFDM系統(tǒng)。

經(jīng)驗?zāi)B(tài)分解(EMD)的一個關(guān)鍵問題是處理邊界效應(yīng)。盡管目前除了Huang申請了NASA專利的邊界處理方法，仍沒有一個最終的解決方案，但工程上已經(jīng)提出了多種處理方法。本文實(shí)現(xiàn)了工程上常用的5種EMD邊界處理方法：線性外延，多項式擬合，鏡像法，徑向基(RBF)神經(jīng)網(wǎng)絡(luò)預(yù)測和AR預(yù)測方法，設(shè)計了一套消除了EMD處理中信號的相互作用及模式混淆影響的測試方法，并利用準(zhǔn)周期信號和隨機(jī)信號對它們的邊界效應(yīng)處理結(jié)果進(jìn)行了定量測試。結(jié)果表明鏡像法是目前相對最優(yōu)的EMD邊界處理方法。

穿墻雷達(dá)動目標(biāo)探測中人的心跳、呼吸、手臂擺動等運(yùn)動的微多普勒信號是非線性、非平穩(wěn)信號，可以采用經(jīng)驗?zāi)Ｊ椒纸?EMD)對其進(jìn)行時頻分析。由于EMD分解存在模式混合問題，該文提出一種改進(jìn)的整體平均經(jīng)驗?zāi)Ｊ椒纸?EEMD)方法，并將其應(yīng)用于穿墻雷達(dá)人的運(yùn)動微多普勒特性分析中，并且對分解后的每個本征模式函數(shù)(IMF)進(jìn)行Hilbert-Huang變換(HHT)，得到信號的時間-頻率-能量譜。仿真數(shù)據(jù)和實(shí)驗結(jié)果分析均表明，改進(jìn)的EEMD方法不僅能夠有效消除EMD中的模式混合問題，將人運(yùn)動微多普勒信號中的不同頻率尺度分解在不同的IMF中，而且還能夠有效抑制原始信號中的噪聲，提高信噪比，得到更精細(xì)、更清晰的時頻分布。

耳語音作為人類發(fā)音的一種特殊形式，與正常語音相比具有信噪比低、元音的周期特征不明顯等特性，因而耳語音處理比正常語音更為困難。耳語音處理研究的第1個關(guān)鍵步驟就是語音的端點(diǎn)檢測，該文利用希爾伯特-黃變換(Hilbert-Huang Transform, HHT)中的經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)，首次提出了一種基于EMD擬合特征的耳語音端點(diǎn)檢測新方法。利用EMD得到的內(nèi)稟模態(tài)函數(shù)(Intrinsic Mode Function, IMF)能量，以其歸一化擬合參數(shù)為耳語音端點(diǎn)檢測的特征，可以準(zhǔn)確地劃分出耳語音端點(diǎn)。實(shí)驗表明，該方法在耳語音端點(diǎn)檢測中取得了很好的效果，在1200個信噪比為2～10dB的測試樣本中，檢測準(zhǔn)確率為98.25%。

該文分析了海雜波能量在各固有模態(tài)函數(shù)(IMF)間的分布特點(diǎn)，研究了目標(biāo)對海雜波能量在各IMF間分布的影響。研究發(fā)現(xiàn)，無目標(biāo)時，海雜波的能量主要集中于先分解出的3個IMF中，而當(dāng)目標(biāo)出現(xiàn)時，海雜波的能量將向后分解出的6個IMF擴(kuò)散，且固有模態(tài)能量熵恰能描述目標(biāo)出現(xiàn)引起的海雜波能量分布的這種變化，因此該文提出了采用固有模態(tài)能量熵檢測微弱目標(biāo)的算法。仿真結(jié)果表明，與基于盒維數(shù)的微弱目標(biāo)檢測算法、頻域CFAR檢測方法和多脈沖CA-CFAR(100個脈沖)檢測算法相比，該算法的檢測性能較好，有效增強(qiáng)了雷達(dá)對海雜波中微弱目標(biāo)的檢測能力。

該文采用實(shí)測海雜波數(shù)據(jù)分析了目標(biāo)出現(xiàn)頻段內(nèi)海雜波局部Hilbert譜的脊線及其平均帶寬，研究了目標(biāo)和天線極化方式對海雜波局部Hilbert譜脊線及其平均帶寬的影響。研究發(fā)現(xiàn)，目標(biāo)的出現(xiàn)將導(dǎo)致目標(biāo)所處頻段的海雜波局部Hilbert譜脊線起伏趨于和緩，局部Hilbert譜平均帶寬減小，在此基礎(chǔ)上，借鑒恒虛警檢測技術(shù)提出了一種新的微弱目標(biāo)檢測算法。該算法先采用目標(biāo)所處頻段的局部Hilbert譜脊線計算平均帶寬，以提取目標(biāo)與海雜波的差異，然后將平均帶寬作為檢測統(tǒng)計量，實(shí)現(xiàn)對海雜波中的微弱目標(biāo)進(jìn)行檢測。與基于海雜波盒維數(shù)的方法和單元平均恒虛警(CA-CFAR, 100個脈沖)方法相比，該方法有效提高了對海雜波中微弱目標(biāo)的檢測性能。

通感一體化(ISAC)作為一種6G關(guān)鍵技術(shù)，將通信和感知功能集成到Wi-Fi設(shè)備，為室內(nèi)人體呼吸頻率感知提供一種有效的方法。針對當(dāng)前基于ISAC的呼吸頻率感知存在魯棒性低和“盲點(diǎn)”的問題，該文提出一種基于信號變分模態(tài)分解(VMD)- 希爾伯特-黃變換(HHT)呼吸頻率感知算法。首先，選擇對環(huán)境感知敏感度較強(qiáng)的Wi-Fi鏈路構(gòu)建信道狀態(tài)信息(CSI)比值模型。其次，將濾波后的CSI比值時間序列的各子載波進(jìn)行投影，結(jié)合幅相信息生成不同呼吸模式信號的候選集。再次，對于每一個子載波，根據(jù)周期性在候選集中選擇一個短期呼吸噪聲比最大的候選序列作為最終的呼吸模式，然后設(shè)置閾值選擇子載波，并對其進(jìn)行VMD和HHT時頻分析，去除人體呼吸頻率成分以外的模態(tài)分量，并重構(gòu)剩余模態(tài)分量。在此基礎(chǔ)上，利用主成分分析(PCA)對所有重構(gòu)的子載波降維，選擇方差貢獻(xiàn)率達(dá)到99%以上的主成分分量，并使用ReliefF算法重新構(gòu)建呼吸信號，得到融合信號。最后，對融合信號利用峰值檢測算法計算呼吸頻率。實(shí)驗結(jié)果表明，該感知方法在會議辦公室和走廊兩種場景下的平均估計精度超過97%，顯著提高了魯棒性并克服了“盲點(diǎn)”問題，優(yōu)于其他現(xiàn)有的感知方案。