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(guò)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(lái)，這在數(shù)字圖像處理中有很重要的意義。

該文對(duì)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(wèn)題，分別給出了這兩個(gè)方案的改進(jìn)方案，很好地解決了認(rèn)證加密方案的公開(kāi)驗(yàn)證問(wèn)題。

針對(duì)半誠(chéng)信的數(shù)據(jù)收集者對(duì)包含敏感屬性(SA)數(shù)據(jù)收集和使用過(guò)程中可能造成隱私泄露問(wèn)題，該文在傳統(tǒng)模型中增加實(shí)時(shí)的數(shù)據(jù)領(lǐng)導(dǎo)者，并基于改進(jìn)模型提出一個(gè)隱私保護(hù)的數(shù)據(jù)收集協(xié)議，確保無(wú)可信第三方假設(shè)前提下，數(shù)據(jù)收集者最大化數(shù)據(jù)效用只能建立在K匿名處理過(guò)的數(shù)據(jù)基礎(chǔ)上。數(shù)據(jù)擁有者分布協(xié)作的方式參與協(xié)議流程，實(shí)現(xiàn)了準(zhǔn)標(biāo)識(shí)(QI)匿名化后SA的傳輸，降低了數(shù)據(jù)收集者通過(guò)QI關(guān)聯(lián)準(zhǔn)確SA值的概率，減弱內(nèi)部標(biāo)識(shí)揭露造成隱私泄露風(fēng)險(xiǎn)；通過(guò)樹(shù)形編碼結(jié)構(gòu)將SA的編碼值分為隨機(jī)錨點(diǎn)和補(bǔ)償距離兩份份額，由K匿名形成的等價(jià)類(lèi)成員選舉獲取兩個(gè)數(shù)據(jù)領(lǐng)導(dǎo)者，分別對(duì)兩份份額進(jìn)行聚集和轉(zhuǎn)發(fā)，解除唯一性的網(wǎng)絡(luò)標(biāo)識(shí)和SA值的關(guān)聯(lián)，有效防止外部標(biāo)識(shí)揭露造成的隱私泄露；建立符合該協(xié)議特性的形式化規(guī)則并對(duì)協(xié)議進(jìn)行安全分析，證明了協(xié)議滿足隱私保護(hù)需求。

如何將密鑰信息分配給n個(gè)被授權(quán)的單位(記為：S1, S2, , Sn), 每一個(gè)被授權(quán)單位Si(#em/em#=1, 2, , n)有qi個(gè)被授權(quán)人, 使得每一個(gè)被授權(quán)人所得到的密鑰信息與該授權(quán)人所在的單位的任何其他被授權(quán)人所得到的密鑰信息是一致的, 而任意K個(gè)被授權(quán)人所得到的密鑰信息, 若至少包含每一個(gè)被授權(quán)單位中的至少一個(gè)被授權(quán)人的密鑰信息時(shí), 能夠恢復(fù)完整的密鑰信息, 其他情形時(shí), 無(wú)法完全恢復(fù)密鑰信息, 這種需要經(jīng)常會(huì)遇到. 本文利用代數(shù)半群理論, 紿出了一種能實(shí)現(xiàn)這種密鑰分享的方案.

Hilbert-Huang變換(HHT)理論通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)提取信號(hào)的內(nèi)蘊(yùn)模態(tài)函數(shù)(IMF)，并對(duì)IMF利用Hilbert變換得到信號(hào)的時(shí)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(guò)零點(diǎn)-極點(diǎn)估計(jì)求取IMF瞬時(shí)頻率、幅度算法，通過(guò)對(duì)離散信號(hào)插值運(yùn)算精確求取過(guò)零點(diǎn)和極點(diǎn)位置，并據(jù)此求出相應(yīng)點(diǎn)的瞬時(shí)頻率和幅度，最后采用三次樣條求取信號(hào)的瞬時(shí)頻率幅度曲線。通過(guò)幾個(gè)典型的例子對(duì)該算法進(jìn)行檢驗(yàn)，結(jié)果表明，與Hilbert變換結(jié)果比較，借助該算法得到信號(hào)的時(shí)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(shí)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(guò)在Huang(2004)提出的分集結(jié)構(gòu)中引入使用空時(shí)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(shí)在接收端進(jìn)一步減少了IDFT塊的數(shù)目；通過(guò)適當(dāng)設(shè)計(jì)空時(shí)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(shí)分組編碼后的處理過(guò)程，并對(duì)使用空時(shí)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(yàn)?zāi)B(tài)分解(EMD)的一個(gè)關(guān)鍵問(wèn)題是處理邊界效應(yīng)。盡管目前除了Huang申請(qǐng)了NASA專利的邊界處理方法，仍沒(méi)有一個(gè)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(xiàng)式擬合，鏡像法，徑向基(RBF)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)和AR預(yù)測(cè)方法，設(shè)計(jì)了一套消除了EMD處理中信號(hào)的相互作用及模式混淆影響的測(cè)試方法，并利用準(zhǔn)周期信號(hào)和隨機(jī)信號(hào)對(duì)它們的邊界效應(yīng)處理結(jié)果進(jìn)行了定量測(cè)試。結(jié)果表明鏡像法是目前相對(duì)最優(yōu)的EMD邊界處理方法。

穿墻雷達(dá)動(dòng)目標(biāo)探測(cè)中人的心跳、呼吸、手臂擺動(dòng)等運(yùn)動(dòng)的微多普勒信號(hào)是非線性、非平穩(wěn)信號(hào)，可以采用經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)對(duì)其進(jìn)行時(shí)頻分析。由于EMD分解存在模式混合問(wèn)題，該文提出一種改進(jìn)的整體平均經(jīng)驗(yàn)?zāi)Ｊ椒纸?EEMD)方法，并將其應(yīng)用于穿墻雷達(dá)人的運(yùn)動(dòng)微多普勒特性分析中，并且對(duì)分解后的每個(gè)本征模式函數(shù)(IMF)進(jìn)行Hilbert-Huang變換(HHT)，得到信號(hào)的時(shí)間-頻率-能量譜。仿真數(shù)據(jù)和實(shí)驗(yàn)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(wèn)題，將人運(yùn)動(dòng)微多普勒信號(hào)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(hào)中的噪聲，提高信噪比，得到更精細(xì)、更清晰的時(shí)頻分布。

量子成像(QI)具有抗偵察、抗干擾和高分辨力等特性，是量子光學(xué)領(lǐng)域重要的研究方向。為了解決實(shí)際量子成像過(guò)程中因環(huán)境光引起符合計(jì)數(shù)值異常所導(dǎo)致成像質(zhì)量下降的問(wèn)題，該文提出一種基于符合計(jì)數(shù)濾波優(yōu)化的光量子成像方法。首先，對(duì)原始的符合計(jì)數(shù)值進(jìn)行3層離散小波變換(DWT)得到相應(yīng)的小波系數(shù)；然后，對(duì)小波系數(shù)中的高頻成分進(jìn)行高斯濾波去噪，并通過(guò)小波逆變換得到去噪后的符合計(jì)數(shù)值；最后，基于該符合計(jì)數(shù)值，利用線性映射方法實(shí)現(xiàn)對(duì)目標(biāo)的量子成像。該文通過(guò)仿真分析了圖像像素?cái)?shù)、單像素曝光時(shí)間和符合門(mén)寬值對(duì)成像結(jié)果的影響，并搭建了實(shí)際的量子成像光路來(lái)驗(yàn)證仿真結(jié)果的有效性。

耳語(yǔ)音作為人類(lèi)發(fā)音的一種特殊形式，與正常語(yǔ)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(yǔ)音處理比正常語(yǔ)音更為困難。耳語(yǔ)音處理研究的第1個(gè)關(guān)鍵步驟就是語(yǔ)音的端點(diǎn)檢測(cè)，該文利用希爾伯特-黃變換(Hilbert-Huang Transform, HHT)中的經(jīng)驗(yàn)?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(yǔ)音端點(diǎn)檢測(cè)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(yǔ)音端點(diǎn)檢測(cè)的特征，可以準(zhǔn)確地劃分出耳語(yǔ)音端點(diǎn)。實(shí)驗(yàn)表明，該方法在耳語(yǔ)音端點(diǎn)檢測(cè)中取得了很好的效果，在1200個(gè)信噪比為2～10dB的測(cè)試樣本中，檢測(cè)準(zhǔn)確率為98.25%。