論文元數據搜索,找到相關信息共 7 條:
2006, 28(4): 610-613.
刊出日期:2006-04-19
該文根據Hilbert-Huang變換的原理,給出了二維內蘊模式函數分量的遞推形式,實現了二維Hilbert-Huang變換的分解方法,并在圖像分解應用中取得了滿意的效果,從而拓展了Hilbert-Huang變換的應用范圍。通過把原始圖像自適應分解成有限數量的子圖像,圖像的細節(jié)能清晰地被分解出來,這在數字圖像處理中有很重要的意義。
2006, 28(1): 151-153.
刊出日期:2006-01-19
關鍵詞:
認證加密;簽名;公開驗證;機密性
該文對可轉變認證加密進行了研究,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方案,很好地解決了認證加密方案的公開驗證問題。
2006, 28(5): 905-908.
刊出日期:2006-05-19
Hilbert-Huang變換(HHT)理論通過經驗模態(tài)分解(EMD)提取信號的內蘊模態(tài)函數(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Hilbert變換理論和算法實現局限性的基礎上,提出基于過零點-極點估計求取IMF瞬時頻率、幅度算法,通過對離散信號插值運算精確求取過零點和極點位置,并據此求出相應點的瞬時頻率和幅度,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行檢驗,結果表明,與Hilbert變換結果比較,借助該算法得到信號的時頻幅度譜和邊際譜結果更精確、頻率分辨率更好。
2006, 28(11): 2068-2072.
刊出日期:2006-11-19
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)提出的分集結構中引入使用空時分組編碼的發(fā)射分集,彌補了因減少DFT塊數目而造成的性能損失,同時在接收端進一步減少了IDFT塊的數目;通過適當設計空時分組編碼,還可以進一步提高數據傳輸速率。該文詳細推導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)和相應的MIMO-OFDM系統(tǒng)性能進行了仿真比較。仿真結果表明,MIMO-SC/FDE系統(tǒng)的性能從總體上優(yōu)于MIMO-OFDM系統(tǒng)。
2007, 29(6): 1394-1398.
doi: 10.3724/SP.J.1146.2005.01326
刊出日期:2007-06-19
經驗模態(tài)分解(EMD)的一個關鍵問題是處理邊界效應。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,但工程上已經提出了多種處理方法。本文實現了工程上常用的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)神經網絡預測和AR預測方法,設計了一套消除了EMD處理中信號的相互作用及模式混淆影響的測試方法,并利用準周期信號和隨機信號對它們的邊界效應處理結果進行了定量測試。結果表明鏡像法是目前相對最優(yōu)的EMD邊界處理方法。
2010, 32(6): 1355-1360.
doi: 10.3724/SP.J.1146.2009.00899
刊出日期:2010-06-19
穿墻雷達動目標探測中人的心跳、呼吸、手臂擺動等運動的微多普勒信號是非線性、非平穩(wěn)信號,可以采用經驗模式分解(EMD)對其進行時頻分析。由于EMD分解存在模式混合問題,該文提出一種改進的整體平均經驗模式分解(EEMD)方法,并將其應用于穿墻雷達人的運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(IMF)進行Hilbert-Huang變換(HHT),得到信號的時間-頻率-能量譜。仿真數據和實驗結果分析均表明,改進的EEMD方法不僅能夠有效消除EMD中的模式混合問題,將人運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、更清晰的時頻分布。
2008, 30(2): 362-366.
doi: 10.3724/SP.J.1146.2006.01021
刊出日期:2008-02-19
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個關鍵步驟就是語音的端點檢測,該文利用希爾伯特-黃變換(Hilbert-Huang Transform, HHT)中的經驗模態(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檢測新方法。利用EMD得到的內稟模態(tài)函數(Intrinsic Mode Function, IMF)能量,以其歸一化擬合參數為耳語音端點檢測的特征,可以準確地劃分出耳語音端點。實驗表明,該方法在耳語音端點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,檢測準確率為98.25%。