一种结合Subband-NDFT 和改进Goertzel滤波器的DTMF解调算法

基于Goertzel逻辑判断算法,提出了一种将Goertzel逻辑判断和Subband—NDFT相结合的新的解调DTMF信号的算法．subband—NDFT通过放弃高频分量达到快速计算DFT的目的．软件仿真表明新的算法具有比Goertzel逻辑判断算法更快的解调速度,并且满足ITU在SNR上对DTMF信号的规定。     

基于离散傅立叶变换的水稻作物数字图像压缩技术研究

[目的]研究水稻监控系统中的数字图像压缩技术。[方法]提出了一种基于离散傅立叶变换的数字图像压缩技术方案,并通过仿真试验对图像进行了不同压缩比的压缩。[结果]对于压缩比在30以内的数字图像的压缩,衡量编码压缩质量的5个参数(压缩比、图像的熵、平均码字长度、编码效率、冗余度)和评价压缩图像逼真度的参数(PSNR)均达到较好效果,人眼几乎不能分辨出解压缩图像和原始图像之间的差异;在压缩比超过30的数字图像的压缩上,解压缩图像存在一定的失真。当压缩比为91.516 3时,虽然图像有一定的失真,但PSNR仍能达到21.528 2,从直观上人眼在一定的误差范围内仍能接受解压缩图像。[结论]该研究结果表明提出的图像压缩方案是一种可行的、有效的、较好的图像压缩技术,完全可以满足农作物监控系统中图像存储、交换与传输的要求。     

基于红外光谱概率神经网络的诃子产地鉴别

利用傅里叶变换红外光谱,测定了不同产地诃子(Terminalia chebula Retz.)样品的红外光谱图.采用常规预处理方法和小波变换对红外光谱原始数据进行了预处理,并采用主成分分析进一步压缩光谱数据,前3个主成分的累积贡献率为98.054％.以前3个主成分作为网络输入,诃子产地类别作为网络输出,建立了概率神经网络,同时对建立该网络模型的扩展常数进行了分析.模型分析表明,建立的网络模型能够对40个诃子样品进行产地鉴别,红外光谱法结合神经网络可作为中药材产地分类鉴别的一种新的现代化方法.     

改进FFT和小波变换在电力系统谐波检测中的应用研究

傅里叶变换和小波变换技术被广泛应用在信号处理中。傅里叶变换由于频谱泄漏和栅栏效应等问题影响信号检测精度,而小波变换具有多分辨率分析的特点。设计了基于动态频率加窗插值的 FFT算法,实现对频谱泄漏和栅栏效应有效抑制;基于小波变换具有多分辨率分析的特点,设计了一种可变时频窗结构,实现了信号的实时检测。通过仿真分析对比,给出了合理的谐波检测技术。     

基于改进随机Hough变换的椭圆形农产品大小分级

针对椭圆形农产品的分级问题,采用最近邻分类算法和随机Hough变换理论,对哈密瓜这类椭圆形农产品的大小分级方法进行研究。结果表明:1)哈密瓜边缘轮廓近似椭圆形,所测出的长短轴半径,可以作为椭圆形哈密瓜大小分级的新标准;2)通过试验测定,对于白色背景的哈密瓜,最近邻分类算法可以提取出较为完整的边缘轮廓;3)随机Hough变换可以在边缘轮廓不完整且有随机噪声干扰的情况下,检测出任意曲率的哈密瓜边缘轮廓的近似椭圆;4)与椭圆形哈密瓜的半径的真实值相比,本改进算法识别值的相对误差小于6%;5)当哈密瓜处在不同倾斜状态时,如0°、45°、90°、135°,本改进算法仍可以准确测得其长短轴半径。本改进算法还可以推广到其他椭圆形和类椭圆形农产品的大小分级中。     

基于高光谱成像技术识别水稻纹枯病

【目的】利用高光谱成像技术对水稻纹枯病进行早期的快速无损识别,结合判别分析方法建立相应的鉴别模型。【方法】以健康和感染纹枯病的水稻幼苗为研究对象,采集叶片和冠层各180个样本的380~1 030 nm波段的360条高光谱图像,剔除明显噪声部分后,以440~943 nm波段作为水稻样本的光谱范围,分别用不同的方法预处理获得水稻叶片的光谱曲线。采用偏最小二乘–判别分析(PLS-DA)对不同预处理的光谱建模。采用MNF算法对冠层的原始光谱数据进行特征信息提取,并基于特征信息建立线性判别分析(LDA)模型和误差反向传播神经网络(BPNN)判别模型。【结果】标准正态变量变换(SNV)预处理后建立的PLS-DA模型的预测集判别正确率最高,为92.1%。基于特征信息的LAD和BPNN模型的判别结果优于基于全波段的PLS-DA判别模型。基于最小噪声分离变换特征信息提取的BPNN模型取得了最优效果,建模集和预测集正确率分别达99.1%和98.4%。【结论】采用高光谱成像技术对水稻纹枯病生理特征进行无损鉴别是可行的,本研究为水稻纹枯病的识别提供了一种新方法。     

基于尺度噪声水平估计的双树复数小波变换图像去噪方法

利用噪声与图像双树复数小波变换各层系数的关系,提出基于尺度噪声水平估计的双树复数小波变换图像去噪方法并进行了试验.结果表明,该估计方法与图像噪声水平近似线性相关,能很好地反映各层系数的噪声水平.双变量收缩函数阈值去噪法采用该估计比采用全局噪声水平估计去噪效果更好,平均结构相似度明显提高.     

SPOT-5全色与多光谱遥感影像融合方法比较

随着遥感技术的发展,SPOT-5卫星数据以其优越的性价比,得到了较多的应用.在阐述遥感图像融合原理的基础上,以SPOT-5全色与多光谱影像为数据源,应用IHS变换、PCA融合、Brovey变换、乘积变换和HPF融合等5种比较常用的融合方法,从提高空间分辨率和保持原始图像光谱信息的角度进行了分析评价,探讨最适合于SPOT-5图像的融合方法.结果表明：在各种融合方法中,HPF与IHS融合的效果最好.     

土壤游离氧化铁高光谱特征与定量反演

【目的】建立基于可见-近红外光谱的土壤游离铁精确预测模型,简单、快速、经济地预测土壤游离铁,有助于研究土壤发生和分类。【方法】采集广西壮族自治区的铁铝土、富铁土、淋溶土和雏形土等82个旱地土壤剖面的B层土壤,进行室内土壤化学分析、光谱测定,分析不同光谱变换后的光谱反射率与土壤游离铁含量的相关性。基于特征波段利用偏最小二乘回归(PLSR)和逐步多元线性回归(SMLR)法建立土壤游离铁含量光谱预测模型,通过决定系数(R2)、均方根误差(RMSE)和相对预测偏差(PRD)确定最优模型。【结果】土壤光谱曲线分别在457、800和900 nm波段附近有明显的游离铁吸收和反射峰特征;土壤游离铁含量与原始光谱反射率呈负相关;原始光谱经过微分变换后,游离铁含量与光谱反射率相关性显著提高;基于400～580和760～1 300 nm特征波段和一阶微分光谱变换的SMLR模型预测精度最高,其验证集的R2和RPD分别为0.85和2.62,RMSE为8.41 g·kg~(-1)。【结论】将可见近红外光谱技术应用于土壤游离铁含量高效快速地预测具有良好的可行性。广西旱地土壤光谱反射率与土壤游离铁含量具有高度的相关性,应用逐步多元线性回归方法可以很好地建立土壤游离铁含量反演模型。     

基于CWT-RF模型估算博斯腾湖湖滨绿洲土壤有机碳含量

为实现博斯腾湖湖滨绿洲土壤有机碳含量的快速估算,结合实测的土壤高光谱数据与土壤有机碳数据,通过连续小波变换(CWT)进行土壤光谱数据预处理,利用相关系数法(CC)、连续投影算法(SPA)、竞争自适应重加权采样(CARS)、遗传算法(GA)筛选的特征波段作为建模输入量,构建随机森林(RF)模型。结果表明：研究区土壤有机碳含量平均值随土层深度增加由12.36 g/kg降低至10.49 g/kg,变异系数平均值为69.62%,空间异质性较强;CWT变换可以有效提高不同土层深度土壤有机碳含量与光谱反射率间的相关性,不同土层深度相关系数均值平均提升约22.41%;光谱数据经过CWT变换构建的模型精度明显提升,RF模型验证集R²与RPD分别平均提高7.09%、10.06%。CC、CARS、SPA、GA方法能消除光谱信息冗余,有效降低CWT-RF模型的输入量与RMSE值,土层深度0～20、20～40、40～60和60～80 cm筛选的特征波段平均压缩至全波段数目分别为8.51%、5.38%、2.21%和3.67%;RMSE值分别平均降低111.67%、135.61%、12.25...