乔强
- 作品数：9 被引量：64H指数：4
- 供职机构：四川大学电子信息学院更多>>
- 相关领域：电子电信自动化与计算机技术理学更多>>
- 多尺度多特征仿生人脸识别被引量：2
- 2005年
- 本文使用Daubechies正交小波变换对人脸图像进行二次小波分解:首先对第二次小波变换低频子图像进行PCA分析。运用邻域法进行分类得到距离隶属度。利用模糊分析提取出候选样本,对候选样本第一次小波变换的低频子图像进行PCA分析,运用最近邻域法进行分类得到最终识别结果。实验表明:小波变换预处理得到多尺度多特征;分类结果之间具有一定的互补性,同时可以提高分类性能。
- 何坤周激流李健乔强
- 关键词：人脸识别
- 应用非线性微分方程组实现弱信号检测
- 2005年
- 为了检测相位随机分布的微弱正弦信号,提出了采用非线性微分方程组的检测方法。N个方程的策动力初相等间隔设置,每个方程均设置在临界混沌状态,将被检测信号加入到各方程中进行运算,当相位随机分布的微弱正弦信号出现时,至少有一个方程会进入周期态从而检测出信号。利用Mel'nikov定理证明了该方法的可行性。数值实验表明利用16个方程同时检测能将信噪比为-90dB的随相弱正弦信号检测出来。
- 李健周激流何坤乔强
- 关键词：信号检测混沌随机相位弱信号
- 基于小波变换的非平稳信号去噪被引量：20
- 2005年
- 传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的信号噪声较大。基于小波变换的去噪算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换的模极大值随尺度的变化大小不同,得到噪声在小波域中的位置以及小波系数大小。实验结果表明:该算法对平稳和非平稳的噪声都能进行较好地去噪。
- 乔强周激流何坤李健
- 关键词：信号去噪小波变换
- 应用混沌系统实现弱信号的检测被引量：14
- 2004年
- 在分析了混沌弱信号检测原理的基础上,提出了采用一组非线性微分方程组检测随机相位弱正弦信号的方法,并给出了理论证明.计算机模拟表明对随相弱正弦信号可以用16个方程检测到.
- 李健何坤乔强周激流
- 关键词：弱信号检测混沌随机相位
- 非平稳环境下基于小波变换的信号去噪被引量：14
- 2005年
- 传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的信号噪声较大。对此,本文研究了一种非平稳环境下基于小波变换的信号去噪算法。该算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换模极大值随尺度的变化快慢不同。得到噪声在小波域中的位置以及小波系数大小。实验结果表明:该算法对平稳和非平稳的噪声都能进行较好的去噪。
- 何坤李健乔强周激流
- 关键词：信号去噪去噪算法信号噪声小波系数小波域阈值法
- 弱暂态正弦信号的检测被引量：4
- 2003年
- 将Duffing振子用于弱暂态正弦信号的检测,发现可被检测的暂态正弦信号的持续时间下限为12个周期,对相位随机分布并淹没在噪声中的弱暂态正弦信号可以用一组(16个)Duffing方程检测到,对到达时间的定位可以精确到一个周期。
- 李健何坤乔强
- 关键词：DUFFING振子信号检测
- 非平稳环境下基于小波变换的图像去噪被引量：8
- 2005年
- 传统的图像去噪算法往往仅对平稳或缓慢变化的噪声有效,且残留的图像噪声较大。对此,研究了非平稳环境下基于小波变换的图像去噪算法。该算法根据图像与噪声在小波域的分布特性以及它们的小波变换模极大值随尺度的变化大小不同,运用迭代算法得到不同尺度小波域中噪声的具体位置以及小波系数大小,完成了图像去噪。实验结果表明,对峰值信噪比较低的图像,该方法去噪后峰值信噪比比传统方法的高,并且保留了较多的图像细节,同时对平稳和非平稳的噪声都能进行较好地去噪。
- 何坤李健乔强周激流
- 关键词：图像去噪小波变换
- 单变量反馈实现3涡卷超混沌吸引子的同步被引量：2
- 2005年
- 文献[1]在四阶MCK电路的基础上提出了产生N(N=3,4,5,…)涡卷超混沌吸引子的方法,采用4变量反馈实现了两个N 涡卷超混沌吸引子的同步。为了减少同步所需驱动信号的个数,采用Lyapunov稳定性理论证明了反馈变量可以减少为3个,以3涡卷超混沌吸引子为例验证了这一结论,并进一步通过数值仿真用单变量反馈的方法实现了3涡卷超混沌吸引子的同步,节约了信道资源,为实际应用提供了方便。
- 李健周激流何坤乔强
- 关键词：吸引子单变量超混沌LYAPUNOV稳定性理论
- 多尺度图像迭代去噪
- 2005年
- 为了解决传统图像去噪算法仅对平稳噪声或缓慢变化噪声有效,且存在残留图像噪声较大的问题。研究了非平稳环境下基于小波变换的图像去噪算法。该算法根据图像与噪声在小波域的分布特性以及图像和噪声小波模极大值随尺度的变化大小不同,运用迭代算法得到不同尺度小波域中噪声的具体位置以及小波系数大小,完成了多尺度图像去噪。实验结果表明:对峰值信噪比较低的图像去噪,本方法去噪后峰值信噪比比传统的方法高,并且保留较多的图像细节。该算法对平稳和非平稳的噪声都能进行较好地去噪。
- 何坤李健周激流乔强
- 关键词：图像去噪小波变换
