搜索资源列表
watermarkt1
- 基于小波零树特性的视觉感知度模型的优化方案, 给出了两种水印算法: 一种算法嵌入的是高斯序列水印, 通过相关检测实现盲检测 另一种算法嵌入的是二值图像水印, 水印的提取是非盲提取。这两种算法在所有重要小波系数( 包括最低频系数) 中嵌入水印, 以达到最大化水印嵌入量的目的, 并结合感知度模型在水印的透明性和鲁棒性之间实现了较好的平衡, 对于常见的图像处理操作, 特别是对于JPEG 和小波压缩均有较好的鲁棒性。-based on wavelet zerotree visual perception
ICA
- 本文件是关于独立成分分析的文章，对与盲水印检测和提取有帮助，值得一看。-This document is an article on the Independent Component Analysis for blind watermark detection and extraction with the help, worth a visit.
23
- 机械设备发生故障时, 故障特征的提取很重要。对于多通道的设备故障振动信号, 应用非平稳信号的盲源分离算法, 可以有效地提取各自独立的非平稳振动源,从而可以准确地进行机械故障诊断。针对不同时频分布的非平稳盲源分离算法, 比较了它们的分离效果。以转子的复合故障为例, 验证了该算法在故障诊断中可行性。-Machinery and equipment failure, the fault feature extraction is very important. Failure vibration si
Study-on-compound-fault-diagnosis
- 针对滚动轴承复合故障信号特征难以分离的问题， 提出将双树复小波变换和独立分量分析( ICA) 结合的故障诊断方 法 该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量 由于各个分量存在一定的频率混叠， 对 故障信号特征提取有很大的干扰， 进而引入 ICA 对各个分量所组成的混合信号进行盲源分离， 从而尽可能消除频率混叠 最后 对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调， 即可实现对复合故障特征信息的分离和故障识别-Aiming at the diff
UNANR_Matlab
- There is a trend to develop blind or semi-blind source extraction algorithms based on second-order statistics, due to its low computation load and fast processing speed. An important and primary work is done by Barros and Cichocki, who propose an