信号自适应分解法与应用研究.pdf

filr l r!IrIrr r rl r lri tlI Y1 779321 信号自适应分解方法与应用研究 博士后：杨志景 合作导师：杨力华教授、汤庸教授 关键字：信号分解，经验模式分解，稀疏表示，虹膜识别，人脸姿势 估计 mode Keywords：Signaldecomposition，empirical estimation sparserepresentation，irisrecognition，facialpose -2- 信号自适应分解方法与应用研究 博士后：杨志景 合作导师：杨力华教授、汤庸教授 摘 要 信号分解是信号处理的基本方法，可以有效刻划和分析信号的特征，是理论 研究和交际应刖中的重要工具。将一个复杂的信号分解为简单原子的线性组合， 将有利于我们了解信号所隐含的本质属性，可以在许多实际问题中得到J‘泛应 波等各种信号分解方法。最近，适用于非平稳非线性信号的自适应分解方法一经 验模式分解(EMD)与基于超完备字典的稀疏表示方法受到理论界与工程界越水 越多的关注与研究。本文专注于信号分解的方法及其应Hj研究，并取得了以下的 研究结果： 1． 针对二维EMD推广中定义二维极值点与二维包络的困难，提出了一种新 的二维EMD方法，该方法无需定义二维极值点与二维包络，对噪声有较 强的鲁棒性，且计算复杂度较低。大量的分析与实验表明，该方法在纹理 分析与人脸图像处理中取得了良好的结果。 2． 在视频人脸姿势估计中，我们提出了两种有效的方法：(1)摹于EMD与瓦 信息的人脸姿势估计算法，该方法埘噪声与光照有较强的鲁棒性；(2)提 出一种新的互信息…标准共生互信息，并将其应用到人脸姿势估计中， 取得了更高的识别效果。 3． 针对虹膜识别中的遮掩问题，我们提…了一种基于稀疏表示的虹膜识别方 法，分析与实验表明该方法4i仅识别率高，且对于遮掩有较强的鲁棒性。 而稀疏表示系数的集中程度可以用于判别测试样本的有效性，可进一步提 高识别效果。 Researcheson AdaptiveSignal Methodsand its applications Name：ZhijingYang Advisor：Prof．Lihuaand YangProf．YongTang Abstract isall toolinboth researchand Signaldecompositionimportant pure practical ofa intoalinearcombinationoftheir applications．Decompositioncomplexsignal atomsof is interestin buildin