非平稳信号自适应处理的理论与应用研究

本项目将围绕Hilbert-Huang变换(HHT)展开非平稳信号自适应处理的理论与应用研究。由于HHT方法的理论与算法还有许多尚未解决的公开问题，诸如信号采样率对经验模式分解(EMD)的影响问题、EMD的收敛性问题、分解次数的估计问题、分解的解析表示问题、本征模态函数(IMF)的唯一性问题、强信号中嵌入弱信号或两个频率相近的信号该如何分开的问题、二维EMD分解的数学模型问题等等，我们将对这些问题展开理论研究，并发展相关的新理论和技术。应用上，我们将针对模式识别领域当中手写体字符识别系统的特点，采用并发展HHT方法，从EMD分解所得的IMF及Hilbert谱中获取非平稳和非线性手写体字符图像数据的局部频谱分布特征，然后进行字符信息小波处理，利用神经网络与支持向量机等学习分类算法设计分类器，研究金融票据识别的新技术，为金融票据识别的研究提供一条新途径。