GNSS接收机中一种新的射频干扰抑制级联方法

为了减少系统复杂度和提高系统实时性,提出了一种新的级联算法。首先,通过三系数滤波器模型对连续波干扰进行建模,从而形成一种非线性卡尔曼自适应滤波器,并利用该滤波器作为预处理器对每路中的窄带干扰进行抑制。随后,将各路滤波器的输出送入空时自适应处理器中进行宽带干扰的抑制。仿真结果表明,在匹配谱干扰环境下,特别是在窄带干扰从卫星信号方向入射时,新算法相对于普通的空时和空频自适应处理表现出了更加优越的性能。     

确定时间序列均值和方差函数的移动多点平均方法

为了提高有限样本或小样本情况下时间序列均值和方差函数的确定精度,以保证时序建模、分析和预测精度,提出一种确定序列趋势项的移动多点平均方法.该方法能够得到时间序列均值中非周期部分,结合样本周期图法得到的周期项,可综合得到其均值函数,并可进一步得到时序的标准差函数.Monte Carlo模拟对比结果表明:该方法不仅能够保证时间序列段内分析精度,而且能够有效提高时间序列的预报精度.      

一种基于颜色和边缘特征的Mean Shift目标跟踪算法

针对基于颜色特征的Mean Shift算法对动态变化环境适应能力差,容易丢失跟踪目标的问题,提出了一种颜色和边缘特征相结合的Mean Shift目标跟踪算法。该算法使用核直方图概率模型描述目标,通过权值的自适应变化来评估每个特征在跟踪场景中的可靠性,并依据权值提出一种选择性模板更新方法。实验结果表明,提出的算法不仅可以克服目标在跟踪过程中发生的模板变形,而且对目标的平移旋转以及光照变化都具有较好的鲁棒性。     

基于粗糙集与RBF神经网络的雷达辐射源信号识别研究

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络（RBFNN）的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。     

一种基于边缘测度的加权Hausdorff景象匹配方法

针对经典Hausdorff距离匹配算法中仅考虑图像间边缘点的几何关系,而未充分考虑边缘点边缘测度显著性差异对Hausdorff有向距离贡献不同的特点,提出一种基于边缘测度的加权Hausdorff距离(EM-WHD)景象匹配方法.该方法集合结构张量和局部均值比方法构造出边缘测度图像,并根据测度图提取图像边缘;在图像匹配过程中.基于边缘测度的显著性不同,对每个边缘点采用不同权值的加权Hausdorff距离进行图像匹配定位.仿真实验结果证明了本文方法的有效性和计算快速性.     

飞机蒙皮裂纹的数学形态学识别方法

提出了一种基于数学形态学的飞机蒙皮裂纹磁光图像检测方法。首先应用内距均值法确定磁光图像中类圆形铆钉区域的圆形参数,然后利用自适应线性星形形态学腐蚀算子分割裂纹缺陷。其中,以四点方向快速定位法确定腐蚀算子的方向,并用中心对称法处理裂纹缺陷区域粘连的情况,最后,根据备选区域相关特征进行分类,判别缺陷存在及其特征参数。实验结果表明：算法在检测裂纹的多种特征方面具有优越性。     

高低压转子弹性支承振动应力信号的LMD切片谱分析与时频分布

针对传统的频谱分析方法不能很好地辨识航空发动机转子振动特征频率的问题,采用局部均值分解（Local Mean Decompo? sition, LMD）,结合切片谱的频谱分析方法,对航空发动机转子振动信号进行自适应模态分解与峰值频率辨识;对转子振动信号进行时 频分析,得到其时频分布。将该方法应用于某航空发动机高、低压转子的弹性支承振动应力信号分析中。结果表明：相比于发动机振 动正常状态,在发动机振动异常状态下,高、低压转子弹性支承振动应力信号的LMD切片谱中除了存在高、低压转子的基频和倍频成 分,还存在高、低压转子间的调制频率,且在异常状态下F分量的时变特征更加明显。采用LMD切片谱分析方法获取了发动机振动正 常状态和异常状态下的振动频谱特征和时频分布,可为航空发动机转子振动特征提取与状态判别提供参考。     

小管径超声波流量计去噪方法

超声波流量计中存在各种噪声,直接影响流量测量的精度。文章首先分析了小管径超声波流量计中噪声的来源,从实时性的角度出发,提出了一种直接对测量时间差进行去噪的方法,避免了对原始超声波信号进行采样、分析带来的实时性差的问题。针对随机噪声和声学噪声引起的时间差数据中的误差,以硬阈值小波滤波作为第一级滤波、中值加均值滤波为第二级滤波进行处理。通过流量测量实验,验证了去噪方法的有效性,结果表明,去噪后流量计的瞬时测量误差小于1%。     

基于差分和局部积分均值的EMD算法

针对经验模态分解中无法分离频率相近信号的问题,提出一种新的经验模态分解算法。该算法将局部积分均值的"筛分"算法和差分经验模态分解算法的思想结合在一起。仿真结果表明,该算法的频率分辨率比基于局部积分均值的经验模态分解算法要高,分解效率要比基于差分的经验模态分解算法要高,同时在一定程度上抑制了边界效应。     

核空间聚类在图像纹理分类中的简化算法

模糊c均值聚类已广泛应用于模糊模式识别领域,但对于线性不可分数据并不适用.在核方法中通过将输入数据经过非线性映射投影到高维特征空间来解决非线性分类的问题.将传统的模糊c均值聚类算法应用于核空间中,对线性不可分的样本进行了核空间聚类的分类实验,得到了正确的分类结果.由于图像分类中分类样本(对应图像像素)数目庞大,造成了核空间聚类算法中特征距离的计算量过大.因此,在核空间聚类的基础上,提出了对图像先进行过分割,再对过分割的图像块进行核空间聚类的方法,大大降低了高维空间特征距离计算的运算成本,并取得了良好的分类效果.