Perona-Malik去噪模型扩散系数的改进

偏微分方程的去噪方法是具有显著效果的图像去噪技术,从Perona-Malik模型的扩散系数出发,对其函数性质进行分析,并提出了一种关于像素的自调节修复算子,改进Perona-Malik模型的扩散系数,使其能在消除图像噪声的同时更好地保持边缘,在一定程度上克服了边缘保持与噪声消除之间的矛盾.最后,通过实验证明了该方法的有效性.     

有压槽道流中图像处理参数对推移质运动测量结果的影响

推移质运动具有间歇性和波动性，在应用高速摄影方法进行测量时，有关参数会直接影响测量结果。在封闭槽道中进行了试验研究，定量分析了样本容量、采样历时、采样区域及相邻2帧图片之间的时间间隔（采样间隔）等参数对推移质运动测量值的影响，包括运动比例、运动速度以及单宽输沙率。结果表明，参数选择对测量结果影响很大，需要根据实验条件合理选取参数:在本研究的实验条件下，当样本容量不小于5000、采样历时不小于100s及采样面积不小于400倍粒径的平方时，统计平均结果才能收敛；同时，随采样间隔的增大，运动速度与单宽输沙率减小，而运动比例增大。研究结果可供图像处理法观测推移质运动参考。     

基于FPGA的增强Lee滤波算法设计与实现

增强Lee滤波算法能够较好地滤除影响SAR景象匹配性能的相干斑噪声,是一种非常有效的SAR图像预处理方法.为了提高图像处理算法在硬件上实现的实时性,本文根据FPGA编程特点,对增强Lee滤波计算过程进行优化,并利用硬件描述语言完成了增强Lee滤波在FPGA中的实现.实际工程应用表明,此种方法能够快速实现SAR图像相干斑...     

小波神经网络用于CCD视频序列图像去噪

CCD摄像机获取目标影像时不可避免地受到噪声影响,因此噪声去除是CCD图像处理的一项重要研究课题。本文将小波神经网络引入CCD图像去噪领域中,提出一种基于小波神经网络的图像去噪方法。实验结果表明,该方法在去除噪声上优于传统的均值滤波等方法,在有效去除噪声的同时,又能很好地保护图像的细节信息,具有很好的保真度。     

软件无线电概念及直接中频采样软件接收机方案

软件无线电是最近几年提出的一种实现无线电通信的新的体系结构，文章介绍了软件无线电的概念、特点、历史和现状，并且提出和分析了直接中频采样软件接收机实现方案。     

IMM-PF算法在机场场面移动目标跟踪中的应用研究

为了提高机场场面监视的可靠性以及监视数据的连续性,本文采用匀速运动(Constant Velocity,CV)、匀加速运动(Constant Acceleration,CA)和匀速转弯运动(Constant Turning,CT)三种运动模型,将交互式多模式算法(Interacting Multiple Model,IMM)与粒子滤波算法(Particle Filter,PF)相融合,充分发挥两种算法的优点,并结合机场地图信息分别对观测信息和估计输出结果进行修正,进一步提高机场场面移动目标跟踪的精度。仿真实验结果表明,本文提出的IMM-PF改进算法在机场场面移动目标跟踪的应用中具有更大的可行性和优越性。     

脉冲星方位误差估计的TSKF算法

为提高脉冲星方位误差估计对方位自行速度及卫星位置误差的鲁棒性和整体运算的高效性，设计了两级卡尔曼滤波（TSKF）算法。首先，分析了方位自行速度及卫星位置误差对方位误差估计的影响，并分别结合相关算法进行了仿真验证。然后，结合方位误差估计的CV模型和两级卡尔量滤波的相关原理，写出了TSKF算法的更新方程，并分析了实现并行计算的基本流程。仿真实验的数据显示:在方位自行速度及卫星位置误差均存在的情况下，TSKF算法的方位估计精度约为0.1 mas，方位自行速度估计精度约为1.1 mas/a；与基于CV模型的估计算法相比，TSKF算法的浮点运算仅增加了0.048%。      

简化DDF算法及其在单星对星无源定轨跟踪中的应用

单星对星无源定轨跟踪是典型的非线性滤波问题,其中非线性滤波算法至关重要.DDF.算法具有良好的精度与稳定性且适用范同更广,不过计算量较大.单星对星无源定轨中系统噪声通常是加性高斯的,根据这一特点对标准DDF算法进行简化.简化后加性噪声可以进行单独处理,基于此,提出一种计算复杂度更低的SD-DF算法,并运用于仅测角条件下的单星对星无源定轨跟踪.SDDF算法具有比EKF更高的精度和更好的稳定性,其性能与标准DDF相同但是计算耗时更少,特别适合于单星对星无源定轨跟踪实时处理.     

有色观测噪声下的目标跟踪问题

本文讨论了有色观测噪声下的目标跟踪问题，把观测色噪声的成形滤波器假设为ＡＲ模型，给出了估计ＡＲ模型参数的方法。本文又提出将ＡＲ模型参数估计和交互式多模型（ＩＭＭ）滤波相结合，可以很好地跟踪目标。     

基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法，敏感器数据融合前必须先修正低频误差。首先，介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次，针对传统算法的不足，提出了基于纵向滤波的低频误差在线估计算法，该算法将传统低频误差估计问题转化为若干个常值误差估计问题，提高了估计精度。最后，给出了该算法具体实施方式，说明相关参数物理意义及选取原则。通过理论分析及仿真，算法误差可忽略不计。通过在轨数据仿真，星敏感器轨道周期低频误差可被消除。