基于小波包分解和FCM聚类的纹理图像分割方法

提出了一种新的图像特征提取中选取最优小波分解树的方法.塔式小波分解对信号解不够全面,而小波包全分解又引入庞大的计算量,因此小波分解最优树的选取尤为重要.结合模糊c均值(FCM,Fuzzy C-Mean)聚类,提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法,该方法将无监督聚类中的聚类有效性参数引入到自适应小波分解的判决中,能根据无监督聚类分割的需要,自适应地选取小波包分解的树形结构和分解层数.相对于小波包全分解,节省了大量的运算,并能取得良好的分割效果.      

保证数控铣加工的尺寸精度

本文介绍了数控编程和数控加工中保证零件的尺寸和公差要求的方法。一种方法是用公差的中间值作为终点坐标的尺寸编程;另一种方法是用公称尺寸编程,用公差的中间值作与公称尺寸的差值作为刀补值,通过刀具补偿保证尺寸要求。     

一种基于二级变维Kalman滤波的跟踪算法

Kalman滤波器是一种高速的目标跟踪器.针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种自适应Kalman滤波算法.该算法使用两级滤波器,根据目标机动性的变化,适当的调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾.通过对仿真结果分析表明,算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值.     

Application of support vector machine combined with K-nearest neighbors in solar flare and solar proton events forecasting

The support vector machine (SVM) combined with K-nearest neighbors (KNN), called the SVM-KNN method, is new classing algorithm that take the advantages of the SVM and KNN. This method is applied to the forecasting models for solar flares and proton events. For the solar flare forecasting model, the sunspot area, the sunspot magnetic class, and the McIntosh class of sunspot group and 10 cm solar radio flux are chosen as inputs; for the solar proton event forecasting model, the inputs include the longitude of active regions, the flux of soft X-ray, and those for the solar flare forecasting model. Detailed tests are implemented for both of the proposed forecasting models, in which the SVM-KNN and the SVM methods are compared. The testing results demonstrate that the SVM-KNN method provide a higher forecasting accuracy in contrast to the SVM. It also gives an increased rate of ‘Low’ prediction at the same time. The ‘Low’ prediction means occurrence of solar flares or proton events with predictions of non-occurrence. This method show promise for forecasting models of solar flare and proton events.     

消除数据调制影响的FFT捕获方法

在利用快速傅里叶变换(FFT, Fast Fourier Transform)捕获扩频信号的过程中,为了提高捕获精度,会遇到基带数据调制影响捕获性能的问题.主要分析了基带数据符号跳变影响FFT捕获性能的原因:在频域内造成待检测信号的幅度衰减以及频点偏移.提出了一种解决此问题的方法:通过对I和Q两路信号的运算,构造一个不受数据调制影响的复信号,对此信号作FFT,完成捕获.给出了此方法的MATLAB仿真,以及基于现场可编程门阵列(FPGA, Field Programmable Gate Array)的实现方案.实验数据表明,此方法消除了基带数据调制对FFT捕获性能的影响,且在相等积分时间的条件下,比常用方法的捕获精度提高了一倍.      

弹道导弹落点精度分析与仿真方法研究

通过对影响弹道导弹的落点精度的因素分类和影响分析,提出了利用仿真技术预测和修正弹道导弹落点偏差的方法。综合诸影响因素对导弹进行全弹道仿真试验设计和分析,为改进设计提供一定的依据。     

利用微波探测仪(ATMS)对在轨微波辐射计观测精度的模拟分析

微波辐射计的观测精度及其对数值模式同化应用的影响评估是微波辐射计观测指标设计的重要参考。基于微波探测仪(ATMS)资料,利用三维变分同化系统模拟分析在轨微波辐射计的观测精度指标。针对ATMS观测误差特征,在其观测基础上增加均值为零、标准偏差分别为0.5,1.0,1.5,2.0K的正态随机扰动,进而获得不同精度的观测模拟值序列,然后利用Harris和Kelley的辐射资料偏差订正经验方法订正不同精度的观测资料。偏差订正后,利用三维变分同化模式(WRFDA)直接同化ATMS资料。通过2016年6月6h预报场的同化试验,评估了不同观测精度的模拟资料对数值模式的同化影响。     

基于交叠视场亮度优选算法的导航星库构建方法

星敏感器导航星库直接影响星图识别效率和姿态解算精度。分析了参与姿态解算的星颗数和亮度对姿态精度影响,在此基础上,提出了一种基于交叠视场亮度优选算法的星敏感器导航星库构建方法。将精度较高的Hipparcos星表作为基础星表,分析了星等、双星、自行、变星等对姿态精度的影响,将星库筛选成一个备选星库,生成覆盖全天球的交叠视场。每个拥有较多星的视场,都按照亮度优先原则从视场内的扇形区域中选择导航星,从而得到分布均匀的导航星库。结果表明:该方法能有效减小星敏感器导航星库规模,实现导航星在全天球和局部天区的均匀分布。     

自适应增量 Kalman 滤波方法

提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用.      

模糊聚类方法在PIO探测中的应用

用于驾驶员诱发振荡(PIO)探测的特征参数可以有效地反映出PIO时飞机在频域和时域的特征,利用模糊逻辑方法对特征参数进行辨识可以有效地识别出是否发生了PIO.模糊逻辑方法中的隶属函数直接反映了特征参数的特点,其设计决定了是否能有效地对PIO进行识别.为了设计有效的隶属函数,根据特征数据的特点采用球壳型模糊聚类算法对数据...