用自适应小波神经网络辨识动态实验数据

在气动动态实验中，往往飞行器气动模型是非线性的，很难对动态系统进行正确建模，因此无法得到准确的气动参数值。而采用自适应小波神经网络，无需对该动态系统建模，就可准确地辨识出气动动稳定特性，同时，精度较高、收敛速度较快。采用该方法对某导弹模型风洞自由飞实验结果进行了辨识与动稳定性分析，结果表明用自适用小波神经网络辨识安全可靠。     

基于分形特征和Hough变换的海天线检测算法

海天线检测是研究成像型反舰导弹末制导技术的一项重要内容。首先深入地探讨了海空背景下的海天线检测问题,然后提出了基于分形特征和Hough变换的海天线检测算法。实验表明,算法精度高,可以有效地检测出复杂海空背景下的海天线,为进一步应用(如目标识别、图像配准)奠定了良好的基础。     

连续小波变换应用于密集模态参数识别

用连续小波变换方法进行模态参数识别时,减小小波函数的带宽可以提高小波变换的频率分辨能力,但同时也会增大边沿效应,影响密集模态参数识别的精度。本文提出了极值位置方法,在模态耦合严重的小波脊附近,找到模态解耦最好的尺度,在此尺度上进行频率和阻尼的识别,可以获得较好的识别精度。使用Morlet小波函数,对GARTEUR飞机模型中的三阶密集模态进行识别,验证了该方法的有效性。     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快     

图像序列直线提取和匹配时Hough变换的应用研究

本文利用Hough变换的点线对偶性,将对图像序列中的特征直线的匹配转化为在参数空间中对特征点运动轨迹的参数估计,设计采用卡尔曼滤波器对运动目标进行初步跟踪,通过建立模板与图像的匹配相关系数判定搜索到的特征点的精确坐标。实验结果表明,该方法具有较好的跟踪结果。     

导弹发射装置的总体设计方法(英文)

提出了一套新型导弹发射装置的总体设计方法 ,对其中的重要问题加以讨论并指导新型导弹发射装置的研制 ,为新型导弹发射装置的设计提供依据。导弹发射装置总体设计涉及的内容包括 :导弹发射装置技术指标的分配 ,国外引进的导弹发射装置的实体建模、气压传动装置的设计、弹射机构装置的设计、导弹发射装置的可靠性预测及导弹发射装置的实验研究。本文将就这几个问题展开深入研究。     

非线性逆在ASTOVL控制系统中的应用

研究了先进短距起飞垂直着陆飞机（ASTOVL）的飞行／推进控制系统的控制律，基于解和掌握气动舵面和推力矢量舵面控制下的飞机数学模型，应用非线性动态逆理论，为ASTOVL飞机从巡航到悬停阶段的飞行，设计了推力矢量控制器和俯仰控制器，以合理地分配飞机上的力和力矩，使得俯仰姿态速度和法向速度的控制在推进系统性能包括线范围内是近似线性和解耦的，最后以ASTOVL飞机悬停阶段的数字仿真曲线为例，证明了所设计的两个控制器是可行的，基本上达到了设计要求。     

二维小波变换及其在医学图像处理中的应用

介绍了二维离散小波变换的一般形式，在图像分解的基础上．分析了二维小波变换在医学图像消噪和图像增强中的应用，同时给出应用实例。结果表明，应用小波分析进行医学图像处理，能够有效地改善图像质量，有利于医生对病情的诊断和治疗。     

谐波信号的通用频谱校正算法在回转机械监测中的应用

分析了常规FFT谱由于能量泄漏和栅栏效应,不能获得简谐振动信号精确幅值、频率和相位的原因。针对现有校正频谱方法的不足,提出了基于黄金分割的通用频谱校正算法。经仿真实例验证,该方法具有计算量小、校正精度高、适应面广的特性。经过回转机械启动实例分析,该方法能得到准确的临界转速、升速曲线和幅频响应曲线,为回转机械的瞬态行为分析提供了新的手段。     

光学傅里叶变换轮廓术的新型改进方法

针对传统光学傅里叶变换轮廓术(FTP)在测量表面形状复杂、曲率较大的物体时其条纹频谱存在混叠,无法获得被测物体表面准确的轮廓信息这一缺陷,在总结分析了窗口FTP、伸缩窗口FTP的基础上,提出了自适应窗口FTP.并对这3种改进型FTP的测量精度作了对比分析,证明自适应窗口FTP的测量精度最高,比传统FTP提高了近100倍.改进后的FTP可广泛应用于工业、生物医学、航空航天等领域.