基于广义模糊熵的液体火箭发动机故障检测研究

定义了系统状态的广义模糊熵及其计算公式，即当前时刻滑动数据窗口上聚类结果的我模糊度，给出了滑动数据窗口中采样数据矢量方向分布中心的离散度定义及其与广义模糊熵之间的负指数关系，并基于该离散度概念对自适应窗口滤波器进行了改进，提高了滤波器对噪声对敏感度，从而进一步提高了基于自适应窗口滤波器的故障检测算法对强干扰噪声的鲁棒性。本文基于受强噪声干扰的实际试车数据，采用模糊Ｋｏｈｏｎｅｎ聚类网络（ＦＫＣＮ）     

一种FAKF算法及其在惯性/多普勒组合导航中的应用

研究了一种模糊自适应卡尔曼滤波器(FAKF),并将其应用于惯性/多普勒组合导航中,以解决量测噪声时变导致滤波精度下降的问题.模糊自适应卡尔曼滤波器将模糊控制理论应用于卡尔曼滤波,通过新息来调节量测噪声的方差矩阵,使其与实际的量测方差相匹配,达到最优估计的目的.机载试验数据的离线仿真表明,FAKF能够较好地适应量测噪声时...     

一种基于改进高斯滤波器的水平集停止项函数

水平集算法为了克服噪声对其演化过程的影响,通常在速度停止项中使用高斯滤波器。但高 斯滤波器在滤除噪声的同时也模糊了图像的边缘,而水平集是一种以边缘力为演化动力的算 法,因此以模糊图像的边缘力为演化动力通常使传统水平集算法产生错误的分割结果。为此 ,对水平集函数的速度停止项进行了改进。首先,改进后的速度停止项函数使用一种新的高 斯滤波器,该滤波器通过在x和y方向上选用不同的高斯尺度,从而使滤波器在去噪 时较好地保留图像边缘等重要信息。接着,对新高斯滤波器长轴和短轴的尺度估计方法进行 了研究。最后,再将本文的速度停止项带入到水平集演化方程中,对图像进行演化运算。实 验结果表明,采用此方法能够使水平集方法获取更好的分割结果。     

一种基于模糊遗传算法的图像分块恢复方法

针对遗传算法进行图像恢复时运算复杂度高的问题,提出一种基于模糊遗传算法的图像分块恢复方法。将大尺寸的灰度退化图像均匀划分为若干子图块,对各子图块依次采用遗传算法进行恢复,并将其直方图统计数据输入模糊逻辑控制器自适应地调整适应度函数的参数、适应度拉伸时的退火初始温度、交叉概率和变异概率,最后将恢复后的子图块重组为整幅图像并对因分块所造成的边界噪声进行相应处理。仿真结果表明,该方法可有效降低遗传算法进行图像恢复的复杂度,恢复图像的质量也较维纳滤波法和传统遗传算法有明显提高。     

基于模糊自适应卡尔曼滤波算法的多传感器信息融合

联合滤波器各子系统量测噪声统计特性发生变化时,标准卡尔曼滤波算法由于无法实时检测和调整,使得估计误差增大,最终导致融合后估计误差随之增大.本文针对该问题提出使用模糊自适应滤波代替标准卡尔曼滤波,形成模糊自适应联合卡尔曼滤波信息融合算法.新算法应用模糊推理系统不断的在线调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼...     

改进模糊马尔可夫随机场的SAR图像分割

模糊马尔可夫随机场利用模糊隶属度函数解决了马尔可夫随机场过于依赖灰度值的弊 端,然而在模糊马尔可夫随机场的分割中采用的是硬性基团和边缘判断准则,模糊分类使得 这些判断条件更加难以满足,从而图像分割中容易产生边缘分割错误的现象。改进模糊马尔 可夫随机场是在分段模糊马尔可夫随机场中引入模糊意义的后验概率公式及基团和边缘类型 “模糊相似性”概念,通过对不同基团和边缘类型的模糊相似性描述与判断,使得图像分割 对于边缘的判断和噪声的抑制具有更好的效果。仿真实验表明改进模糊马尔可夫随机场对于 边缘特别模糊的合成孔径雷达图像（SAR）具有较好的分割效果。     

基于非负支持域递归逆滤波技术的湍流退化图像复原算法

在常规图像复原算法中,成像系统的点扩展函数和观测噪声被认为是先验信息。当飞行器在大气层内高速或超高速飞行时,会产生气动光学效应,严重影响成像制导系统的成像质量,在这种情况下,降晰函数和观测噪声是未知信息。为有效复原湍流退化图像,提出了基于非负支持域递归逆滤波技术的湍流退化图像复原算法,该算法可同时辨识递归滤波器的参数。非负支持域递归逆滤波技术适用于视场背景为单一的黑色、灰色或白色并且支持域确定的目标图像的复原及相应滤波器参数的辨识。提出的算法首先将湍流退化图像通过一个空域高通有限脉冲响应滤波器,以滤除部分因噪声引起的模糊信息,然后将首次滤波后的图像进行递归逆滤波,同时共轭梯度算法用于最小化非负支持域递归逆滤波凸集价格函数。该算法用于复原风洞测试图像,实验结果表明,复原效果有明显的改进。
     

遥感图像运动模糊恢复方法及评价标准研究

遥感成像系统与目标在曝光时间内的相对运动将导致成像的运动模糊。文章结合匀速直线运动造成的图像模糊特点,讨论图像模糊的产生机理并建立相关退化模型;利用点扩散函数（PSF）在频率域和空间域上分别对匀速直线运动产生的模糊图像进行恢复;验证各算法对高斯噪声的抗干扰性;提出使用HVS对比度的方法作为客观评价标准验证恢复算法的可行性,并与传统的灰度平均梯度（GMG）相对比表明该评价标准的合理性。     

基于天线方向图优化设计的星载双基地SAR模糊抑制方法

由于小卫星接收天线面积受限，星载双基地SAR图像的模糊比与传统大卫星SAR相比有较大幅度的提高。在研究了星载双基地SAR模糊特殊性的基础上，利用模糊功率在发射天线方向上强度分布的先验信息，以本文定义的信号模糊噪声比（SANR）为优化目标，推导出最优天线阵权矢量。用实际卫星参数进行了仿真，结果表明基于最优天线阵权矢量的天线方向图可有效地抑制模糊功率，改善总模糊比最多可达15dB。     

基于天线方向图优化设计的星载双基地SAR模糊抑制方法

由于小卫星接收天线面积受限,星载双基地SAR图像的模糊比与传统大卫星SAR相比有较大幅度的提高.在研究了星载双基地SAR模糊特殊性的基础上,利用模糊功率在发射天线方向上强度分布的先验信息,以本文定义的信号模糊噪声比(SANR)为优化目标,推导出最优天线阵权矢量.用实际卫星参数进行了仿真,结果表明基于最优天线阵权矢量的天线方向图可有效地抑制模糊功率,改善总模糊比最多可达15 dB.     

基于BP算法的模糊神经网络研究

提出了一种基于模糊集合与前馈神经网络结合的神经网络。这种模糊神经网络（ＦＮＮ）在处理模糊特征时，能较好地反映出输入值和输出值的隶属度关系。应用经典的ＢＰ算法对网络进行训练，为了加快网络的学习过程，我们介绍了一种调整权值和阈值的学习方法，并且采用了Ｃ语言编制软件，实验结果表明，ＦＮＮ技术是一种新颖、有效的方法，能促进智能神经网络的发展。     

基于Sigma方法的SAR图像斑点噪声滤波器

文章基于传统Sigma滤波器,提出了一种新的SAR图像滤波方法。首先,分析指出传统Sigma滤波器处理复合噪声和保持弱边缘的能力较弱的缺点。然后,改进Sigma滤波器的δ-条件,使之更加适应复合噪声分布条件下的SAR图像滤波。提出了灰度中心偏移的Sigma滤波（GCOSF）,增强Sigma滤波器保持弱边缘的能力。在GC...     

基于贝叶斯估计的非平稳SAR图像自适应小波滤波

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法，将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数，具有自适应能力。分析了噪声在小波变换域中的分布和统计特性，用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中，将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明，本文的方法能对非平稳SAR图像进行更有效的滤波。     

基于模糊控制的组合导航算法

文章提出一种根据信号残差（新息）对导航信息进行自适应噪声协方差调整的算法,由此得到导航参数的最优状态估计。其中重点研究了模糊控制对滤波器的动态调整,建立模糊滤波控制的模型,并与传统卡尔曼算法进行比较。仿真结果表明,基于模糊控制器的卡尔曼滤波器很好地限制了数据的发散,并在很大程度上提高了系统的稳定性。     

基于小波分析的SAR图象数据压缩与噪声抑制综合技术

本文给出了一种基于小波分析方法的数据压缩与噪声和抑制综合技术，它具有运算简便，能在保持原图精度的同时有效地降低斑点噪声影响的优点。更重要的是，它将噪声抑制与数据压缩过程同时进行，在对ＳＡＲ雷达图象的处理上取得了良好的效果。     

一种新的非线性干涉SAR噪声抑制方法

现有的常用于干涉SAR相位图噪声抑制的非线性滤波法主要有模糊中值滤波和模数滤波，这两种方法都会引起比较大的图像边缘模糊，从而降低后续处理的精度。邻域平均法是一种非常经典的图像降噪方法，它具有较好的边缘保持特性。论文结合干涉SAR相位图的特性，改进了邻域平均法的邻域甲均值计算公式，有选择地利用邻域平均值代替当前像素点的值，提出了一种适用于干涉SAR相位图降噪的新的非线性滤波方法一条件邻域平均法，它具有更好的边缘保持特性。在理论分析和比较条件邻域平均法与模糊中值滤波和模数滤波方法的基础上，采用ERS1／2干涉SAR数据对论文提出的方法和所作的分析进行了验证。     

基于再励模糊神经网络的三轴稳定卫星姿态智能控制

将再励学习引入模糊神经网络的T-S模型,建立了模糊神经网络控制器和控制评估网络的再励学习算法,并应用于三轴稳定卫星的姿态控制。这种再励模糊神经网络不需要精确的卫星数学模型和学习样本,通过再励学习实现控制网络/评估网络参数的在线调节,具有比较强的适应性和学习能力。仿真结果表明,这种智能控制方法可以有效解决卫星的模型不确定性问题,提高了卫星姿态控制的精度和鲁棒性。     

SAR图像伪加性相干斑噪声统计特性

研究了SAR图像加性模型中伪加性相干斑噪声分量的统计特性。分析了SAR图像中真实信号分量和乘性相干斑噪声分量的统计特性;在此基础上结合Edgeworth展开式和以Mellin变换为基础的第二类型特征函数及其对数累积量详细推导了伪加性相干斑噪声概率密度函数的近似表达式;各信号分量的概率密度函数中的参数采用对数累积量方法进行估计。最后利用SAR实测数据仿真分析了伪加性相干斑噪声的统计特性。实验结果表明,乘性的相干斑噪声转换为加性噪声后,其统计特性非常接近于高斯分布。     

基于高阶谱约简的变结构模糊神经网络

针对先验知识不完备和不确定的情况下海量数据造成的冗余和互斥，模糊神经网络结构变得复杂化并不能很快逼近和分类输出对象的情况，提出了一种基于高阶谱完成规则约简的变结构模糊神经网络的模型。相同结论属性的模糊规则的条件属性值可以被认为是由若干个谐波成分组成的平稳信号，并且此信号可以采用高阶谱分析来估计其谐波成分，规则的最小约简集与谐波对应。在完成了谐波估计后，神经网络结构和连接权值发生改变，神经网络的性能也得到优化。最后给出了此模型在航迹融合中应用的一个例子，得到了较好的结果。     

高分辨率SAR图像相干斑噪声抑制方法

文章主要提出了一种新的基于小波变换对高分辨率合成孔径雷达（SAR）图像相干斑噪声抑制的算法。首先从SAR图像相干斑噪声产生的机理出发,论述了通过传统的滤波方法．在抑制高分辨率SAR图像的相干斑噪声的同时损失了大量的边缘信息和纹理细节而采用小波变换降噪的优越性和必要性;其次详细地论述了在小波域中如何利用高频局部的统计特性和分解尺度大小来选取滤波窗口尺寸进行滤波;最后通过实验结果说明了此方法比采用传统的固定窗来实现对高分辨率SAR图像的降噪、保留边缘信息和纹理细节有着更好的性能。