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。     

飞行器性能数据的可视化研究

随着计算机编程和计算技术的发展,数据可视化技术已广泛应用于科学和工程计算领域.本文以飞行器巡航性能数据的可视化为例,采用二维图形几何变换和曲线拟合变换实现了对飞行器性能数据的可视化.     

新一代数据采集器模拟量采集插件设计技术

数据采集器是飞行试验关键的测试设备,它的性能与现代飞机飞行试验有很大的关系.为满足现代飞机设计定型的需求,新一代数据采集器设计大量采用了FPGA和DSP器件,大大提高了采集器测量参数的采样率、通道数、测量参数类型和使用的灵活性.本文介绍的新一代采集器模拟量采集卡设计技术,用数字信号处理技术来实现信号的放大、滤波及偏置修正,并提供了对采集卡各个部分进行设计的理论依据.     

调频连续波SAR改进的频率尺度变换算法(英文)

本文提出了一种调频连续波SAR改进的频率尺度变换算法。调频连续波SAR在运动过程中持续不断地发射和接收信号,这种运动导致了回波信号的伸缩,对波前重建产生了严重的影响。推导了回波信号模型,给出了信号的距离-多普勒域表达式,分析了由于天线不断运动而导致的相位变化与方位向频率之间的关系。改进的频率尺度变换算法补偿了这种相位变化,实现了目标的精确成像,仿真结果表明了分析的正确性和算法的有效性。     

基于相关与小波变换相结合的弱信号检测

针对强噪声背景中的弱信号检测问题,在传统的相关检测方法的基础上,利用小波良好的去噪性能,提出了相关检测与小波变换相结合的弱信号检测方法。仿真结果表明,该方法优于传统的相关检测方法,无须知道有用信号的先验知识和同步信号便可以有效的检测周期性弱信号,并获得更高的输出信噪比。     

在单脉冲内利用Hough-Ambiguity变换估计目标加速度研究

根据雷达发射恒定载频信号时匀加速目标的回波为线性调频（LFM）信号的特点,研究了在单脉冲内基于Hough—Ambiguity变换（HAT）估计目标径向加速度的问题。首先,采用Hough—Ambiguity变换得到信号的调频斜率;进而,根据调频斜率估计出目标径向加速度;最后,仿真实验结果验证了方法的有效性。     

小波包变换和神经网络的某型导弹故障诊断方法研究

提出了一种基于小波包变换的残差能量方法,对导弹动态测试数据进行分析处理,提取导弹的故障特征,并在此基础上利用神经网络有效地实现了故障的诊断和定位。     

多尺度自适应直接信息采样与重构

现有的直接信息采样(Analog-to-Information Conversion,AIC)方法在压缩感知框架下,将采集和压缩过程融合,但并未充分考虑不同稀疏成分在信号重构当中的地位。针对该不足之处,提出一种多尺度自适应直接信息采样与重构算法。该算法充分考虑小波变换后的高频信号和低频信号在重构中的不同地位,实现速率自适应的直接信息采样。同时,给出变速率采样下的信号重构策略,以解决常规重构算法在速率自适应采样时失效的问题。仿真结果表明,多尺度自适应AIC系统可以获得比传统AIC系统更好的AFSNR性能。     

基于时频切片分解的时变系统参数识别

系统参数识别分为时不变系统参数识别和时变系统参数识别两大研究方向,其中时不变系统参数识 别的研究已趋于成熟,而时变系统参数识别的研究则仍然处于起步阶段。对于多自由度时变结构,提出一种基 于时频切片分解的时变系统参数识别方法。该方法采集结构的振动位移响应,根据时频分解计算得到响应在 整个时频段内的时频能量分布图;依据结构的时频分布特性,选择多个时频切片窗分解响应信号,再对分解出 的信号分别进行逆变换计算完成时域上的信号重构;重构出来的信号对应于结构的各阶模态位移响应信号,利 用Hilbert变换提取信号瞬时频率,从而识别出结构各阶频率。通过一个三自由度的弹簧阻尼质量仿真实验, 验证了该方法具有良好的识别精度和工程实用价值。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。