翼型湍流尾缘噪声半经验预测公式改进

改进了传统的翼型湍流边界层尾缘噪声BPM半经验预测公式。传统的BPM半经验湍流边界层尾缘噪声预测公式对高攻角和厚翼型在高频范围的预测结果大于实验结果,通过分析比较传统BPM半经验预测公式和Howe翼型尾缘噪声理论模型发现:这主要是由于传统BPM半经验预测公式对压力面声源噪声辐射高估引起的。因此将压力面声源噪声辐射与吸力面声源噪声辐射的幅值比由原来的边界层位移厚度一次方比值改进为二次方比值,进而得到了改进后的BPM半经验预测公式;使用改进后的BPM半经验预测公式对NACA0012翼型在不同来流不同攻角下的噪声辐射进行了预测比较,发现对于NACA0012翼型,改进后的BPM半经验预测公式具有较高精度;另外也预测了较厚的风力机翼型DU-96-W-180,预测结果明显改善。     

一种经济型测量传声器的改装、校准及应用

基于一种消费电子类的麦克风设计改装了一种经济型测量传声器,并设计了校准实验装置对其进行校准.对校准实验装置的可靠性进行了验证,利用该装置对自制传声器的幅值、相位进行了校准,将校准后的传声器安装在实验室的流管实验装置上进行测量,并和B&K(Bruel&Kjaer)公司的4938型传声器同样条件下的测量结果进行比较,对比结果显示自制传声器经过校准以后可以作为测量传声器应用.      

CFD中数值耗散和延伸边界对声传播的影响

对已知色散关系的正弦波在二维管道中的传播使用有限体积法进行计算,结果表明二阶精度下每波长40个左右的网格点能够有效地保留声波.在计算域外增加稀疏网格延伸段能够对边界反射起到抑制作用,为以较小的计算量增加实现较好的反射抑制效果,研究给出了延伸段长度和网格轴向尺寸的推荐公式.      

基于立体视觉的板料成形极限应变测量关键技术及其系统

 设计并实现了一种基于双目立体视觉和数字图像相关方法的板料成形极限应变测量系统—BOSAS(双目视觉应变测量分析系统),对其中的关键技术作了深入讨论。该系统可以克服传统坐标网格方法很难进行变形过程的动态监控、自动化程度不高等局限,并可计算试件各变形阶段全场应变分布,以及重建不同变形时刻下试件的几何外形。将分段位移传递法和有限应变理论相结合,可计算大变形下的极限应变。对深冲铝板6016以及航空铝板2A12-T4、2A12-O、7B04-O等材料的应变测量结果显示本文方法适用于板料成形三维变形及极限应变的测量,并将测得数据与由坐标网格方法测得的数据进行比较,结果表明本文方法测量准确、可靠。     

一种基于子空间的OFDM系统半盲信道估计

提出了一种可用于色噪声背景的基于子空间的改进半盲信道估计算法。根据正交频分复用（OFDM）系统模型,利用所获色噪声背景的噪声向量与信道冲激响应矩阵的正交性估计信道冲激响应,给出了算法的步骤。仿真结果表明：算法有较好的收敛性和稳定性。     

微处理器中含噪热传感器位置分布优化方法

高性能处理器普遍集成热传感器,采用动态热管理技术对芯片实施连续热监控。然而,由于实际芯片中的模拟或者数字热传感器不可避免伴随噪声,使动态热管理的可靠性受到很大影响。因此,为了提高热监控的精确性,本文运用主成分分析（PCA）技术对原始热图像样本矩阵进行降维近似处理,并结合矩阵扰动分析提出基于模拟退火算法的热传感器位置分布优化方法。实验结果表明：该方法比现有的贪婪算法在热重构误差、信噪比（SNR）和误警率等性能方面有了一定提高,能够有效运用在动态热管理中实现精确的热监控。     

超流体物质波干涉陀螺仪的噪声研究

 陀螺仪的精度与其噪声密切相关,为开发新型高精度的超流体物质波干涉陀螺仪,必须对其噪声进行系统研究。根据超流体陀螺噪声产生的机理,分析了该陀螺噪声的来源,并把超流体陀螺的噪声类型归纳为:热、锁定值波动、温度波动、频率波动和检测元件等。在建立了各噪声数学模型的基础上,利用超流体陀螺通用的参数,对其噪声进行了分析。分析结果表明:热噪声与陀螺的结构参数和工作参数相关,与被测角速度无关;锁定值波动噪声只与结构参数相关;其他噪声与结构参数、工作参数和被测角速度都相关;检测元件、频率波动和锁定值波动噪声是构成超流体陀螺输出噪声的主要因素;在角速度变化量的范围内,超流体陀螺的输出噪声非线性变化,在1 Hz的带宽下,其变化范围为-7到-6次方的数量级。     

基于CUDA的椒盐噪声自适应中值滤波算法

针对传统中值滤波算法的优缺点,结合椒盐噪声的特征,提出了一种有效的自适应中值滤波算法。首先依据椒盐噪声的特征,将图像像素分为噪声和信号,然后根据窗口内噪声点的个数自适应地确定滤波窗口的尺寸,仅对噪声像素进行中值滤波。但随着噪声密度和图像规模的增大,在CPU上执行的时间显著增加。分析并利用图形处理器(GPU)的并行处理特征,并在CUDA平台中实现了算法。实验结果表明,所提出的算法能够有效地去除椒盐噪声、保留边缘和细节,并且能显著缩短计算时间,随着噪声密度和图像规模的增大,最大加速比达到6 000倍。     

Particle flters for probability hypothesis density flter with the presence of unknown measurement noise covariance

In Bayesian multi-target fltering,knowledge of measurement noise variance is very important.Signifcant mismatches in noise parameters will result in biased estimates.In this paper,a new particle flter for a probability hypothesis density（PHD）flter handling unknown measurement noise variances is proposed.The approach is based on marginalizing the unknown parameters out of the posterior distribution by using variational Bayesian（VB）methods.Moreover,the sequential Monte Carlo method is used to approximate the posterior intensity considering non-linear and non-Gaussian conditions.Unlike other particle flters for this challenging class of PHD flters,the proposed method can adaptively learn the unknown and time-varying noise variances while fltering.Simulation results show that the proposed method improves estimation accuracy in terms of both the number of targets and their states.