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.      

某型涡扇发动机状态模型修正

为了针对每一台发动机建立准确的气路故障诊断模型,采用部件法建立了某型涡扇发动机的基准数学模型,分析了模型失配的原因,确定出需要修正的特性参数,采用小波分析实现对可测参数数据的预处理,通过求解所建的扩展非线性方程组完成了发动机模型的离线修正。经仿真验证该算法有较高精度,且易于工程实现,为建立准确的稳态气路故障诊断方程奠定了基础。     

一种鲁棒的图像小波变换模拟编码传输方法

在复杂度和延迟受限或者可变信道条件下,由于通信系统的一体化设计,信源信道联合编码(JSCC, Joint Source-Channel Coding)技术的应用有助于改善传统的分离结构系统.针对带宽功率限制模拟信道,提出了一种结合了小波变换编码和香农映射信源信道联合编码的静止图像模拟编码传输方法;并基于更加合理的考虑了信道噪声的重建图像失真估计,提出了相应的联合优化带宽分配算法.仿真及分析表明,由于信源信道的联合优化及具有模拟编码传输的特点,该方法表现出良好的编码传输性能,且编解码复杂度和延迟小;同时在信道失配情况下表现出的柔性降级/改善特性有助于提高可变信道条件下系统的鲁棒性和信道带宽利用率.      

基于小波的能源消费弹性系数预测方法

能源消费弹性系数反映了一个国家能源消费增长速度与国民经济增长速度之间的比例关系,是衡量一个国家能源利用效率的重要指标。鉴于数据中存在较多的噪声,首先用小波分析方法对数据进行滤波,然后用滤除了噪声的数据作为输入变量,用支持向量回归方法建模,并预测未来10年我国能源消费弹性系数变化的规律。实际数据检验表明,该预测方法还是可行的。     

飞行器助推段振动环境分析

对飞行器助推段非平稳随机振动信号采用局部平稳模型进行分析,把此段非平稳随机信号的时变谱分解成2个独立的过程:决定时变均方值的确定性过程和决定频率特性的平稳随机过程.利用小波分析对确定性信号和随机信号进行分离,用信号的全部带宽计算非平稳信号的时变均方值,缩短了平均时间,减少了偏置误差;用信号的整个持续时间确定非平稳信号的谱特性,提高了频率分辨率,减少了随机误差.对分离出的平稳随机振动自功率谱密度进行了归纳,得到了飞行器助推段的振动环境.      

基于小波分析的缩减湍流数据采集量的新方法

由于湍流实验的数据采集量的大小通常没有准则,实验中为了降低偶然事件的影响通常都使用较大的数据量,从而在数据的采集、存储和后处理过程中都造成资源和时间的浪费.笔者根据小波分析所具有的良好的时频双局域性的特点,在文献[4,5]的基础上,配合统计学方法,在理论上提出了以小波方法缩减湍流实验数据采集量和某些流场计算方法计算量的方法.以使用小波方法分析湍流边界层的湍动能方法为例,证明了这种方法的合理性和可行性.     

基于N-S方程的悬停旋翼桨叶气动干扰数值模拟

采用基于N-S方程的CFD方法,通过计算前后平行放置的双翼和三翼的干扰流场,对悬停状态旋翼桨叶之间的气动干扰机理进行了数值探讨;在此基础上,进行了2种桨叶片数、2种桨距及2种桨尖马赫数情况的旋翼悬停流场对比计算,模拟它们对旋翼气动性能和桨叶间气动干扰作用的影响,得到一些与工程实际吻合的现象和结论。     

投入产出理论中两种消耗系数关系的新推证

从随机过程中状态转移矩阵的概仿出发，对投入产出理论中从直接消耗系数Ａ求得完全消耗系数矩阵Ｔ，提出一种新的推证方法，证明了Ａ与Ｔ之间的数量依存关系。     

连续型和非连续型蜂窝芯材的共振吸声结构性能研究

以芳纶纸蜂窝、内嵌树脂隔板和微穿孔面板为原料,制备了连续和非连续双自由度共振吸声结构,对两种共振吸声结构的力学性能和吸声系数进行对比研究。结果表明：连续蜂窝芯材所制备共振吸声结构的压缩和拉伸性能高于非连续型共振吸声结构,其中非稳定型压缩强度和拉伸强度高19%,稳定型压缩强度高32%,稳定型压缩模量高43%,剪切性能基本相当;两层蜂窝芯材容易出现孔格错位（非连续型共振吸声结构）,引起错位区域的微孔堵塞,使该结构的共振吸收峰与理论值出现较大差异。     

SAR图像舰船目标边缘检测

提出了一种在正则化基础上,利用小波变化实现合成孔径雷达(SAR)图像舰船目标边缘检测的新方法。传统的利用小波变换实现图像边缘检测时,阈值需要人为设定。针对这一问题,文章引入正则化超分辨技术,从贝叶斯框架下的估计问题出发,采用非二次正则化,平滑图像,保护强散射点目标,实现对 SAR图像进行去噪。利用小波变换的局部化特性和多尺度分析能力,检测突变信号,实现对舰船目标的边缘检测。该方法去噪效果好,边缘 定位准确,仿真结果表明了算法的有效性。