磁共振图像的一种多尺度边缘检测算法

医学图像的病灶呈弱边缘特性,用传统的边缘检测方法效果不理想。本文提出了一种改进的多尺度边缘检测算法：在传统的Mallat小波模极大值边缘检测方法的基础上,应用模糊算法构造相应的隶属函数,提取弱边缘信息,最后应用多尺度边缘融合算法将不同尺度下的边缘图像合成。实验结果表明,该方法对噪声有一定的抑制作用,可有效检测出弱边缘信息,定位准确,且检测效果明显。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,可以有效解决传统边缘检测方法中存在的高定位精度及强去噪能力之间的矛盾。     

前飞状态下旋翼桨叶气动弹性稳定性分析

研究了直升机旋翼桨叶片前飞状态下的挥舞－摆振－扭转全耦合运动的气动弹性稳定性。利用牛顿法推导出带周期系数的线性偏微分方程；用Ｇａｌｅｒｋｉｎ有限元素法离散该方程的空间变量；运用基于Ｆｌｏｑｕｅｔ理论的Ｈｓｕ近法及坐标变换－常系数近似法处理周期系数。     

子波变换平滑的混沌信号检测

将近几年兴起的子波变换、分形理论应用于带观测噪声混沌信号的检测。基于快速子波变换导出了平滑算子，将其对时序信号进行处理，并根据它在一定的尺度范围内具有标度不变的性质，利用改进的Ｇ－Ｐ算法计算其分数维数，对带有观测噪声的Ｌｏｒｅｎｚ吸引子波的混沌运动进行了检测。实验结果表明，该方法具有较好检测混沌现象的能力。     

H~2(I)空间上的多分辨分析

Sobolev空间在偏微分方程理论中占有重要的地位 ,且关于 Sobolev空间 H20 (I)的多分辨分析 (MRA)也已经被建立起来。然而在处理偏微分方程的边值问题时就显得有些不足 ,尤其是捕捉靠近边界层附近的激波。在本文中给出了 Sobolev空间 H2 (I)的尺度函数以及它们之间的双尺度关系。在其基础上可以直接建立 Sobolev空间 H2 (I)的多分辨分析 (V0 V1 … ) ,其中 Vj 是由尺度函数通过平移与伸缩得到的。最后分析了关于Sobolev空间 H20 (I)与 H2 (I)的多分辨分析关系并给出了 Sobolev空间 H2 (I)的小波分解算法。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。     

Generation of Non-Gaussian Random Vibration Excitation Signal for Reliability Enhancement Test

During environment testing, the time histories of some dynamic environments follow non-Gaussian distribution. It is always assumed that the random vibration simulated follows Gaussian distribution, because the traditional digital random vibration control system can only supply the random vibration excitation signal of Gaussian. Yo simulate the real environment of product, a method is developed in this paper that can generate non-Gaussian random signal with specified power spectrum density （PSD）, skewness and kurtosis by shot noise. In this way, non-Gaussian random vibration can be produced on traditional electrodynamic shaker. It solves the problems of spectral valley and energy shortage in low frequency on omni-axis shaker. At last, the wavelet is used to analyze the non-Gaussian signal     

一种基于语义相似度的文本聚类算法

文本聚类在很多文本挖掘和信息检索系统中发挥着重要的作用。现有的聚类算法大多数都是基于向量空间模型,文档集合中出现的单词词频作为特征项。这些算法都存在数据维数过高、聚簇难以描述的问题,而且忽略了单词间的语义联系。本文提出了一种基于语义相似度的文本聚类算法——TCU SS(Text clustering usingsem an ticsim ilarity)算法。TCU SS算法将文档表示成概念列表,有效地解决了数据维数高和聚簇描述难的问题,并给出如何利用概念列表进行聚簇描述的方法。TCU SS算法利用两个概念列表中单词间的语义相似度作为文档间相近程度的度量,并以图为基础进行聚类分析,避免有些聚类算法对聚簇形状的限制。实验证明,TCU SS算法提高了聚类质量。     

基于非线性复扩散和小波的图像去噪方法

基于偏微分方程和小波的图像去噪方法是目前图像处理的两大发展主流。提出了一种非线性复扩散和小波相结合的图像去噪方法。首先,根据小波变换的特性,把图像分成低频分量和高频分量两部分,然后根据这两部分图像的不同特点,结合非线性复扩散方法对图像去噪,最后把两部分图像融合成一幅图像。实验结果表明了方法无论是客观标准还是视觉效果上都优于非线性复扩散。     

基于小波包分析的转子振动信号故障特征提取研究

针对处理转子振动故障时,FFT等传统方法不能很好地分析同一频率下不同类型故障并发的复杂信号的情况,提出采用小波包分析的方法并分离故障特征向量。通过对比FFT与小波包分析方法,可以明显看出小波包分析的先进性和有效性。     

二元高超声速进气道不起动状态的信号特征及预警

 对高超声速进气道的不起动进行了研究,首先给出了某二元高超声速进气道由起动到不起动全过程的壁面压强信号历程,并利用短时傅里叶变换(STFT)和小波变换(WT)方法对不起动过程中壁面压强信号的时-频特性进行了分析,然后采用累积和(CUSUM)和最大似然比(GLR)变化检测算法,对高超声速进气道的喘振现象进行了预测。研究结果表明,高超声速进气道喘振发生时,壁面压强信号的时-频特性存在显著改变,能量谱密度(PSD)分布出现了有规律的集中,其基频在200～340 Hz范围,并随着堵塞度(TR)的增加而增加。另外,在喘振发生前,进气道收敛段的下壁面附近存在大尺度的分离包,其有规律的尺度变化和前后移动导致了明显的壁面压强脉动特征,因此可作为一种前兆来预测喘振现象的出现。在本文条件下,两种变化检测算法均可在大喘发生前约220 ms发出警报,表明了该喘振预警思路的可行性。