基于图像质量度量准则的空间目标平动补偿

为了获得空间目标的微动信息,需要对雷达回波中的高速平动分量进行精确补偿。针对空间目标高速运动对微动信息提取的影响问题,首先分析了空间目标平动对微多普勒频率的调制影响,得到目标高速平动,特别是平动加速度、平动加加速度对微多普勒频率趋势性调制现象将干扰微多普勒频率提取的结论。在此基础上,利用目标平动直接导致目标多普勒频谱展宽的特点,提出了一种基于图像质量度量准则的空间目标平动参数估计方法,并根据估计出的平动参数实现运动补偿。最后,采用空间目标多散射中心模型,进行平动补偿分析,仿真结果验证了该方法的有效性。     

小波变换与SVD结合的射频信号消噪方法

射频信号因具备空间远距离传输特性被广泛应用于航天测控等领域,但空间磁场、信道、设备元器件等会引入大量噪声干扰,对射频信号的传播及后续分析处理造成影响。而目前关于射频信号消噪的研究很少,针对此问题,对比研究了传统滤波器消噪、小波阈值法及SVD(Singular Value Decomposition,奇异值分解)法在射频信号消噪方面的应用,仿真分析了各算法对有用射频信号的提取效果,从而发现3种方法均能起到噪声抑制的作用,但是,滤波器法明显会降低信号能量,小波变换法易使重构信号失真,而SVD法则运算时间较长。为此,提出将小波阈值法与SVD相结合,用于射频信号消噪。再通过比对各方法消噪的性能指标,验证了将2种方法结合,可有效提高运算效率及噪声抑制能力。     

一种基于纹理特性的自适应彩色图像水印方法

根据人眼的视觉系统特性,结合二维离散小波变换的多分辨率分析特性,纹理特性,提出一种小波零树结构的自适应彩色图像水印嵌入算法。该算法精选小波零树,对重要小波系数进行分类。并根据人类视觉特性和纹理特性,对不同类采用不同的嵌入方法。实验结果表明:该文提出的算法有较强的抵抗JPEG压缩攻击能力,并且对噪声、滤波、剪切等图像处理操作也取得了良好的鲁棒性。     

方坯叶片电解加工过程的模糊控制方法

采集方料毛坯叶片电解加工整个过程的电流信号,用小波变换法对信号进行降噪处理,得到一条电流随间隙减小而呈增大趋势的光滑曲线。设计了一种二维M andan i型模糊控制器,以所得光滑电流曲线作为标准曲线,以加工电压的增量为模糊控制器输出,控制实际加工电流,使其在多种扰动下跟踪标准电流曲线。在M atlab的S im u link模块中,通过对由模糊控制器和电解加工系统组成的联合模型进行仿真试验,整定模糊控制器的3个增益参数。仿真试验表明,该方法可使电解加工系统较好地重现预设的加工过程,实现对电解加工全过程的控制。该方法也可以应用于其他类型的电解加工过程控制。     

基于小波神经网络的无叶扩压器失速分析

用来自不同文献的实验数据作为样本,对小波神经网络进行训练,并利用训练好的神经网络研究叶轮和扩压器几何尺寸对无叶扩压器失速的影响.计算分析结果表明:几何尺寸对于宽、窄扩压器失速的影响表现不同,这也证明了不同宽度的扩压器的确存在不同的失速机理.文章的结果,对无叶扩压器的设计具有一定的借鉴意义.      

沟槽壁湍流多尺度相干结构实验研究

应用热线测速技术,对沟槽壁面平板湍流边界层的减阻机理进行了实验研究.测量了风洞中并排放置的沟槽壁面平板及光滑壁面平板湍流边界层在不同雷诺数下不同法向位置的瞬时流向、法向速度分量的时间序列信号.运用流向速度分量信号的多尺度子波系数辨识壁湍流多尺度相干结构,用条件采样和相位平均技术提取了壁湍流多尺度相干结构喷射和扫掠时流向速度分量、法向速度分量和雷诺应力分量的相位平均波形.分析了沟槽壁面平板及光滑壁面平板湍流边界层中多尺度相干结构的持续时间、条件相位平均波形等特征.对沟槽壁面平板及光滑壁面平板湍流边界层多尺度相干结构的多种统计平均特征进行了比较,从壁湍流多尺度相干结构控制的角度研究了沟槽壁面平板湍流边界层的减阻机理.      

分形理论和小波在脉象识别中的应用

首先介绍了运用现代科学对脉象分类的意义和传统的脉象分类方法,尔后提出利用分形理论提取脉搏信号的分数维和基于小波变换的多尺度空间能量分布特征作为波形的重要特征,用于脉象分类识别.利用这些特征矢量用BP神经网络对实测的脉象数据进行了分类,取得了令人满意的分类正确率.通过两种提取方法相比较,盒维数方法更简单易行.     

词汇、短语和句式层面上否定构式翻译的认知研究

为了进行翻译创造性的认知研究,分析归纳了词汇形态、短语、句式的语言不同层面的否定构式类型,运用了构式和词汇(词干)的双向互动理论、构式压制理论、心理空间理论、交互主观性理论、认知隐喻理论,融合了构式语法和认知语言学理论于翻译研究中,揭示了翻译创造性研究与人们的认知思维、心理表征和语境密切相关,拓宽了翻译的认知研究范围,为构式语法和认知语言学理论融合互补于翻译研究,提供了借鉴方法。     

State and disturbance estimation for test masses of drag-free satellites based on self-recurrent wavelet neural network

In recent years, the drag-free satellites have been widely used for some fundamental physical experiments, such as checking short-range effects of general relativity, geopotential determination and the exploration of static ocean current. And the space-borne detector of gravitational waves is one of the important applications for drag-free satellites in the future. In this study, the estimation of relative motion state and disturbance for test masses of drag-free satellite after release are researched. Firstly, the relative motion model between the test masses is established based on corresponding reference frames. Secondly, a self-recurrent wavelet neural network estimator is designed to estimate the pure gravitational relative motion state and disturbance for the test masses, and the sliding mode controller is used to transfer the relative motion state to the ideal state. Finally, the proposed estimation methods are verified by the simulation results.     

基于加速度频响函数小波分解的模型修正方法

为提高模型修正效率，满足修正方法对于实测环境噪声的鲁棒性，将Kriging模型和小波分解引入加速度频响函数模型修正。首先，将加速度频响函数进行小波分解，用得到的第1层幅值较大的小波系数来表征原频响函数。其次，采用拉丁超立方抽样对初选待修正参数进行设计，根据设计结果对各参数进行灵敏度分析，从而确定模型修正的待修正参数，以待修正参数作为Kriging模型输入，所对应的小波系数作为Kriging模型输出，通过混合灰狼算法寻得最优Kriging模型相关系数，建立精确有效的Kriging模型。最后，以目标加速度频响函数小波分解的小波系数与Kriging模型输出的小波系数差值最小为目标，通过水循环算法求解模型待修正参数。数值算例表明，所提模型修正方法具有良好的修正效果，即使在加速度频响函数中加入信噪比为5 dB的高斯白噪声时，修正误差也低于4%，证明了该方法对于随机噪声的鲁棒性。