基于可调品质因子小波和簇稀疏增强的磁异常信号特征提取研究

在磁异常信号目标探测中,由于存在背景噪声的干扰,导致采集到的磁信号中的有用特征极其微弱,从而极大地增加了特征提取的难度。文章提出了一种基于重叠簇收缩算法的可调品质因子小波变换的稀疏特征提取方法。与传统的固定品质因子值相比,该方法可根据信号的振荡特性调整品质因子,从而有效地诱导稀疏;此外,重叠簇收缩算法可有效地从具有簇特性的信号中提取微弱特征,从而增强特征的提取精度。经工程验证,将该方法应用于磁异常信号特征提取,可从复杂背景干扰信号中精确地提取出有用的稀疏目标特征。     

一种基于随机优化算法的民用飞机突风动载荷重建方法

民用飞机突风载荷的准确重建对于飞行安全具有十分重要的意义。基于随机优化算法,提出一种突风动载荷重建方法。首先,基于频域气弹耦合方程,建立一个突风动载荷时域分析模型,其次,引入Hicks-Henne 型函数进行突风速度场的参数化建模,在此基础上,基于随机优化算法对各型函数参数进行迭代寻优,使得优化目标值与测量值一致,最终得到重建后的突风速度及对应的动态响应及载荷。最后,以GTA 模型经历1-cos 形状突风为例进行数值仿真。结果表明：本文提出的突风动载荷重建方法可有效实现突风速度场的识别,进而完成突风动载荷的重建;针对本文算例,过载最大误差为3.5%,载荷最大误差不超过1%。     

共聚焦三维数据表面重建的一种反走样方法

用边界体素的集合表示物体表面,将边界体素作为点投影到屏幕上形成光照图像时,可能出现空洞和图像走样.改进了体素表面算法:用剖分立方体算法得到物体的边界体素集,然后用边界体素的中心点构造投影表面点,用脚印函数计算表面点对显示图像平面上像素的影响范围,以此值作为该像素的权值,形成最后的图像.这样,边界体素不是只投影到一个点上,而是有一个投影区域,从而避免空洞现象,并减轻走样现象.实验证明,该方法具有较快的表面重建速度,消除了空洞,改善了显示效果.     

数字全息在固体推进剂铝燃烧三维测量中的应用研究

为获得固体推进剂铝颗粒动态燃烧的精细化过程,将数字全息技术用于固体推进剂铝燃烧三维动态过程测量中,成功地解决了传统光学显微成像法景深过小的问题。搭建了固体推进剂铝燃烧数字全息测量系统,分别在0.1MPa和1.0MPa压强条件下开展了推进剂中铝颗粒燃烧过程的三维测量工作,获得了铝颗粒动态燃烧过程的全息图像。研究结果表明:数字全息技术能够获得不同截面处的颗粒信息,并可跟踪颗粒的动态燃烧过程,准确地获得颗粒粒径信息,真正实现三维动态测量;全息法能够清晰地分辨出动态燃烧过程中十几微米至几百微米量级的铝颗粒,测量误差小于8%;跟踪单一铝颗粒的动态燃烧过程,可获得颗粒粒径、空间分布、粒径分布、燃烧火焰区域、运动速度以及氧化帽的动态生成过程等变化规律。     

嫦娥工程X射线谱仪的数据压缩研究

本文对嫦娥工程中的重要科学载荷X射线谱仪提出了一种有效的数据压缩方案。针对具体的数据特征,结合稀疏串编码、相关编码、前缀编码和字典编码等思想实现了无损和近无损压缩,使实验室理想环境下获得以及经嫦娥一号卫星下传的太阳能谱数据平均压缩比分别达到15和7,两种情况下的月球事例数据平均压缩比都为2,同时算法还具有一定的纠错能力,满足了X射线谱仪数据压缩的需求,为嫦娥三号卫星上粒子激发X射线谱仪的星载数据处理和后续工作提供了经验和准备。     

一种基于图割的稠密三维场景重建算法

立体视觉技术是自主探测机器人在未知环境中获取信息的重要手段,通过对可视场景的稠密三维重建实现导航、定位及路径规划等一系列工作。本文在候选点匹配的基础上结合图割理论,首先在世界坐标系建立代表深度信息的网格节点,接着依据区域匹配算法对候选点进行初步筛选,去除大部分相关值较低的节点,建立简化的网格图,最后通过寻找图中最小割来实现能量函数的全局最小,完成稠密的三维场景重建。实验证明,相关阈值γ设为0.6时,简化网格图的重建精度和计算效率达到相对平衡。图割算法解决了候选点测量时潜在的匹配歧义问题,且对低纹理区域有较好的匹配效果。     

盲稀疏度信号重构的改进正交匹配追踪算法

在信号盲稀疏度条件下,现有重构算法的固定阈值选择限制了重构精度和重构速度提高,鉴于此,提出一种改进的正交匹配追踪算法。通过非线性下降的阈值快速选择原子,自动调节候选集原子个数,以便每一次迭代时更加精确地估计真正的支撑集,并利用正则化过程实现支撑集的二次筛选,最终实现了盲稀疏度信号的精确重构。仿真结果表明,在相同的测试条件下,本文算法的重构精度和速度分别提高了8.5%和9.2%。     

基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。     

基于稀疏重构的L型阵列的二维波达方向估计

在L型阵列下,基于稀疏重构提出一种可实现自动角度配对的二维波达方向估计方法。首先,根据两均匀线阵接收数据的互相关矩阵构建二维稀疏线性模型;然后,通过数学变换将该二维模型转换为联合稀疏重构模型之内,通过联合稀疏重构算法分别单独获得信源方位角和俯仰角的粗略估计,并将此信息融入二维稀疏线性模型,大大减少了模型中原子个数,达到降低计算复杂度的目的;其次,从理论上分析了新方法可分辨的信源个数和计算复杂度;最后,通过一系列计算机仿真将新方法与其它子空间类二维波达方位估计方法进行比较,表明了新方法在估计精度上的优越性。     

基于第二代小波的序列图像超分辨率复原算法研究

介绍了第二代小波(SGWs)的基本原理和特点,在此基础上提出了低分辨率采样图像高分辨率 (HR)重建算法。它不但具有结构简单,逆变换容易,可扩展性好的优点,并且克服了第一代 小波(FGWs) 的不均匀采样和定义在有限区间上的难题,指出了小波变换时数据不规则性的 处理方法,并利用硬／软阈值对小波系数降噪,使得重构后的图像具有最佳的PSNR和最低的 重构误差。实验和仿真结果表明,与传统方法相比,该算法在提高了图像的分辨率同时PSNR 最多能提高3 dB左右。