一种信道编码定理证明的改进

文章指出信息论的最重要定理——信道编码定理的译码函数可能是多值的,这不符合实际译码情形,且它直接导致证明中不得不定义两类误差概率,证明因此变得冗长而复杂。本文通过改进阈值译码解决了这一问题,使译码变得简明。     

基于自适应阈值的粒子滤波非线性系统故障诊断

针对实际非线性系统传统方法难以实现可靠故障诊断的问题,采用粒子滤波算法,利用对数似然函数和作为评价指标,并借助自适应阈值的设计,研究了非线性非高斯系统的故障检测和故障隔离。阈值的选取,是准确判别系统是否发生故障的标准,本文通过分析非线性系统残差的统计特性,在判定残差统计特性成正态分布的基础上,设计了一种基于粒子滤波故障诊断的自适应阈值方法,减少了故障诊断的漏报和误报。通过非恒温连续搅拌水箱式反应堆的仿真实例,验证了该方法在故障诊断中的准确性和有效性。      

基于改进的二维Otsu法的图像分割法

针对Otsu阈值法仅适合图像目标和背景分布呈正态分布且各像素量和方差基本相当的不足,提出了一种基于二维Otsu的改进算法,实验结果表明,该算法比传统Otsu阈值法能够获得较好的分割效果.     

日地系统CRTBP模型下飞行器编队的阈值控制

针对深空探测中具有一般性的圆形限制性三体(CRTBP)模型,进行主从飞行器编队建模。将控制器设计转化为一类线性矩阵不等式问题,并权衡编队系统对燃耗、精度的要求以及推进器的推力范围,设计阈值控制方案。仿真实例参考NASA预研任务,给出编队机动和保持的控制过程,表明基于所述控制方案,编队系统满足性能指标要求。     

基于神经网络预测模型的歼击机结构故障检测方法

提出了一种基于预测神经网络的歼击机结构故障检测新方法 ,与传统的基于模型的非线性系统的故障检测方法相比 ,神经网络方法有着非线性逼近能力强和故障检测实时性好等优点。给出了基于预测神经网络的故障检测方案 ,以及多步直接预测算法和阈值选取原则 ,最后以某型歼击机为例进行了仿真验证 ,仿真结果表明本方法能有效地检测出歼击机的各种结构故障。     

机械振动对平面触觉感知特性的影响

触摸屏上的触觉再现技术增加了人机交互的真实感和丰富性。在触觉再现中,掩蔽效应改变了触觉感知特性（绝对阈值和分辨阈值）,影响了触觉渲染模型的准确性及触觉再现效果的真实性。基于机械振动、空气压膜与静电力三元融合的触觉再现装置,采用“三下一上”的实验方法,研究5种不同幅度的机械振动触觉反馈作为掩蔽刺激时,空气压膜触觉反馈感知特性的变化。与静电力触觉反馈作为目标刺激时感知特性的变化进行比较,得出如下结论:在绝对阈值方面,当机械振动驱动电压幅度由0 V增加到100 V时,空气压膜绝对阈值由34.30 V增加到46.41 V,增加了35.31%,增长幅度为静电力绝对阈值增长幅度的14.95%;在分辨阈值方面,当机械振动驱动电压幅度由0 V增加到100 V时,空气压膜分辨阈值在（15.21±0.67）V范围内浮动,变化趋势与静电力触觉反馈基本相同。      

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

一种小波包的微机械陀螺消噪方法

微机械(MEMS)陀螺精度直接影响惯导系统精度。研究表明,随机噪声是影响MEMS陀螺精度的重要因素。本文在介绍小波包变换和自适应阈值的基础上,采用db4小波包变换阈值消噪方法,对某MEMS陀螺信号进行消噪处理,数据处理验证了此算法在MEMS陀螺消噪处理中的有效性。     

民航行李X光安检图像自适应小波去噪算法

对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷．给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25．2229dB、27．708dB．与含噪图像相比分别增加了7．7253dB和7．739dB。因此该方法表现出较高的去噪性能。