基于非线性压缩变换的纤维增强复合薄板非线性阻尼的时域测试方法

提出了基于非线性压缩变换的纤维增强复合薄板非线性阻尼的时域测试方法。基于非线性压缩变换构造了理论分析信号,并推导获得了复合结构系统非线性阻尼的表达式,明确了从时域测试角度获取非线性阻尼参数的理论原理。编写了Matlab算法,并用数值算例证明了该算法的正确性。总结并概括出一套合理、规范的测试流程,并对TC500碳纤维/树脂基复合薄板进行了实际测试。实践证明,利用所提出的方法可以有效获得复合薄板在不同衰减时刻对应的阻尼参数,该方法可以用来定量评价不同振动幅值及频率下复合结构的非线性阻尼特性。      

基于傅里叶频谱法的伪装效果评价

针对目前伪装效果评价方法指标单一、不够客观准确等问题,提出一种基于傅里叶变换的纹理分析方法,并通过仿真实验,初步证明了该方法的科学性和有效性。     

基于MFT的非匀速转动目标干涉ISAR三维成像方法

非匀速转动目标各距离单元内的回波信号为多分量的多项式相位信号,采用傅里叶变换进行横向压缩得到的目标ISAR像会发生散焦,从而影响干涉ISAR三维成像质量。针对非匀速转动目标,提出了一种基于匹配傅里叶变换的InISAR三维成像方法。该方法对各天线接收回波的每个距离单元采用匹配傅里叶变换得到聚焦的目标ISAR像,进而得到散射点不同接收天线间的干涉相位,最后从干涉相位求解散射点三维位置重构目标的三维图像。由于非匀速转动目标多项式相位信号的相位系数之间的比值只与目标转动参数有关,因此该方法只需估计某一个散射点对应回波的多项式相位系数就可构造所有匹配傅里叶变换的积分路径,而且适用于任意阶的非匀速转动目标。仿真表明了该方法的有效性。     

基于傅里叶变换的HY-1B卫星影像条带噪声去除

HY-1B卫星是中国第二颗海洋遥感卫星,水色水温扫描仪（COCTS）是其主要载荷。文章针对COCTS图像条带噪声的特点,采用傅里叶变换方法,设计了一种新的滤波器,对图像进行条带噪声去除．并同传统的低通滤波方法处理结果进行比较。实验结果表明,新的傅里叶变换方法能够有效地去除图像的条带噪声,其去除效果要优于传统的低通滤波方法。     

液体火箭发动机启动段振动信号的小波去噪

液体火箭发动机试验启动段的振动信号中包含有大量的噪声分量,通过小波变换的Mallat算法对振动信号进行去噪处理,并通过试车数据对采用的方法进行验证,取得了良好效果,显示了小波去噪在振动信号去噪领域的广泛应用前景。     

基于分形理论的红外图像港岸背景抑制方法

为了实现港岸背景的抑制,提出了一种基于分形理论和小波变换的背景抑制方法。首先,在高斯去噪的基础上,使用Otsu方法对图像进行粗分割;然后,对粗分割得到的背景图像进行分形降维处理,选定序列图像的比较区域;最后,利用小波变换的奇异值检测特性,在比较区域寻找序列图像比较的基准点,从而确定序列图像的移动范围,进而实现序列图像背景抑制。通过对实际港岸背景红外图像的实验,验证了所提方法的可行性和有效性。     

Chirp脉冲的分数阶傅里叶域测距

为了扩展利用Chirp脉冲测距的灵活性和适用性,基于分数阶傅里叶变换特点,提出了一种运算量更小且更具扩展性的Chirp脉冲测距新方法,并导出了其离散距离估计子的解析表达式。分析了该距离估计子的离散精度和多目标分辨力,考察了多普勒频移所引起的测距误差,并对比了本文方法与脉冲压缩方法的主要性能参数。研究结果表明:本文方法在大时宽带宽积条件下具有与脉冲压缩方法相比拟的性能,且运算量约减少一半。最后,仿真验证了理论推导的正确性。     

AOS自适应帧长传输算法研究

以自适应帧长传输的高级在轨系统(AOS)为对象,从提高系统吞吐量出发,对包信道复用、虚拟信道(VC)复用及帧同步技术进行研究并提出相关的算法。包信道和VC复用算法可有效解决传统固定长度帧的生成与传输问题,降低复用时延,提高复用效率;帧同步算法则解决已有算法受帧长度标识误码影响较严重的问题,提升帧同步性能和数据处理可靠性。在分析、推导并仿真各算法性能公式和参数的基础上,对系统吞吐量性能进行仿真比较。结果表明,新算法能够很好地适应AOS自适应帧长系统,保证系统高吞吐量性能。     

星载SAR的GMTI技术

根据地面动目标回波信号特性,研究了用于星载合成孔径雷达（SAR）的相位中心偏置天线（DPCA）、沿航迹干涉（ATI）、DPCA-Radon和DPCA-Frft-ATI等地面动目标检测（GMTI）算法。讨论了以实现GMTI为任务的分布SAR小卫星的构型和工作模式,分析了GMTI的最大可检测速度、最小可检测速度和盲速等系统指标,以及分布式SAR系统实现GMTI的难点。     

基于量子傅里叶变换的模式特征提取算法

量子算法由于具有量子态的叠加性、相干性和纠缠性使得它可以解决一些经典NP问题,并且它具有许多传统算法所没有的优点.本文利用量子傅里叶变换提出了一个模式特征提取算法,它借助量子并行特性只需进行一次量子傅里叶变换就可以提取模式特征,所以它提取模式特征的速度比传统特征提取算法有了指数级的提高.利用该算法提取出来的特征可以进行模式识别或图像识别.本文通过理论推导证明了该算法的可行性,通过简单的模式图验证了该模式特征提取算法的有用性.