基于EEMD-Hilbert谱的涡街流量计尾迹振荡特性

为了研究涡街流量计尾迹振荡特征,采用集总经验模态分解(EEMD)-Hilbert谱方法,对测量介质为空气、流量范围为10.58~220 m~3/h的涡街流量计管壁差压信号进行处理,首先用EEMD方法对管壁差压信号进行分解,得到固有模态分量,然后对分解后的各个分量进行Hilbert变换,得到Hilbert谱和边际谱,进而提取管壁差压信号的旋涡脱落频率。比较了Fourier变换与EEMD-Hilbert谱方法在信号去噪和频率提取方面的性能。结果表明:EEMD-Hilbert谱方法可有效去除叠加在实际涡街成分之中的噪声,能够较完整保留尾迹振荡的固有成分;在流量较低时,EEMD-Hilbert谱方法对尾迹振荡频率的提取精度比Fourier变换高30%以上,有效拓展了涡街流量计的测量下限;通过计算能量比,揭示了EEMD-Hilbert谱方法提高频率提取精度的原因,即EEMD-Hilbert谱方法降低了信噪比;Hilbert谱直观表示信号的时间-频率-能量关系。     

液晶流动可视化方法研究拟似冲击波的内部超声速流

在一个压力一真空超声速风洞中,剪切应力敏感液晶流动可视化技术被应用来研究方管内马赫数2拟似冲击波（pseudo-shockwave）的超声速流动。它主要提供关于整个流动的定性信息,诸如湍流边界层分离、再附着位置以及流动的维数等。而且液晶也反映了表面流线,分离区内的涡流和管道流动的角效应。使用两种不同黏度的液晶分别进行实验,分析黏度对结果的影响。液晶实验的结果与纹影照片所得结果比较吻合,说明了液晶是一个非常有效的流动可视化工具。     

低温传感器测量数据基于MATLAB的 处理与分析

文章介绍基于MATLAB的低温温度传感器测量数据的处理及分析方法,通过线性最小二乘法和无约束非线性优化法中的拟合模型工具对数据进行拟合,其中包括多项式、双曲线、幂函数、Steinhart-Hart经验公式等拟合模型工具,以低温温度传感器电阻与温度数据的曲线拟合为例,开展了各种模型的曲线拟合比较分析。最后通过剩余标准差和相关系数两项指标评价不同模型的拟合效果。     

一种鲁棒GNSS矢量跟踪环

复杂环境下导航接收机的连续可用性一直是卫星导航领域的研究重点。针对矢量跟踪环动态适应性不够和误差在通道间传播的问题,提出一种鲁棒全球导航卫星系统(GNSS)矢量跟踪环。基于各通道的伪距、伪距率和伪距加速度状态量构建扩展卡尔曼滤波器(EKF),通过灵活设置过程噪声方差阵,实现跟踪通道的耦合与解耦;采用基于极大似然估计器(MLE)的鉴别器生成码延迟和载波频率偏差观测量;利用滤波值修正并预测伪距率来控制本地数控振荡器(NCO),实现环路的闭合。仿真结果表明,本文设计的矢量跟踪环在保证环路相互辅助的基础上,避免了衰减通道误差在通道间的传播,可以对被遮挡信号保持稳定跟踪,鲁棒性优于传统矢量延迟频率锁定环。     

基于EEMD气液两相流差压信号时频分析

为研究气液两相流流动过程的动态特性,采用V形内锥作为测量装置,通过高频差压变送器获得不同流型下的动态信号,提出了一种基于总体平均经验模式分解（EEMD）的气液两相流时频分析方法。通过对不同流型下的气液两相流的差压信号进行分析,研究了气液两相流的流动机理,为气液两相流流型及流量的准确测量奠定理论基础。分析发现EEMD的抗混分解能力很好,可以准确地提取两相流差压信号的频率成分及其时变情况,为今后两相流的识别提供理论基础,具有较高的工程应用价值。     

语境视域下的RememberingMam＆#225;译文分析

Remembering Mam＆#225;讲述了一个移居美国的波多黎各少女对已逝母亲的回忆和怀念。文章从孩子的角度观察这个世界和家庭生活,反映了早期美国移民的生活状态。作者在深切的怀念中写下这些文字,情感真挚,文笔细腻,细节描述尤为生动感人。本书的中文译文充分认识到源语和译语衔接方式上的不同,尊重和顺应了译语语篇的衔接规范。通过分析Remembering Mam＆#225;的译文,从经验功能、人际功能和语篇功能三个方面对译作的翻译方法及策略进行考察。     

基于EMD的无参考图像清晰度评价方法

针对现有的灰度变化统计函数不能提供图像全频段综合评价的缺陷,提出了一种新的基于经验模式分解的无参考清晰度评价方法。图像经经验模式分解后,会产生多层本征模式函数图像和剩余图像。不同本征模式函数图像包含了不同频率区间的边缘、纹理信息。模糊图像和清晰图像在相同本征模式函数分解层上,表现出不同的灰度变化特性。通过统计各层本征模式函数图像的极值个数,作等权重加和,并利用整幅图像像素数进行归一化处理,构建了经验模式分解清晰度参数。仿真模糊图像和遥感图像的试验结果验证了该参数评价清晰度的有效性。     

基于流的遥感图像超分辨率重建

为了提高遥感图像超分辨率重建的质量，提出了一种基于流的遥感图像重建算法。首先，在Glow模型的基础上引入改进后的RRDB架构用于低分辨率图像特征提取，通过构建更多层和连接以提升训练的稳定性。然后，以一种纯数据驱动的流模型来训练分布的参数，通过最大化负的对数似然的方法进行优化，得到该算法的损失函数。实验证明该模型在网络训练过程中能够快速达到稳定收敛的状态，且具有很强的泛化能力。用重建出的图像质量对比SRCNN、SRGAN、ESRGAN，经过测试后发现，提出的算法远远优于SRCNN算法，与其他算法相比也有明显优势。重建出的图像不仅在指标上有所提升，例如与SRCNN相比，PSRN和SSIM分别提升了15%和40%，且人眼观察时有更高的清晰度，高频细节更为丰富。