基于一种新的比特同步算法的数字式Modem

介绍了一种用于数字Ｍｏｄｅｍ设计的比特同步提取算法以及基于该算法的采用不同调制方式的数字Ｍｏｄｅｍ设计及其硬件实现。算法采用数字频谱分析的方法，在解调之前实现比特同步提取，从而为解调方式的选择提供了很大的灵活性。经原理样机实验证明，基于上述算法设计的数字Ｍｏｄｅｍ具有同步速度快、同步精度高、调制解调方式灵活可变及抗干扰性能好诸多特点     

关于规范矢量场的计算

规范形理论是常微分程中分叉和浑沌研究的基本工具。将一个给定矢量场转化为它的规范形是规范形研究的基本内容之一，也是国内外众多学者年年来关心和研究的热门课题。文中利用计算机代数技术，提出一种计算规范矢量场的新方法，从而成功地解决了带有小参数扰动的半单规范形计算问题。     

基于Contourlet域SOT结构的SAR图像相干斑抑制算法

把SOT结构引入到能够最优表示图像的Contourlet变换中,结合Contourlet系数域的结构特点和SAR图像相干斑乘性噪声模型提出了一种新的相干斑抑制算法。对基于小波系数域SOT结构的相干斑抑制算法中固定在一个低频尺度中选择根系数的方法进行了改进,根据SAR图像的匀质性条件自适应地在两个不同低频尺度中选择根系数。把该算法应用到实测SAR图像中取得了很好的目视效果,各项指标得到了有效提高。     

基于5Hz频率光诱发的脑电信号θ波的时-频分析

通过时-频法研究5 Hz频率先刺激前、光刺激中平均脑电信号θ波能量百分比的差异性.研究发现光刺激中能量百分比在前额(F8)、顶部(P4)、中央(C3)、颞区(T6)和枕部(O2)均有显著性增加.在枕部(O2)区域光诱发最初20 s内α波能量百分比从45％下降到30％,θ波能量百分比从25％上升到35％,θ波能量百分比呈上升趋势;中间20 s内,θ波能量百分比呈下降趋势,最后20 s,θ波能量百分比恢复到基线.以上结果说明在20～30s,5 Hz频率光刺激能够驱动脑电信号从优势脑波α波转向以θ波为主.对研究低频率光诱发响应,应用时-频脑电波能量百分比方法是一条新的途径.     

基于Hilbert变换和跟踪滤波的正弦扫描数据处理方法研究

提出一种针对正弦扫描时间历程数据频谱后处理方法,此方法对控制仪驱动信号进行Hilbert变换获取时间-频率曲线,利用驱动信号与响应信号频率同步的特性,对响应信号进行跟踪滤波获取时间-响应幅值曲线,并最终获得响应信号的频谱。此方法不依赖振动控制仪和带有COLA通道的数据采集系统,并可有效避免正弦约减法等方法带来的泄露和精度不高等问题。     

基于二进小波阈值决策的血管内超声图像噪声抑制

针对血管内超声图像中血液散射引起的斑点噪声,提出了一种基于小波多尺度分析的非线性去噪算法,在二进小波变换域分别采用软阈值滤波法和硬阈值滤波法对不同尺度的小波系数进行非线性处理,并根据二进小波分解结构提出了一种局部阈值估计方法.实验结果表明,该方法在抑制血流斑点噪声的同时也较好地保留了图像边缘,有助于识别管壁和周围组织.     

光盘存储系统中关键电路的设计与实验仿真

详细分析只读式光盘读写电路的原理,对其中的关键部分A／D转换和D／A转换电路进行深入的研究,并进行了实验仿真。实验结果表明,在音频数字系统中,将模拟信号转换为数字信号,并以数字信号的形式进行处理、传输或存储,可避免在记录的过程中各种失真,使重放时的音乐质量得到极大的改善。     

基于小波帧变换的多聚焦图像融合算法

提出了一种基于小波帧变换的多聚焦图像融合算法,本算法首先对图像进行小波帧变换,然后利用多聚焦图像的特点,采用区小波能量取大原则对高频系数进行融合,采用区域空间频率取大原则对低频系数进行融合,并进行一致性检验,最后通过重构得到融合图像.实验表明,该算法相比于传统小波变换法,具有更好的融合效果.     

绕水翼空化非定常动力特性的时频分析

为了解绕水翼附着空化的流体动力特性,用实验方法研究了绕水翼的空化流动现象.实验在空化水洞中完成,采用高速摄像技术观测了不同空化阶段的空穴形态.并测量了水翼所受的升阻力.利用时频分析中的Choi-Williams变换和小波变换对水翼升力信号进行了分析处理,得到了水翼升力信号在不同空化阶段的时频特征.结果表明:在不同的空化阶段,对应于各种不同的空化形态,其流体动力的频谱特性也表现了不同的特点.在没有空化产生时,水翼升力的时频无规则,升力随时间的变化不存在周期性;在片状空化阶段,升力信号变化的频率随着空化数的减小而减小;在云状空化阶段,空穴波动增强,升力信号的周期性更加显著,而此时频率基本不随时间和空化数变化.     

基于变换空间近邻图的自助型局部保持投影

局部保持投影(LPP)是一种典型的降维方法,通过保持数据的内在几何结构,LPP能够获得潜在的判别能力.然而,传统LPP的性能取决于人工预定义的近邻图,并且严重依赖于最近邻标准在原始数据空间中的性能.因此本文提出了一种新的降维算法--自助型局部保持投影(sdLPP).该方法首先执行LPP获得投影方向,然后在其变换的空间更新近邻图,并重复LPP.另外,本文还提出了一种改进的拉普拉斯打分(Laplacian score)标准作为算法迭代终止和判别力的参考.最后,在几个公共的UCI和人脸数据集上验证了该方法的有效性.