准同步窗及其在高精度失真度测量中的应用

主要介绍了准同步窗方法及其在失真度测量中的应用情况。该方法有效地降低了基于DFT失真度测量方法中非整周期采样引起的频谱泄漏对测量的影响，实验结果表明该方法有效地提高了失真度测量的准确度。     

基于最优阈值小波包分析的转子振动信号降噪研究

针对采集转子振动信号时信号中往往夹杂着噪声干扰的问题,提出了一种自寻优阈值的小波包降噪方法。该方法可对不同振动信号自寻优地设置阈值,且阈值的选取与所研究的信号有关而与信号长度无关;并根据采样定理计算不同转子转速对应的小波包分解的最低层数。对多种信号进行的降噪研究表明,该方法可有效降低转子振动信号中的噪声干扰。     

新一代秦川测试系统自动编程台的研制

介绍了试飞院最近为秦川机载测试系统研制开发的自动编程台系统。该系统轩解决了试飞院从美国引进的秦川４０００系列机载采集器的程序编制问题,使秦川系统在飞行试验中发挥出更大效益。     

在有色高斯噪声中的离散时间检测与估计的性能分析

本文研究了在确定的观察时间内,在有色高斯噪声中检测与估计的性能与样本数之间的关系。指出相邻样本之间相关系数在0.1—0.2范围内,广义信噪比就能相当接近极限值S~2(T)。在讨论二阶相关噪声时指出,由二阶微分方程描写的高斯过程的样本序列一般不是AR(2)模型,但是当样本间隔Δ→0时,却可用AR(2)模型近似描写序列,因此求极限信噪比时可以较简便地采用AR(2)模型。最后指出最大似然估计与似然比检验之间及两者的性能测度之间的联系。     

离心风机进出口三维流场的实验研究

文本将适用于单倾斜热线的周期多点采样技术和适用于五孔探针的集平均采样技术结合在一起,开发了一套适用于二者的数据采集和实时处理系统。该系统主要由探针(热线和五孔探针)、坐标架机构、采样同步脉冲发生系统、数据采集和转换系统、接口电路和 IBM 计算机组成。在 IBM 计算机的控制下,探针可由坐标架上的步进电机驱动作必要的转动和移动,采样同步脉冲启动 A/D 转换用以保证采样点的准确同步。利用该系统,成功地对离心风机叶轮进出口处的三维平均流场进行了测量,获得了叶轮进口无叶区的子午面速度分布和叶轮出口处的相对速度分布,并对试验获得的详细数据进行了分析。     

小天体表面采样技术综述

小天体是人类了解太阳系起源演变的重要载体,承载着丰富的科学信息。同时小天体含有丰富的贵金属及稀有元素,具有巨大的利用价值,对小天体进行采样探测具有重要的科学与工程意义。通过调研小天体表面特性以及国外小天体采样技术研究现状与成果,总结了小天体环境对采样探测的特殊要求,归纳了小天体表面采样探测具有低反作用力、轻量化、小型化、低能耗化,需适应附着与接触探测模式等特点,提出了对小天体采样探测的技术需求,为小天体采样探测技术深入研究提供支撑。     

基于高斯伪谱法的火星表面上升燃耗最优轨迹设计

火星上升器的设计与其轨迹设计紧密相关,而现有方法大都将MAV(Mars Ascent Vehicle)的分级优化和轨迹优化解耦计算,其计算效率低且鲁棒性较差。提出了一种基于高斯伪谱法的两级MAV分级与轨迹耦合多阶段优化算法,它以MAV的发射总质量最小为目标函数,并考虑了MAV设计约束、MAV的质量模型约束、轨迹的路径约束和控制约束等限制条件。利用该方法可以同时求得发射总质量最小的两级MAV分级参数和一条燃耗最优的上升轨迹,解决了由于不合理的两级MAV分级设计导致的轨迹优化算法无法收敛的问题。数值仿真结果表明该方法具有较快的收敛速度,且对初值选取的敏感度较小、具有较强的鲁棒性。     

基于相关双采样技术的CCD视频信号处理研究

在动态目标的CCD探测中,一个非常关键的技术就是对CCD输出信号噪声的抑制或削弱,以提高输出信号的信噪比。首先,对CCD输出信号的特性及常用处理方法进行了简要描述,并结合CCD输出噪声的特点,对相关双采样(Correlated Double Sampling)法进行了细致地分析。最后在建立CDS传输函数及噪声分析模型的基础上,利用最适合的相关双采样技术对CCD信号存在的复位噪声及其它低频噪声的抑制进行了相关测试。结果表明:对2δ法CDS电路,只要选择合适的采样时间,不仅能有效地消除KTC噪声,而且对低频噪声及其它白噪声也有不同程度的抑制。     

多分辨率重采样实时解压缩硬件系统研制

主要介绍基于多分辨率重采样算法的图像实时解压缩硬件系统体系结构的设计，首先描述多分辨率重采样算法的解压流程；而后提出实现多分辨率重采样解压算法的超大规模集成电路结构；最后以可编程序门列成功实现，实验表明，解压缩硬件系统数据处理速度快，满足图像恢复实时性要求。     

基于字典学习的混合采样数据分类方法

混合采样数据不仅仅具有不同采样频率数据之间特征集合不同,还有样本数量不一致等特点,传统的分类方法不能直接使用。因此,本文提出一种基于Fisher判别准则字典学习的混合采样数据分类方法以处理采样数据的分类任务。该模型巧妙借助处理多视图数据的分类思想,利用基于Fisher判别准则的字典学习方法,生成的结构化字典的每个原子与数据的类标签相关,同时采用Fisher判别准则使类内散度更小,类间散度更大来约束编码系数矩阵,从而大大提升分类性能。此外,本文针对混合采样数据的样本数量不一致特点,设计了混合采样数据判别分析模型的分类方案。最后实验结果验证了本文方法的有效性。