一种基于分形和ICA的海杂波SAR图点目标检测新方法

提出了一种新的用于海杂波合成孔径雷达(SAR,Synthetic Aperture Radar)图点目标检测的方法。传统方法一般是基于亮度差异的阈值分割,或者基于降噪之后的目标提取。然而它们处理强海杂波SAR图时,效果并不理想。将传统方法的本质加以提炼和融合,并将分形Hlder指数和独立成分分析(ICA,Independent Component Analysis)相结合,提出了空间分离法,实现了海杂波SAR图的降噪和点目标检测。首先,求得点态Hlder指数图,并用二值模糊化技术对其处理;接着使用ICA技术得到基图像和独立成分;然后使用空间分离法,对独立成分进行分离,同时对基图进行对应分类,获得非噪声和噪声两个空间。最后在非噪声空间上进行独立成分增强,并复原图像。实验部分,将该算法与传统算法进行对比,从视觉效果和量化指标两方面证实了该算法的有效性和优越性。     

飞行员有源降噪耳罩低频隔声量试验研究

依托低频隔声量的测试原理,提出了客观法测量飞行员有源降噪耳罩低频隔声量具体试验方案,对几种飞行员有源降噪耳罩进行了测试,得出了有源降噪耳罩低频隔声量的数据,提出了影响有源降噪耳罩低频隔声量的关键因素,为设计改进提供了依据和有力的数据支持.     

屏蔽罩和微射流对超声速冲击射流的降噪研究

利用实验手段研究了超声速冲击射流在屏蔽罩或微射流控制下的流场和声学特性.远场噪声测量结果表明,对于超声速射流利用微射流或者屏蔽罩方法,不仅可以明显地消除冲击单音,而且还可以降低宽频噪声.为了理解这两种降噪控制方法的物理机理,利用粒子图像测速技术(PIV)检测了有无控制方法时的流场情况.PIV结果显示,对于超声速冲击射流当有屏蔽罩或微射流时,流场中的大尺度结构明显地减少了.说明这两种方法都能削弱超声速流场中反馈环的形成,因而降低了超声速冲击射流的不稳定性.     

FD-10风洞降噪方案设计

为了降低航天空气动力技术研究院FD-10风洞的背景噪声,在风洞稳定段、收缩段、风扇前、拐角处设计了若干降噪方案。通过实现对FD-10风洞的降噪改造,为以后FD-09风洞降噪改造提供经验依据,也为本课题组气动声学的基础理论研究和工程应用提供必要前提。     

1000N·m·s控制力矩陀螺噪声测试与分析

控制力矩陀螺是空间站的关键姿态控制部件,也是空间站的主要噪声源.对1000N.m.s控制力矩陀螺的噪声进行了详细测试,测试结果表明1000N.m.s控制力矩陀螺的最大噪声值达到90.9dB.对测试结果进行了分析,确定了主要噪声源及其作用机理,为后续降噪工作奠定了基础.     

基于LCD-ICA的水声信号降噪方法

针对水下目标信号易受噪声影响、信噪分离难的问题,提出一种基于 LCD和 ICA分析相结合的水声信号降噪方法,给出了该方法在水声降噪领域中应用原理和方法步骤;并通过仿真信号,验证了该方法在水声信噪分离中的有效性。结果表明,采用文中所提的方法能够有效降低噪声干扰,提高目标检测的可靠性。     

基于Daubechies小波的X射线脉冲星信号降噪研究

针对X射线脉冲星弱信号埋没在强噪声中,在短时间内周期叠加的脉冲轮廓的信噪比低,影响脉冲到达时间的估计精度和效率,提出基于Daubechies小波的X射线脉冲星信号降噪的算法。在对RXTE观测数据预降噪处理和周期叠加的基础上,采用Daubechies小波算法做降噪处理,使得较短的时间内仍能获得高信噪比的脉冲轮廓。利用RXTE观测数据进行验证仿真,结果表明,该算法能有效滤除X射线脉冲星信号所包含的设备及空间环境的噪声,在保证脉冲到达时间精度的情况下,缩短了观测时间,提高X射线脉冲星导航的效率。      

大型民机增升装置噪声分析

随着低噪声发动机的使用,飞机机体噪声所占比例日益增大。尤其在飞机进场阶段,机体噪声中的增升装置噪声不容忽视。着重讨论了大型民机增升装置的噪声原理、降噪技术和预测方法,分析了增升装置前缘缝翼和后缘襟的流动特性,并阐述其噪声特性。然后对几种增升装置降噪技术的应用和发展进行了总结。最后介绍了气动噪声的几种预测方法。     

航空发动机涡轮叶片工业CT图像降噪方法

在分析航空发动机涡轮叶片工业计算机层析成像(computed tomography,CT)图像自相似性特点基础上,讨论了一种基于图像不同区域相似性的非局部平均降噪算法,首先采用高斯加权欧式距离算子计算同一图像中不同区域间的相似性,然后对具有较强相似性的区域进行叠加平均,从而降低噪声,同时保持图像边缘的对比度.针对非局部平均算法计算复杂度高、计算量大的问题,研究了一种基于傅里叶变换的非局部平均降噪加速算法,以欧式距离算子替代高斯加权欧式算子提高相似性的计算效率,减少计算时间.实验结果表明,在保证航空发动机涡轮叶片工业CT图像降噪效果的情况下,处理速度提高了4倍以上.      

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.