基于结构加权低秩近似的泊松图像去模糊

针对由高斯模糊和泊松噪声引起的图像降质问题，提出了一种基于结构加权低秩近似的图像去模糊方法。首先，通过依次组合缩放、旋转、剪切和翻折等四种基本操作引入结构变换，以增加搜索空间内候选图像块的相似性。然后，构造新的目标函数，利用相似图像块的低秩性，在正则项中使用加权核范数（WNN）对结构变换后的图像块进行惩罚，以在去模糊的同时抑制泊松噪声。最后，基于半正定二次分裂（HQS）方法设计交替优化方案，用于求解目标函数，从泊松图像中去除模糊。实验结果表明:在多种泊松噪声强度下，所提方法取得的峰值信噪比（PSNR）和结构相似性（SSIM）都高于当前同类去模糊方法。      

冕环中扭转Alfvén波和快波的耦合共振

推广完备正交函数系(OFSE)展开方法,应用它研究冕环中无耗散扭转Alfven波和快波耦合的时变过程.采用这种方法,从数学上描述了总体波模的固有角频率,从理论和数值计算结果两方面分析了Alfven波和快波耦合时冕环中磁力线Alfven波固有角频率.采用这种方法,分析了耦合驱动项和Alfven波共振的关系.计算结果给出了耦合共振出现位置Alfven波和快波的波幅特征,发现如果足点驱动角频率不等于冕环总体波模的固有角频率,在耦合共振位置当扭转Alfven波幅出现δ断面时,快波振幅沿径向梯度很大,有时近似为一个间断,非常有利于快波耗散;如果足点驱动角频率等于总有体波模的固有角频率,Alfvn波振幅出现δ断面时在径向出现丰富的小尺度结构,共振位置近似为一个间断,非常有利于Alfven波耗散.     

利用天线主波束方向图信息估算多目标的到达方向角

提出了一种估算机械旋转天线主瓣中多个雷达目标到达方向角(DOA)的新方法。该估算方法以最大似然技术(ML)为基础，应用了天线波束方向图信息。考虑了两种情况：具有确定性未知复幅度的多目标和具有随机复高斯分布幅度的多目标。用蒙特卡罗模拟评估了该估算方法的性能，并将它与Cramer-Rao下限进行了性能比较。     

频率及频率变化率的快速最大似然估计

信号参数估计是许多领域 (如雷达、通信、导航和声钠等 )都会遇到的共同问题。文中证明 ,牛顿法是实现频率 (η)和频率变化 (β)最大似然估值器的快速有效算法 ,并且详细分析了牛顿估值器的性能。研究证明 ,对于牛顿法 ,(η,β)是以三次方律收敛于真值 (η,β)的。模拟结果表明 ,当输出信噪比 ( SNR) o≥ 15 d B时 ,估计量的均方误差 ( MSE)达到Cramer- Rao界     

平板弯曲问题的误差估计和网格自适应研究

本文对承受横向载荷的复合板设计了一个自动的误差估计和网络加密过程，并通过实际算例验证了此过程的有效性，结果证明所设计的过程能达到较高的计算精度。     

正态分布可靠寿命经典近似限的改进

本文给出了正态分布可靠寿命的又一个经典近似下限，经验证，本文所给出的结果的精度比已有的结果精度要高，可提供给可靠性工程人员使用。     

神经网络在未来超分辨雷达中的应用

最新的技术发展已为研制超分辨雷达创造了条件。它能够突破普通雷达基于匹配滤波原理的分辨能力,而实现超分辨。超分辨雷达的巨大计算量通常来自求解非线性最小二乘问题时的多维搜索。本文针对这一问题,研究了雷达信号处理中的两个典型例子:(1)利用阵列处理检测个数已知而方向未知的雷达目标;(2)对波音727飞机进行超分辨距离多普勒成像。说明Hop-field神经网络通过集体运算能够求解各种困难的最优化问题,因而在未来的超分辨雷达中有广阔的应用前景。     

基于分段常滑翔角的长航时纵向远程滑翔飞行方程近似解

提出用包含地球旋转效应的n个常滑翔角飞行段近似实际滑翔飞行轨迹的方法。基于该方法推导了长航时纵向远程滑翔飞行轨迹近似解，并给出了各段常滑翔角、滑翔时间的求解方法及整个滑翔轨迹近似计算步骤。文中算例结果表明，该近似求解方法计算得到的滑翔航程和滑翔时间与实际值相差很小，航程误差率约为0．7％，时间误差率约为0．6％，因此该方法在近似小初始滑翔角的长航时远程纵向滑翔飞行时是有效的、可行的，尤其针对航程在地球半圈以上的滑翔飞行轨迹。     

基于Poisson模型的湍流退化图像多帧迭代复原算法

随着航天空间技术的发展，空中目标的成像探测研究越来越重要。受大气湍流的干扰，观测到的目标图像是严重模糊的。为了从观察到的多帧含噪的湍流退化图像中将目标原图像有效地恢复出来，本文提出了一种新颖的基于图像统计模型的图像复原算法。跟据图像Poisson概率模型建立了有关多帧图像数据的对数似然函数，通过极大化该对数似然函数，推导出了目标图像及各帧图像点扩展函数的迭代求解关系。同时。将点扩展函数的支持域等先验条件有效地加入到迭代计算过程中，以便快速地利用迭代技术将目标图像和各帧点扩展函数估计出来。该算法能用少数帧图像极大程度地恢复出目标图像。为了验证本文算法的恢复效果和可靠性，对在强噪声污染条件下的湍流退化图像进行了恢复实验，实验结果表明本文算法对空中目标湍流退化图像的复原是非常有效的。