声表面波对汽油胶质含量响应特性的理论与实验研究

从理论上分析了沉积于压电基片表面的汽油胶质对声表面波（SAW）传播特性的影响,在此基础上参照国家标准规定的汽油胶质含量测定试验条件,基于自制的SAW传感器,实验研究了SAW对不同汽油胶质含量的响应特性.结果表明SAW传感器的中心频率及幅度随SAW传播路径上沉积胶质的含量变化表现出敏感且单调的变化规律,这一结果可为车用汽油胶质含量的快速检测提供参考.     

OQAM/OFDM系统峰均比影响因素研究

针对OQAM/OFDM系统存在较高的峰均比的问题,从使用的原型滤波器类型和插入的导频方法两个方面进行了仿真分析。经研究,插入导频会使系统PAPR性能降低,而不同的原型滤波器对系统PAPR性能没有影响。格状导频中,AP法、预编码法和置零法分别对系统PAPR性能有不同程度的影响;增大预编码法的导频间隔会提高系统PAPR性能,但会降低系统的BER性能。块状导频中,系统PAPR性能随着导频列数的增加而降低;导频列数相同时,改变导频的数值不会影响系统PAPR性能。研究结果为OQAM/OFDM峰均比算法研究和导频设计提供参考。     

基于SAR目标识别的深度学习方法

研究了DBN和SDAE在SAR雷达目标识别领域的应用,并在此基础上提出了一种双通道单隐含层的深度学习模型—DBN-SDAE。该模型的优势在于采用双通道的单隐含层模型对图像数据进行学习,提取图像特征,避免了传统深度学习方法随着隐含层和神经元数量的增加计算复杂度增长过快的缺点;同时采用加权融合方法融合两个通道所学习的特征,既保留了数据的细节信息,又保留了数据的结构信息,一定程度上解决了特征利用不充分的问题。实验结果表明,所提方法在NN迭代次数远远小于DBN中NN的迭代次数;且在识别准确率上最高可达98.640%,较SDAE和DBN分别高0.511%和1.701%。     

基于PSO-SVM与样本加权的武器装备费用建模与预测

武器装备费用预测是武器装备费用分析的重要内容,预测分析的难点之一在于样本数据少,且样本数据具有复杂的非线性特点。充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点,采用粒子群算法快速优化支持向量机的模型参数;充分利用样本信息,模型中样本加权值的确定采用预测误差和样本相似度的样本加权方法,研究建立基于PSO...     

改进的判决加权RLS无线信道估计

随着移动通信的飞速发展,有限的无线频谱要求无线收发信机能够对时变的无线信道进行准确的盲估计.为了进一步降低判决差错和噪声波动对估计的影响,首先介绍了对无线信道的判决加权递推最小二乘盲估计,然后修正估计的判决方式,得到改进的判决加权递推最小二乘估计,最后仿真比较了移动环境下的无线信道各种估计与延迟扩展、多普勒频移及信噪比的关系和性能.     

对数据后处理雷达的多参数协同相关干扰

基于DRFM转发或者重复转发的干扰信号,虽然在功率上能达到干扰要求,但是产生的虚假目标与真实目标缺乏相关性,数据后处理雷达能根据该特性实现对欺骗干扰信号的检测和抑制。针对数据后处理雷达在抑制非相关干扰信号的优越表现,根据不同特征域干扰信号的相关性要求,提出了在幅度域上具有起伏特性,时频域协同一致,方位上具有相关性的干扰信号模型,以保证对数据后处理雷达干扰的有效性。最后在与非相关干扰信号比较中,验证了该干扰方式的有效性。     

基于采样的非线性滤波方法

在系统阐述贝叶斯估计理论的基础上,分析和总结了扩展卡尔曼滤波、Sigma点卡尔曼滤波以及粒子滤波等方法的特点、使用条件以及局限性.介绍了扩展卡尔曼滤波方法并指出其缺陷;介绍了无轨迹卡尔曼滤波、中心差分卡尔曼滤波等确定性采样方法,并在加权统计线性回归意义下将其归结为Sigma点卡尔曼滤波方法;介绍了随机采样方法-粒子滤波方法,并指出其主要的研究方向.最后,对非线性滤波的发展趋势进行了展望.     

加权模糊Petri网的推理算法研究

将加权模糊Petri网与矩阵运算相结合，提出了一种推理算法，实现知识的推理运用。该算法利用了加权模糊Petri网的并行处理能力，将复杂的推理过程采用矩阵运算实现，充分考虑了多种约束条件，具有简单、高效、易于实现等优点，适合大型复杂加权模糊Petri网的推理计算。最后以实例对算法进行了验证。     

基于改进的区域能量特征多分辨率图像融合算法

基于区域能量特征的融合规则在多分辨率图像融合算法中应用很广,但区域窗口较小时,融合效果往往不是最好的,而窗口较大则容易使图像轮廓与非轮廓区域之间模糊,造成融合图像清晰度降低。针对上述问题提出了改进的基于区域加权能量的融合规则,包括矩形区域和近似圆形区域两种,权值与像素距区域中心的距离成反比。仿真表明,两种方法克服了传统的区域能量特征作为融合规则的不足,改善了图像融合的质量。     

加权核范数最小化和改进小波阈值函数的图像去噪算法

针对加权核范数最小化算法存在结构残余噪声以及无法较好地保持图像边缘结构的问题,提出基于加权核范数最小化和改进小波阈值函数的图像去噪算法。利用全变分模型对噪声图像进行初步去噪,使用噪声图像与初步去噪后的图像进行差分运算,对差分后得到的噪声残差图像使用改进的小波阈值函数去噪,将小波去噪后的残差图像与初步去噪图像叠加,将叠加后的图像使用基于残余噪声水平迭代的加权核范数最小化算法进行二次去噪。相较于当下主流去噪算法,经该算法处理后的图像的PSNR和SSIM值均有所提升,能够更好地保持图像的纹理结构,且在高噪声环境下效果更佳。