一种改进的小波软阈值去噪方法性能分析

分别利用软阈值函数和修正软阈值函数对局部放电仿真信号进行小波去噪分析。仿真结果表明,修正软阈值函数在优于传统软阈值函数去噪性能的基础上,更具有灵活性,仅通过调节函数的可变参数,就可以获得具有最大信噪比和最小均方误差的去噪信号。     

基于信息的军事代表质量监督研究

本文提出了基于信息的军事代表质量监督的概念,介绍了信息在质量监督工作中的作用和意义,分析了质量监督信息的内容、分类、特点及传递过程,详细阐述了基于信息的军事代表质量监督工作模式及主要内容,对建立质量监督信息管理系统提出了建议。     

英国BAE系统公司的技术创新体系研究

本文对英国BAE系统公司的产品市场和技术分布,产品结构进行调查。根据公司年报分析其市场结构,并跟踪近几年的研发成果,据此分析BAE公司的产品策略和公司产品技术方面的创新。     

纳米SiO2颗粒增强铜基复合材料性能研究

以纳米SiO2颗粒为增强体,采用粉末冶金法制备铜基纳米复合材料.考察不同质量分数的纳米颗粒对复合材料密度、硬度以及摩擦磨损性能的影响.结果表明纳米SiO2颗粒的加入,使铜基体的硬度和摩擦磨损性能都得到了明显提高;但随着纳米SiO2质量分数的增加,复合材料的密度和硬度均呈下降趋势;当纳米SiO2质量分数为0.3 %时,复合材料的减摩耐磨性最好.     

基于自适应滤波的坦克发动机振动信号的信噪分离方法

发动机表面振动是一种多振源、激励复杂的振动形式,在发动机测试时目标振动信号受到很强的噪声干扰,必须通过有效方法进行信噪分离.介绍了一种利用人工神经网络进行自适应滤波的信噪分离方法,根据自适应噪声抵消原理建立了ADALINE自适应神经滤波器模型,并使用该模型滤除坦克发动机汽缸盖振动信号中的机体振动噪声,提高了信噪比,为汽缸盖振动信号的进一步分析处理奠定了基础.     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。     

舰载反潜直升机协同作战效能评估

协同作战效能评估可为舰载反潜直升机装备发展和协同作战指挥提供依据和参考。通过对协同作战效能评估研究现状的分析,提出一种采用模糊综合评判进行协同作战效能评估的方法。首先,对影响协同作战效能的指标进行分类,建立多层指标体系;其次,构建基于模糊综合评判的数学模型,对不同类型指标进行规范化处理,并采用AHP法确定指标权重;最后通过对某型机的协同作战效能进行评估,验证所提方法的有效性和可行性。     

OQAM/OFDM系统中基于压缩感知的离散导频信道估计方法

针对多径信道条件下,偏移正交幅度调制的正交频分复用(OQAM/OFDM)系统中采用导频序列方式进行信道估计时导频开销较大的问题,提出一种基于压缩感知的离散导频信道估计方法。该方法利用无线信道的稀疏特性,建立基于压缩感知的OQAM/OFDM系统信道估计模型,对离散导频结构进行了优化设计,使较少的导频符号随机分布在子载波上,在接收端利用信号恢复算法实现信道估计。该方法能够显著减少导频数量,并实现高精度信道估计性能,通过实验仿真对比验证了所提方法在慢时变和快时变的无线信道条件下的有效性。     

一种改进的分数低阶矩协作频谱感知算法

为了提高脉冲噪声下基于分数低阶矩频谱感知算法性能,提出了一种改进算法。针对中值滤波能有效抑制脉冲噪声的特点,该方法先对接收信号进行中值滤波,再进行分数低阶矩频谱感知。仿真分析了在不同广义信噪比、特征指数以及协作用户对感知性能的影响,并与能量检测和分数低阶矩频谱感知方法对比。仿真结果表明,改进的分数低阶矩方法在脉冲噪声下感知性能明显优于能量检测和分数低阶矩检测。并且对不同调制信号均具有良好的适用性。     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。