罗兰-C 地波传播海岸效应中驻波扰动现象的空间分析

为了提高海岸区域低频地波传播特性预测精度,研究了基于 J．R．Wait 及 FDTD 全波分析算法的罗兰-C 信号海岸效应预测模型;对罗兰-C 信号传播至海岸线时的电场幅度与相位的空间驻波状扰动现象进行了仿真比较;分析了突变和线性渐变两种陆海分界模型下,该扰动在近海岸区域的地／海面及其上空的分布规律,并指出该扰动存在波前倾斜现象。仿真分析表明：该研究进一步克服了 J．R．Wait 算法的局限,限定了驻波扰动变化量级与其在三维空间的分布范围,有助于同时提高罗兰-C 系统在海岸区域地／海面及空中的导航授时精度。     

直接耦合干扰的自适应两级补偿方法

针对水下电磁探测系统对直接耦合干扰的补偿精度受限于硬件采样分辨率的问题,研究了基于自适应技术的直接耦合干扰两级补偿方法。采用高速 DSP 芯片实现直接耦合干扰补偿电路,完成直接耦合干扰的粗调补偿;提出了基于可变遗忘因子的 QRD-LS 算法,并采用基于该算法的自适应陷波器实现了直接耦合干扰的微调补偿。实验研究验证了两级补偿方法对直接耦合干扰的补偿性能。结果表明：基于可变遗忘因子的QRD-LS 算法稳定性好,收敛速度快;基于该算法的自适应两级补偿方法对直接耦合干扰的补偿精度达到10－4倍。     

用于海底观测网络的海缆远程供电系统的可靠性

提出了串联恒流和并联恒压两种适合应用于海底观测网络的远程供电系统方案;在相同条件下,利用算法分别完成了两种系统的可靠性设计与分配方案,并根据各子单元的分配可靠度计算了两种系统各节点的供电可靠度。分析结果表明：相比于并联恒压远供系统,串联恒流远供系统对子单元的要求相对较低,而各节点的供电可靠度相对较高,说明串联恒流远供系统更适合应用于我国的海底观测网络建设。     

光学显微结核杆菌图像的区域分割算法

为提高结核杆菌目标的分割精度,提出了一种区域级的光学显微结核杆菌图像分割算法。通过顶帽—底帽变换增强彩色图像对比度,融合图像局部特征和全局信息计算图像梯度,利用分水岭算法实现对图像的初始分割;对分割区域采用相邻区域最大相似度准则进行合并,从而得到完整的目标区域;根据结核杆菌图像的特点,通过分析结核杆菌目标区域的颜色特性,采用多阈值分割的方法滤除区域中的杂质,实现对结核杆菌目标的分割。实验结果表明,可以分割出目标对比度低以及饱和度过低的结核杆菌目标,并且对不同染色背景的图像均能取得较好的分割结果。     

无机化学教学中案例教学法的应用研究

案例教学法是一种历史悠久又常用常新的教学方法,恰当地应用案例教学法对激发学生学习兴趣,增强学生的主体性和学习的主动性有着十分重要的作用,同时,也是讲练结合,学为所用,更好更快提高课堂教学质量的重要方法。通过对无机化学知识体系的剖析和研究,收集筛选多个案例、多个知识点应用案例教学法,对无机化学的教学产生了积极的促进作用。     

一种新的数组逻辑结构猜想方法

许多编译优化技术都依赖于数组的逻辑结构,然而在实际的应用中,有相当多的数组是无结构的一维数组,从而妨碍了编译器的优化工作。提出了一种新的数组逻辑结构猜想算法,它能将无结构的一维数组自动变换成具有多维逻辑结构的数组,从而使编译器的优化工作成为可能。首先给出一个引理,指出猜想后的多维数组应满足的基本性质,然后基于该引理给出了猜想数组的逻辑结构应遵循的两条基本规则,最后基于这两条基本规则给出了猜想数组逻辑结构的算法。实验结果验证了所提出的数组逻辑结构猜想算法的有效性。     

保持连通的边缘细化算法

传统的图像边缘检测算子一般都只能得到多像素宽边缘,这为后续的图像处理带来了一定困难。结合边缘走向趋势的估计技术以及对连通关键点判断的方法,提出了一种新型的边缘细化算法———保持连通的边缘细化算法。该算法能在保持边缘原有信息(连通和走向)的前提下,以较小的计算开销,给出理想的或是可接受的单像素宽细化结果。     

ViCowel：一种支持视频组播应用的可伸缩性小波视频编码方法

WebLearning+是作者开发的基于IP组播的协同学习环境,可伸缩性视频编解码及其自适应组播传输是系统研制中的核心技术。针对WebLearning+中自适应视频组播对编解码器的要求,提出了一种基于行扫描的可伸缩性小波视频编码方法ViCowel。实验结果表明该方法对于视频组播应用具有较好的适应性。     

用FPGA实现浮点FFT处理器的研究

针对定点FFT处理器精度不高的缺点,提出了浮点格式FFT处理器的FPGA硬件实现方案。详细阐述了FFT处理器的自定制浮点格式确定、算法选择和浮点加法实现等关键技术。该处理器已投入使用,工作性能稳定,系统时钟80MHz,完成1024点FFT IFFT运算只需64μs,误差小于-80dB。     

含噪稀疏信号重构的l0范数期望值最小化方法

压缩感知理论是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对测量值受噪声污染的含噪稀疏重构问题,提出了近似l0范数期望值最小化方法。该算法基本思想是将含噪稀疏重构问题转化为近似l0范数期望值最小化问题,并利用噪声的统计特征将随机最优化问题化简为常规的最优化问题,然后采用最速下降法求解。数值仿真表明,本文提出的方法具有更好的重构精度,且计算量较小。