高斯色噪声背景下基于正交变换的确知信号检测

Karhunen-Loève(K-L)变换可以完全去除色噪声背景下接收信号的相关性,但计算量较大,在实际应用中容易受到限制。为此,提出了一种基于正交变换的确知信号检测方法。该方法通过选取具有快速变换算法的正交矩阵来近似K-L变换,避免了直接求解噪声协方差矩阵特征值与特征向量的繁杂过程。通过仿真比较分析了一阶高斯-马尔科夫过程下基于K-L变换和基于正交变换的检测性能,结果表明:二者检测性能相近,但后者的计算效率有明显提高,具有更高的工程应用价值。     

考虑扩散效应圆形隧洞热弹性耦合动力响应研究

利用S-H热弹性扩散的基本理论,研究了无限弹性介质中圆形隧洞表面受随时间变化的热冲击的动力响应问题.采用直接求解方法以避免势函数的引入,利用Laplace变换技术,求解热、力、化学耦合控制方程,获得了弹性介质中温度梯度、位移、应力和化学势的积分形式解.最后,利用Laplace逆变换得到数值结果,分析了热、力、化学耦合条件下弹性介质中温度梯度、应力、位移和化学势响应的分布规律.     

基于分数阶傅立叶变换的ARM检测技术

分数阶傅立叶变换(FRFT)是傅立叶变换的广义形式,对线性调频(LFM)信号具有很好的能量积累作用.针对反辐射导弹(ARM)雷达回波信号的线性调频特性,提出了一种基于FRFT的反辐射导弹检测方法,并根据ARM信号的调频特性将FRFF局域化,缩小了峰值搜索区域,提高了检测效率.仿真实验表明该方法能够在高斯、非高斯分布杂波环境下有效地检测ARM信号.     

改进的SAR图像车辆目标姿态角估计方法

合成孔径雷达(SAR)对车辆目标的识别效果与目标的姿态角密切相关.如果确定了目标的姿态角,就可以大大降低识别系统的运算量,提高识别效率.Radon变换是一种检测目标姿态角的有效方法,但是Radon变换在实际应用中有一定的局限性.通过利用二维连续小波变换引入角能量密度函数的概念,提出了一种Radon变换和角能量密度相结合的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证该种方法能够准确的估计目标的姿态角.     

FPGA的可调参数白噪声与高斯白噪声生成器

提出了一种基于FPGA硬件的,强度、带宽均可调的白噪声和高斯白噪声生成器,给出了设计的总体框图和设计中的一些要点,阐述了主要部分的原理和理论推导.这种噪声生成器与传统数字电路所组成的噪声生成器相比,采用了新型的FPGA器件,通过利用其中的一些既有功能大大降低了设计的难度,提高了电路调试的灵活性,可用于多种环境下的通信系统测试.     

基于二进小波变换的MIP纹理映射在OpenGL中的应用

OpenGL中的纹理映射可以增加三维图形的真实性,而mipmapping多分辨率技术可以进一步增加真实性和减少内存占用,因此研究自动产生MIP纹理意义很大。通过采用二维二进小波的分解算法,在原纹理图像基础上可以得到各级低频的二进多分辨率的MIP纹理图像,从而自动产生不同细节的MIP纹理映射图像,而且与MIP映射技术要求相一致。最后通过实例验证了该方法的可行性并指出了不足之处。     

一种新的时频分析方法

首先分析了传统时频分析方法的特点及其局限性,而后评述了一种最新的适用于非平稳、非线性信号的通用的时频分析方法--基于经验的模式分解及希尔伯特变换谱,指出了该方法需进一步研究的有关问题     

一种基于Mellin变换的水声宽带相关模糊函数的快速算法

提出了一种基于Mellin 变换的快速算法,其特点是在给定的某一时刻得到不同尺度下的变换结果,算法的运算量与待分析的时延成正比,而在固定时刻下的运算量为两个2M点的FFT和一次2M点复数乘法(M为待分析的尺度的个数).该算法的优点是实时性好,且适合于水声信号领域尺度跨度小、尺度分析较细的特点,并给出了与直接法、CZT法的比较结果.     

小波相关特征尺度熵在滚动轴承故障诊断中的应用

将小波相关滤波方法与Shannon信息熵相结合,提出了一种故障检测与诊断的方法——小波相关特征尺度熵故障法。首先利用小波相关滤波方法提取滚动轴承故障振动信号的微弱故障信息特征,以求得信噪比较高的尺度域小波系数;然后结合Shannon信息熵理论给出了沿尺度分布的小波相关特征尺度熵定义及其计算方法。小波相关特征尺度熵能够定量表征不同尺度的能量分布,各尺度能量分布的均匀性可以反映滚动轴承的运行状态的差别,选取最能反映故障特征的小波相关特征尺度熵作为特征参数,通过所选取的小波相关特征尺度熵大小判断滚动轴承的工作状态和故障类型。实验证明该方法能有效地判断滚动轴承故障特征,为滚动轴承故障诊断提供了新的思路。     

基于AR模型和K—L变换的中医脉象聚类分析

针对直接利用时域波形识别中医脉象准确率低的问题,提出了一种基于 AR 模型和 K-L 变换的脉象模糊聚类方法。首先对脉象样本作8阶 AR 模型拟合,模型系数构成样本的特征集,其次采用 K-L 变换对特征集进行了压缩,最后利用 F-PFSR(Fuzzy Pseudo F-Statistic Ratio)聚类法对临床实测的40例脉象样本进行了聚类分析。实验结果表明,该方法的聚类准确率平均为85%。