电偶腐蚀下非稳态扩散瞬时静电场分析

为分析在浓差极化条件下非稳态过程中的静电场分布情况,在斐克第二定律的基础上利用拉普拉斯变换求解电极表面氧浓度随时间的变化。通过法拉第定律分析受氧浓度控制下的电偶腐蚀电流密度,在此基础上利用电流元模型求解电解质溶液中任意位置处产生的瞬时电位及静电场强度,并通过实验验证结果的正确性。结果表明：浓差极化下的非稳态扩散传质产生的静电场及电位会随着时间的增加而逐渐减小,并最终达到稳态,且电流密度会随着氧的浓度减小而减小。     

基于改进型HHT变换的起动电动机故障特征提取

针对装甲车辆起动电动机发生早期故障时的不可预知性,加上现有的维修方式大多是定期保养维护,使得起动机的早期故障得不到有效检测,进而引发更深层次的故障。从电机振动信号的非平稳非线性特点出发,对比分析了当前时频分析技术的优缺点;选用了基于HHT变换的时频分析方法对振动信号这个随机信号来提取特征向量,并提出了改进型的HHT变换理论,对模态混叠和虚假分量的问题加以消除和验证;最后,将改进型的HHT变换方法应用到实物验证。结果表明,能够有效地提取到电机不同状态下的具有紧凑性、代表性和广泛性的特征向量。     

基于改进协方差控制的传感器管理算法

针对传统的基于协方差控制的传感器管理算法使用全遍历方法所造成的计算量大,以及传感器切换频繁的问题,提出了一种基于改进协方差控制的传感器管理算法。该算法在每一时刻首先判断前一时刻所用传感器组是否能够满足目标跟踪需求,以滤波协方差与期望协方差的偏差作为参考,结合量纲变换和特征值求取,为协方差偏差矩阵经过量纲变换后得到的量纲一致阵的所有特征值设定一个精度阈值,然后判断滤波协方差是否满足期望,从而决定是否维持当前选择的传感器组。在目标作匀速、匀加速、协同转弯等多种场景下进行了算法性能测试分析,仿真结果表明,该算法不仅在大部分场景下满足目标跟踪精度,而且能够提高传感器管理算法的实时性,同时降低传感器的切换频率。     

基于不同能量值特征优选的水声目标识别

采用Bartlet平均周期图、小波变换和经验模态分解方法分别提取信号的频段能量值特征、IMF能量值特征,重点对IMF能量值特征进行特征优选。通过设计BP神经网络分类器,对实测的四类舰船目标的辐射噪声信号进行测试,取得了较好的识别效果。     

基于shearlet与PCNN的多聚焦图像融合方法

针对传统脉冲耦合神经网络(PCNN)模型在多聚焦图像融合领域应用中面临的参数繁杂等问题,提出一种基于剪切波(shearlet)变换与改进型PCNN的多聚焦图像融合方法。相比以往的变换域方法,shearlet具有理想的图像信息捕捉性能以及较低的计算复杂度,因此,可利用shearlet将待融合图像进行多尺度多方向分解。其次,对经典PCNN模型加以改进,综合运用清晰度水平以及协调矩阵完成低频子带图像以及一系列高频子带图像的融合过程。最后,运行shearlet反变换得到最终融合图像。仿真实验选取了若干组待融合图像进行仿真,验证了该方法在主、客观评价两方面的优越性。     

基于循环谱相关的雷达信号脉内分析改进算法

针对传统的雷达信号脉内特征分析算法存在的局限,提出了一种基于循环谱相关的雷达信号脉内特征分析的改进算法。该算法将传统的循环谱估计方法进行了改进,能对雷达信号脉内调制方式进行识别并提取脉内特征参数,然后结合改进的小波变换的优点,对识别出的相位编码信号进行相位突变点的提取,最后输出至完善的脉冲描述字中。改进的算法能够在较低计算量的同时保证较好的脉内特征参数的估算精度。仿真结果表明,在较低信噪比下,该算法仍然具有较好的性能。     

关于半鞅的可料表示性

利用鞅空间H1的泛函表示定理、泛函分析中的Hahn-Banach定理、半鞅向量随机积分的Girsanov定理,获得了半鞅可料表示性的特征。由于使用的是半鞅的向量随机积分,它推广了经典的结论。     

平方根Spherical Simplex UKF在飞船姿态估计中的应用

提出了一种用矢量观测来估计飞船姿态的平方根spherical simplex unscented卡尔曼滤波算法。该算法将spherical simplex unscented变换与unscented卡尔曼滤波结合起来,与采用scaled unscented变换的unscented卡尔曼滤波相比,具有更低的计算量。其平方根形式由于协方差阵的半正定性,拥有更好的数值稳定性。飞船的姿态运动学描述采用了四元数,而用广义罗德里格斯参数来克服卡尔曼滤波过程中的四元数归一化误差。仿真结果表明,该算法比标准扩展卡尔曼滤波具有更低的姿态估计误差及更快的收敛率。     

基于RCS的空间目标识别研究

空间目标的雷达探测与识别技术在航天监测、开发利用空间资源方面具有广阔的应用前景。空间运动目标RCS序列为非平稳时间序列,常用时间序列分析方法很难对其进行特征提取和识别。针对空间运动目标RCS序列的变化规律,引入小波变换以及模糊分类对空间目标的RCS序列进行特征提取和识别。实测数据处理结果表明,对于空间目标的旋转姿态识别,该方法取得了较好的实验结果。     

基于机器视觉的洞库类目标自动识别技术

针对传统的洞库类目标识别方法所存在的不足,设计了一种基于可见光/红外线探测器和嵌入式DSP的洞库类目标主动探测和自动识别装置,根据洞库外观的结构特征建立了洞库识别的数学模型,提出了基于Hough变换的洞库类目标自动识别算法,并将洞库识别数学模型与Hough变换的处理流程有机结合起来,实现了不同外观结构的洞库类目标的正确识别。实验结果表明该洞库类目标识别算法具有较强的鲁棒性,可以有效地抑制噪声的影响,对由于预处理参数设置不合理所造成的洞库类目标边缘成为不连续曲线的现象也有良好的自适应性和自判断性。