非高斯噪声下信号盲检测算法*

针对实际甚低频和超低频接收机不仅受非高斯噪声的影响,同时受到接收机内部和外部环境中高斯噪声影响的问题,对噪声采用高斯尺度混合分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种基于马尔可夫链蒙特卡罗方法的信号盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步检测信道衰落系数、噪声模型参数和信号。算法迭代效率快、精度高。通过与最优检测性能比较,盲检测算法性能优异,对甚低频和超低频信号接收具有重要的现实意义。     

基于多元高斯声束模型的圆柱体三维声场仿真

结合圆柱体工件内部缺陷超声检测的实际情况,采用多元高斯声束模型仿真了检测时超声波的三维声场分布。针对水浸式超声检测原理,将超声传播的过程分解成探头发射、液体耦合介质中的传播、液固界面处的传播和固体工件中的传播等4个阶段,建立了传播过程中的声场模型并得出仿真结果.分析了三维坐标体系中不同方向的声场变化情况,结果表明采用多元高斯声束模型模拟三维声场的有效性和准确性,研究的结果对于实际圆柱体工件的内部缺陷检测提供理论依据。     

球面高斯投影及其变形的闭合公式

将地球视为球体时,高斯投影与横墨卡托投影是同一种投影,因此高斯投影公式可表示为形式紧凑的闭合形式。根据相关定义,以高斯投影的闭合公式为基础,通过一系列数学变换,推导出高斯投影反解公式、经纬线投影方程、投影的长度比及子午线收敛角公式的严格解析式,并借助算例验证了推导结果的可靠性与正确性。与以往根据高斯投影的幂级数公式推得的结果进行了对比分析,结果表明:所推导出的公式逻辑上更严密、形式上更紧凑,既丰富了高斯投影理论,又完善了地图投影数学基础。     

和谐社会视角下对新疆多元文化建设的思考

在多元文化并存的边疆民族地区,和谐社会的构建必然要求和谐文化的发展。文化和谐是社会和谐的基本保证和精神动力。在新疆构建和谐社会,应加强多元文化间的交流,促进文化认同,传承民族传统文化,整合新疆多元民族文化资源,发展文化产业,促进新疆文化繁荣与社会和谐。     

英雄本色

美丽的伊犁河谷东端,三面青山列翠屏,腰围玉带河纵横,资源丰富、风光秀丽,是伊犁哈萨克自治州新源县所在地。这里有美丽的巩乃斯草原,这里是驰名中外的新疆细毛羊的故乡,在这里,还诞生了新疆白酒业第一个拥有中国驰名商标的上市公司——新疆伊力特实业股份有限公司。1999年改制上市的新疆伊力特实业股份有限公司,注册资本2.21亿元,是一个以"伊力"牌系列白酒生产、销售为主要产业,涵盖食品加工、野生果综合加工、印务制品、玻璃制     

多元文化教育背景下的学校文化建设探究

发端于美国的"多元文化教育"迅速发展,影响到学校教育的各个方面。本文通过分析多元文化教育的发展历程和价值内涵,明确多元文化教育的发展对学校文化建设的影响。对多元文化教育理念和价值取向进行反思,找出建设和谐共生、多元互动的学校文化发展的实现路径。     

基于1.5维谱的船舶轴频电场信号实时检测

为有效地从海洋环境电场中检测出船舶轴频电场信号,在采用正态概率图法分析海洋环境电场高斯性的基础上,利用1.5维谱在抑制高斯噪声和加强谐波信号基频分量等方面的优势,提取特征频段(1～7Hz)范围内的1.5维谱的平均值为特征值,利用滑动检测方法对信号进行了实时检测,并通过实测数据对该检测算法进行验证。结果表明:该方法在信噪比较高和较低的情况下均能较好地实时检测到目标信号,并且在没有目标信号的情况下不会出现虚警。     

汉语原型句蜕向英语多元逻辑组合的变换

汉语原型句蜕的英译形式多种多样,其中变换成英语的多元逻辑组合是涉及比较复杂变换细节的一种,因而成为颇具特色的语义块构成变换子类.文章从概念阐释入手,详尽分析了这种变换的语言现象、变换的必要性以及实施变换的技术准备.     

改进的多目标GM-PHD分量融合算法

密集杂波的平行多目标跟踪场景中,高斯混合概率假设密度滤波器的计算代价随着分量的增多而不断变大,且其目标状态估计精度较低.为了解决这些问题,基于高斯混合概率假设密度滤波框架,提出一种改进的目标分量融合算法.通过目标分量的权重、均值及协方差的充分协作,该算法能够极大程度地融合目标强度中的相似分量,同时能够有效地避免真实目标分量被错误融合.仿真结果表明,密集杂波环境下该算法不仅具有较高的目标状态估计精度,而且其计算代价相对较低.     

基于非凸范数最小化图像去噪算法

为改善高斯噪声条件下图像去噪性能,基于低秩理论,提出基于伽马范数最小化的图像去噪算法.所提算法对噪声图像重叠分块,基于结构相似性指数自适应搜索与当前图像块若干最相似非局部图像块以组成相似图像块矩阵,进而利用非凸伽马范数无偏近似秩函数以构建低秩去噪模型,并基于凸优化理论求解所得低秩去噪优化问题,重组所得去噪图像块以获得最终去噪图像.与PID,NLM,BM3D和NNM等主流去噪算法相比,实验结果表明,所提算法可有效消除高斯噪声,且可较好地恢复原始图像细节.