噪声图像压缩编码的小波变换方法

基于小波变换理论，研究小波变换域噪声图像的压缩编码方法，以实现在小波变换域同时达到对图像噪声的去除与图像压缩编码的目的，并且使两者均获得较好的效果。最后给出的实验结果证明了本文方法的有效性。     

基于动力学模型的有源假目标鉴别方法

针对导弹防御中可能出现的有源假目标欺骗干扰,从雷达数据处理的层次上进行了真假目标鉴别研究。利用自由段有源假目标与实体目标在动力学模型上的本质差异,提出了动力学模型匹配系数的概念,推导出理想条件下的动力学模型匹配系数的解析表达式。在弹道目标跟踪的基础上设计了有源假目标鉴别算法。结合中程弹道,进行了真假目标鉴别的计算机仿真实验。实验结果表明,所提算法能有效鉴别有源假目标。     

用小波包变换降低 MCM 系统中并存的脉冲干扰和窄带干扰的影晌

小波包变换可以给出信号精细的时频局域化特性，本文通过对信号进行小波包变换，导出了用小波包变换实现多载波调制（MCM）的系统模型，在此基础上研究了用小波包时频分解特性对信号进行变换，从而降低MCM系统中并存的脉冲噪声和窄带干扰的影响，并给出了如何选取时频单元进行变换的算法。     

一种新的小波收缩统一阈值函数

提出一种新的小波收缩统一阈值函数,并证明了新阈值函数具有收敛性,通过调节可变参数的取值可以改变新阈值函数的趋向,为图像阈值去噪的自适应处理提供了可能.此外,给出了新阈值函数的期望、方差与风险的关系式.仿真结果表明新阈值函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的灵活性,可以获得更高的信噪比和更好的视觉效果.     

基于小波变换的探地雷达随机RFI抑制方法

针对探地雷达(Ground Penetrating Radar, GPR)与移动通信系统终端存在的频谱共用的电磁兼容性问题,着重分析了GPR接收中随机性射频干扰(Radio Frequency Interference, RFI)的性质,以及该类RFI与GPR目标回波信号在小波多尺度分解中分布的差异性,并基于此分析,提出了基于小波变换域的GPR随机RFI抑制算法,利用两种实测实验数据进行验证,结果表明,该方法能较好地抑制GPR的随机性RFI.     

联合二代Bandelet和Wavelet对图像进行分层压缩

一幅图像可以分解为匀质结构图和几何纹理图两个分量.基于这种思想,提出了一种使用二代Bandelet和小波对图像进行分层压缩的有效算法.首先,使用全变分方法把原始图像f分解为u和v两部分,其中u代表f中的结构分量,v代表纹理分量;对u进行小波变换,对v进行二代Bandelet变换.采用了自顶向下的四叉树分解算法,优化了二代Bandelet的四叉树建立过程.实验结果表明,该压缩方法的重建图像在视觉效果和客观SSIM值两方面均优于JPEG2000和Bandelets.     

四支板超声速引射器性能特性试验

对二维喷管构型的四支板超声速引射器进行冷流试验,分析启动、负载匹配方面的性能特性。试验结果表明:启动特性方面,四支板超声速引射系统的盲腔压力低于3 kPa,引射器入口腔压的迟滞压力比启动压力低15.9%。负载匹配特性方面,四支板引射器在小引射系数、大增压比状态下具有十分明显的优势,当引射系数为0.04时,增压比为11.21;当引射系数为0.10时,增压比为7.0。因此,二维喷管构型的多支板超声速引射器具有良好的启动、负载匹配性能,工程应用潜力较大。     

加权核范数最小化和改进小波阈值函数的图像去噪算法

针对加权核范数最小化算法存在结构残余噪声以及无法较好地保持图像边缘结构的问题,提出基于加权核范数最小化和改进小波阈值函数的图像去噪算法。利用全变分模型对噪声图像进行初步去噪,使用噪声图像与初步去噪后的图像进行差分运算,对差分后得到的噪声残差图像使用改进的小波阈值函数去噪,将小波去噪后的残差图像与初步去噪图像叠加,将叠加后的图像使用基于残余噪声水平迭代的加权核范数最小化算法进行二次去噪。相较于当下主流去噪算法,经该算法处理后的图像的PSNR和SSIM值均有所提升,能够更好地保持图像的纹理结构,且在高噪声环境下效果更佳。     

基于小波包频带能量检测的神经网络故障诊断技术

利用小波包频带能量检测技术对观测信号进行处理,从中获取反映故障特征的信息,以此作为输入对网络进行训练,可对故障进行比较可靠的分类。同时介绍了利用小波包频带能量检测技术提取观测信号特征向量的方法和步骤,以及基于松散小波神经网络的故障诊断方法。最后结合某型导弹舵系统故障诊断的实例,给出仿真试验,证明了该方法的有效性。     

用于无人机着陆的图像处理算法

随着无人机着陆图像处理算法的不断研究和发展,在分析小波变换对噪声和边缘点的影响规律的基础上,结合多尺度乘积的特性,采用了一种基于小波变换的多尺度积的边缘检测新算法.通过边缘检测实验并和其他算法作比较,该算法能有效抑制噪声,获得清晰丰富的边缘且定位精度高,为进一步的无人机着陆图像处理提供一个很好的工具.