平稳小波去噪算法中的参数选择

为研究平稳小波变换去噪算法在工程应用时如何选择小波基、小波系数处理方法和阈值计算方法的参数以取得最优去噪效果,通过仿真实验,对比不同小波基、不同小波系数处理方法及不同阈值计算方法对平稳小波变换去噪算法去噪效果的影响,对算法的参数选择问题进行研究。实验结果表明：相比其他滤波器组,大部分情况下Daubechies 小波基对应的滤波器组去噪效果更好;信号信噪比较低时选用软阈值法,信噪比较高时选用硬阈值法;使用阈值法处理小波系数,信号信噪比不高的情况下应采取固定阈值法来确定阈值,信号信噪比较高时应采取无偏风险估计法。     

基于改进的软阈值小波包网络的电力信号消噪

为了克服传统软、硬阈值在信号消噪中存在的不足,首先构造了一种新的软阈值函数,并将小波包变换和神经网络相结合;然后,基于改进的软阈值小波包网络对实际采集电力信号进行消噪。MATLAB仿真结果表明:改进的软阈值小波包网络比传统硬、软阈值小波包消噪的信噪比高,且均方根误差小,是一种非常有效的电力信号消噪方法。     

基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。     

基于K_L变换与SVM的硬件木马检测新方法

针对基于旁路分析的硬件木马检测,旁路信号数据在空间中呈现高维分布、非线性的问题,探究在降低信号维数方面核函数的可行性,提出了一种基于K_L变换与支持向量机(Support Vector Machine,SVM)的硬件木马检测模型。在FPGA加密芯片中植入所设计的硬件木马进行实验,实验结果对比表明,利用主特征向量构建的SVM模型在检测占电路2%的硬件木马时,测试准确率达到了98.1%,为规模更小的木马检测提供了新思路。     

干涉仪测向中相位差精确测量技术研究

相位差的精确测量在以相位为参考信息的测向体制中十分重要,直接影响了测向的精度。重点研究了相位差精确测量技术。在详细分析3种有效的测量方法基本原理基础上,比较精确地获取了信号的相位差,并通过大量的仿真实验比较3种方法在不同情况下的性能,为实际应用中选择合适的方法提供了依据。     

基于小波变换的SAR抗连续波白噪声干扰研究

分析了SAR回波信号与连续波干扰信号的特点,利用小波变换良好的时频局部特性,采用小波变换的办法滤除连续波干扰.分别在时频域和图像域做了仿真实验,在图像域的仿真分析较好的克服了时频域内信噪相似度大分离困难的问题,可以较好的消除连续波噪声产生的影响.     

离散滑模预测控制的鲁棒性

采用单步预测的思想对滑模预测控制算法进行简化,分析其鲁棒性机理,并将它与传统离散滑模控制设计方法的鲁棒性机理进行对比研究,给出了闭环系统的鲁棒稳定性证明。结果表明:传统离散滑模控制方法通过在控制律中引入不确定性上界值以克服不确定因素的影响,虽然能够保证系统的鲁棒性,但同时必然导致过度补偿,从而加剧抖振。而滑模预测控制采用反馈校正与滚动优化相结合的方法以保证系统鲁棒性,从原理上避免了抖振现象。仿真结果验证了理论分析的正确性。     

基于动态神经网络的柴油机建模研究

针对全柴推进系统仿真中主柴油机输出扭矩的预测问题,分析了输出扭矩的影响因素,在实验室试车台记录数据的基础上,利用小波分析方法对带噪声的原始信号进行预处理,运用Elman动态递归神经网络建立了用于柴油机输出扭矩预测的控制模型.     

基于机器翻译的原型句蜕及其包装研究

首先简要介绍了HNC理论及其机器翻译观,结合机器翻译的难点与原型句蜕存在的普遍性,说明了解决原型句蜕变换的意义:接着对原型句蜕构成现象进行了描述,从汉英语义块构成对比分析中导出了汉英变换规则;从现有的机器翻译系统所暴露的问题中,说明原型句蜕变换对提高机器翻译质量的必要性和可行性;最后是对本文的结论和说明。