一种新的形态中值小波图像去噪方法

图像去噪是图像预处理中一项重要环节.针对线性小波分析在图像去噪中会丢失一些细节信息这一缺点,利用数学形态学算子的非线性特征,构建了一种非线性的可用于灰度图像处理的形态中值小波,并应用于图像去噪.对比实验结果表明,该方法比线性小波去噪方法具有更好的去噪性能,图像细节信息损失更小.     

线性方程组二级迭代法的收敛速度

二级迭代法由内、外迭代和内迭代次数三部分组成。给出了线性方程组二级迭代法R1-收敛因子的一个上界,这个上界由内、外迭代的R1-收敛因子和内迭代次数所决定,其主部为外迭代的R1-收敛因子。在矩阵单调性条件下,对于任何内迭代方法和任意内迭代次数,证明了外迭代的R1-收敛因子也是二级迭代法R1-收敛因子的下界。所得结果反映了内、外迭代的收敛速度以及内迭代次数对于二级迭代法收敛速度的综合影响。     

齿轮箱故障诊断特征级数据关联方法研究

提出了齿轮箱故障诊断特征级数据关联的定义．在该定义的基础上,提出了基于Bootstrap方法的小样本诊断特征参数关联的方法．利用某型齿轮箱振动试验台测取的振动加速度响应信号对提取的特征参数进行了关联评估,基于Bootstrap方法的特征级数据关联方法正确区分出了效果不好的特征参数,证实了该数据关联方法的正确性．     

水下滑翔机建模与纵向运动控制

水下滑翔机是一种浮力驱动的新型水下航行器,其特殊的驱动方式和结构特点增加了建模和控制分析的复杂度。为获得准确有效的水下运动控制方法,通过滑翔机运动学和动力学分析,建立了较为完善的三维空间数学模型,并进行了合理的假设和简化,得到纵平面内小扰动线性化模型。在此基础上,运用了线性二次型最优控制理论设计了LQR调节器,分析系统对于控制指令的跟踪响应情况。最后针对滑翔机的纵平面运动进行了仿真分析,仿真结果显示,LQR调节器有很好的干扰抑制能力和指令跟踪性能,并准确地描述了纵平面内滑翔机的运动特性。     

联合特征累积分析的压缩域运动对象检测

依据H.264压缩域中能够反映景物运动变化的MV和DCT系数特征,本文提出了一种多特征联合累积分析的压缩域运动对象检测方法。该方法对压缩码流中各宏块的运动信息进行时空域滤波,并使用雅克比矩阵描述全局运动参数和宏块MV之间的关系,简化参数求解过程,通过比较局部运动和全局运动之间的差异初步检测运动对象;选取宏块周围可靠的运动特征用于宏块DCT系数能量的投影累积,并通过熵能原理在压缩域中选取各个宏块的自适应阈值,检测运动对象的边缘及纹理显著区域;通过一定的逻辑准则将MV和DCT系数的检测结果结合起来,最终检测出视频中运动对象。实验结果表明,本文算法可准确地检测压缩视频中的运动对象,且检测结果具有较高的查全率和查准率。     

特征量积和IHS变换的多源遥感图像融合方法

以高空间分辨率的SAR图像和高光谱分辨率的TM图像为例,提出了一种基于特征量积和IHS变换的多源遥感图像融合方法.该方法首先对TM图像作IHS变换,得到亮度I、色度H与饱和度S三个分量;其次,依据特征量积准则融合TM图像的亮度分量和SAR图像,并用融合结果替代TM图像的亮度分量;最后,作IHS反变换得到融合图像.实验结果表明,与IHS法和小波变换法相比,方法快速、简洁,在保持光谱信息与增强空间细节信息两个方面的综合性能均得到提高.     

二阶线性系统高阶PI观测器设计问题

考虑二阶线性系统的高阶比例积分(PI)观测器设计问题,提出了一种参数化方法。该方法给出了该类观测器的增益矩阵和左特征向量矩阵的参数化表达式。这些参数为控制系统设计提供了全部自由度,可通过优化等手段适当选择这些参数来满足某些性能要求,如干扰解耦、LTR和鲁棒性等。该观测器设计的参数化直接基于二阶线性系统的参数矩阵,不涉及二阶线性系统的变换或增广,表明了所提方法的简单有效性。     

基于DEA系统下的武器装备采办理论及运用

数据包络分析DEA(data envelopment analysis)系统主要是针对武器装备性能的论证和武器装备采办提供相应的分析工具。介绍了该系统组成及DEA模型算法的基本思路,分析了武器装备采购费用的相对有效性,并简要阐述了该系统在军事领域的应用前景。     

战场物资快速运输的指挥控制

针对战场快速物资运输的指挥控制问题,提出一种基于线性规划的方法。根据供求双方物质的供应和需求总量、地理空间上的位置以及运输工具的运载能力等信息,制订一个满足供求双方物资总运载量,并以运送所有物资耗费时间为最小的优化目标,改进了传统运输问题模型。仿真分析表明,该方法为实现战场物资快速运输的指挥控制提供了有价值的参考。     

磁偶极子信号检测和参数估计

在分析了经典磁偶极子模型的基础上 ,指出该模型是两个函数的组合 ,目标参数包含在这两个函数的参数里 .提出了二次函数组合法 ,能够在绝大多数情况下将这两个函数分离 ,逐步求出目标参数 .最后对实例进行了仿真计算 ,给出了较满意的结果