运用双通道实现任意两粒子量子态的传送

提出了一种利用非最大纠缠EPR(Einstein-Podolsky-Rosen)态和非最大纠缠GHZ(Greenberger-HorneZeilinger)态作为量子通道概率传送任意两粒子纠缠态的方案.经过贝尔态测量和Hadamard测量后,发送者将测量结果告知接收者,接收者需要引入一个辅助粒子,然后对他所拥有的粒子做形式唯一的联合幺正变换,再做一个简单的相对幺正变换调整符号,就可以概率实现纠缠态的隐形传送,通过数值计算,可以得出传态成功的概率.最后利用基本量子门电路,构建了实现任意两粒子纠缠态概率传送的量子逻辑电路.     

结合数学形态学和幂变换的彩色图像增强算法

证明了颜色空间与RGB颜色空间可以互逆转换并且时间效率高、对亮度分量单独处理后再转换回RGB颜色空间能够保持原始图像的色调不变;提出了一种基于数学形态学开运算和幂变换的彩色图像增强算法,实验结果表明该算法能够有效地增加图像动态范围,恢复图像中过暗区域内容的细节,并且能够保持图像的色调不发生变化。     

基于db10小波的电机轴承故障信号分析

滚动轴承故障诊断的关键是对振动信号进行分析和处理,并提取滚动轴承的故障特征。由于大多数滚动轴承故障振动信号是非平稳信号,因此需要选择适合于非平稳信号分析和处理的方法。小波变换具有多分辨率分析的特点,并且在时域、频域都具有表征信号局部特征的能力,本文采用具有良好特征提取能力的db10小波进行分析。通过对实验数据的分析,验证了所提方法的有效性。     

基于阴影变换的动态灰值形态算子的研究

基于阴影变换和表面算子的理论,系统地研究了在空间变化(SV)即动态的二值形态学理论的基础上建立动态灰值形态算子的方法,证明了阴影集的相关结论,运用阴影变换和表面算子表示了SV灰值形态开、闭算子,并推导出腐蚀、膨胀以及开算子这3种算子所具有的代数表示形式,研究了腐蚀、膨胀、开、闭这4种算子的性质.     

MT信号处理中小波分析与Hilbert-Huang变换的比较

以实测大地电磁信号为分析对象,对比研究了小波分析和Hilbert-Huang变换在大地电磁（magnetotelluric,MT）信号分解和时频分析上面的特点.给出了小波分析和Hilbert-Huang变换的数学原理,分析了2种方法在MT信号分解中的分解方法及其物理意义,讨论了2种方法在MT信号时频谱表征能力上的异同,为大地电磁信号分析方法的选择提供用了有价值的参考.     

一种分层阈值优化的语音感知小波去噪方法

通过分析含噪语音信号的特点,引入能够兼顾人耳听觉特性的听觉感知小波变换,构造了新的小波阈值函数,并对小波变换分解后的阈值进行基于微粒群算法的分层优化.仿真实验表明,该方法在不同信噪比条件下均具有较好的去噪性能,语音的可懂度和听觉效果得到有效提高.     

磁耦合调谐质量阻尼器的参数优化及减振效果

在调谐质量阻尼器的基础上,将黏性阻尼器换成电磁阻尼器,建立了3个自由度磁耦合调谐质量阻尼系统的力学模型及其运动学方程。利用傅里叶变换导出了该系统随外激励变化的傅里叶响应函数。根据固定点法和参数组合筛选法对系统的参数进行了优化处理,得到了最优频率比、电阻尼比和耦合参数。减振效果显示,磁耦合调谐质量阻尼器比调谐质量阻尼器的减振效果提高了20%左右。     

生物芯片微阵列图像倾斜校正算法研究

针对现有生物芯片图像倾斜校正算法校正精度和运算速度的矛盾问题,提出对矩形样点和圆形样点图像分别采用改进的Hough变换和改进的Radon变换方法进行倾斜校正。改进的Hough变换首先对图像进行二值化,并仅统计矩形样点的上下边缘像素的Hough参数和累计值,然后根据所得的Hough参数空间提取占主导的直线组,最终计算出直线组的平均倾斜角度;改进的Radon变换在提取圆形样点边缘后,对边缘图像进行二级Radon变换,从而得到最佳校正角度。实验证明本文的方法能准确、快速地实现芯片图像的倾斜校正,为生物芯片样点识别奠定基础。     

方向提升小波变换域稀疏滤波的自然图像贝叶斯压缩感知

针对压缩感知(CS)重构算法在实际应用中自然图像的小波变换系数往往无法稀疏的问题,提出了一种方向提升小波变换(DLWT)域稀疏滤波的自然图像贝叶斯压缩感知算法(DLWT-SFTSW-BCS)。首先对自然图像进行方向提升小波变换得到小波变换系数;然后在随机测量之前利用稀疏滤波切除小系数,消除了小系数对大系数重构时的混叠干扰;最后结合小波树结构的贝叶斯压缩感知重构算法得到自然图像的重构图像。实验结果表明,与仅利用尺度间相关性的小波树结构的压缩感知重构算法相比,DLWT-SF-TSW-BCS算法的重构峰值信噪比最大可提高10dB。     

采用随机共振增强的混合扩频信号跳频参数估计

为解决强背景噪声下直扩/跳频(DS/FH)混合扩频信号的跳频参数估计精度低的问题,提出了一种基于随机共振的参数估计(SRPE)方法。首先对非线性预处理后的DS/FH信号进行信道化调制,将其转化为多个低频单分量信号,以满足随机共振的绝热近似条件;然后根据噪声强度自适应调整系统的参数,对每个单分量信号进行随机共振处理,使目标信号得到增强;最后采用Wigner-Villa变换来估计信号的跳频频率和跳速。仿真结果表明:SRPE方法能够提高目标信号的信噪比,实现强背景噪声下对DS/FH跳频参数的精确估计;在-10dB的低输入信噪比下,SRPE方法的频率估计误差低于10-3,与信道化谱增强方法相比,估计精度提高了70%以上。