调幅波调制噪声的单模激光随机共振

将噪声和调幅波以相乘的形式引入到单模激光系统,用调幅波调制色抽运噪声,采用线性化近似方法计算了由色抽运噪声和色量子噪声驱动下的光强相关函数,通过对相关函数的傅里叶变换,得到光强的功率谱及信噪比.结果表明:信噪比随着抽运噪声自关联时间τ1和载波信号频率ω的变化均出现了广义随机共振;当抽运噪声自关联时间τ1大于某一值时,信噪比R是正值,R随τ1的增大出现一个极大值,即出现随机共振现象;信号和噪声引入形式不同,随机共振的形式也不同.     

基于粗糙集理论的SAR图像speckle滤波方法

针对合成孔径雷达(SAR)采用主动式相干波的成像方式,在从原始信号到图像的重建过程中存在斑点噪声的干扰的问题,根据粗糙集理论的条件属性把SAR图像像素分成三类:均匀区域类、非均匀区域类和包含分离点目标类.对不同的像素类采用不同的滤波方式,然后合并三类子图像得到SAR图像的speckle滤波的图像.该方法既可除去图像中的斑点噪声,又可保留图像中的细节特征,有利于对图像的后续处理.     

基于光栅对的L波段EDFA增益箝制的优化设计

分析了基于光纤布拉格光栅对并具有动态增益箝制(GC)特性的优化L-EDFA性能,分别从单信道和多信道输入对GC-EDFA的影响进行了模拟.实验结果表明,在信号功率变化和信道丢失时实现了L-EDFA增益的箝制.并在此基础上提出通过增加一级噪声信能优化的EDFA,以改善GC-EDFA的噪声指数.与传统的GC-EDFA相比,该方案结构简单,易于集成.     

基于S变换的内燃机噪声信号时频特性

简述了S变换的基本原理,设计了仿真试验,对比分析短时Fourier变换与S变换的时频分析和信号检测能力.结果表明,S变换是一种更加有效的非稳态信号时频分析方法.以某六缸发动机为研究对象,采集机体前端和顶部噪声信号.采用S变换对噪声信号进行时频分析,分析信号能量在时频域内的分布规律及其频率成分随时间的变化情况,结合发动机的结构特点,分析噪声信号中比较突出的频率成分产生原因.S变换比较适合于发动机噪声信号时频特性研究,研究结果对发动机低噪声改进设计具有一定的参考价值.     

发动机机体振动噪声的预测方法

采用综合多体动力学-有限元法-声学分析法的集成预测方法,对发动机机体振动噪声的预测方法进行了研究,并详细介绍了该方法的分析流程.通过多体动力学得到作用于机体上的载荷时间历程,用有限元法预测机体表面的振动,通过声学分析法预测机体表面辐射的噪声.将振动和声学预测数据与试验数据进行比较,结果表明该方法可以准确预测机体的振动噪声水平,可用于机体的虚拟改进设计.     

一类Wick型随机KdV-MKdV方程的白噪声泛函解

利用埃尔米特变换求出了Wick类型的随机广义KdV-MKdV方程的精确解,这种方法的基本思想是通过埃尔米特变换把Wick类型的随机广义KdV-MKdV方程变成广义系数KdV,利用一种变换方法求出方程的精确解,然后通过埃尔米特的逆变换求出方程的精确解。     

基于自适应中值滤波器和TV修复的椒盐噪声去除

提出一种两步式椒盐噪声去除方法．第一步利用自适应中值滤波器来识别出被噪声污染的候选点;第二步利用一种边缘保持技术（全变差图像修复）来恢复出被噪声污染的点．由于椒盐噪声点的灰度值和原始像素灰度独立,所以在采用恢复技术时不使用噪声点自身的灰度信息．在噪声率不很高的情况下,这种方法可以获得比现有最好方法更高的信噪比;当噪声率高达70％以上时,该方法的信噪比与现有方法非常接近,但是主观视觉效果（例如边缘保持能力）更佳．     

超声图像斑点噪声限制的非线性各向异性扩散

结合非线性各向异性扩散和斑点噪声的限制,有效抑制临床超声图像斑点噪声.基于最小均方误差方法得到瞬时方差系数作为边缘检测器去控制扩散方程,并将经过对数压缩的斑点噪声模型限制通过附加能动项引入,通过能量最小化,自动估计附加能动项最优权值.仿真图像和临床超声图像实验证实,该算法能有效抑制斑点噪声、保留纹理信息.     

一个基于四方向的拉普拉斯算子的四阶偏微分去噪方法

将"四方向"(水平、垂直、斜左上、斜左下四个方向)引入拉普拉斯算子,改进了You-Kaveh模型,提出一个新的四阶偏微分去噪方法.实验结果表明,新方法比You-Kaveh模型能更好地去除高斯噪声,PSNR值得到了提高.     

基于CMOS晶体管的太赫兹探测器研究进展

随着太赫兹波的广泛应用,太赫兹探测技术成为研究的热点,探测器件主要以肖特基二极管,量子阱二极管,CMOS晶体管为主,CMOS晶体管探测器件具有响应度高,信噪比好,等效功率高等优点.首先介绍了太赫兹探测器的技术指标,接着从结构及材料两方面对近年来CMOS晶体管的改进方案进行了综述对比,最后介绍了太赫兹探测器的应用并对应用前景及未来发展方向进行了展望.