四元数小波变换联合稀疏表示的图像融合

基于四元数小波变换和稀疏表示理论,提出了一种图像融合方法,该方法弥补了传统的多尺度理论分析和稀疏表示理论在融合过程中的不足。所提方法分为3步:首先,利用四元数小波变换分解所给的源图像,得到各个尺度下的高通子带和低通子带;其次,对高通子带选用系数绝对值最大和低通子带采用稀疏表示的规则进行融合,获得融合系数;最后,对融合系数进行四元数小波逆变换得到融合图像。此外,对所提融合方法进行了理论分析。在数值实验中用6组测试图像测试所提方法性能,并将融合结果与稀疏表示、离散小波变换、对偶数复小波变换、四元数小波变换等融合方法所得结果进行了主观与客观的比较。实验结果表明,该方法是十分有效的。     

基于小波-神经网络的电力系统短期负荷预测

基于小波变换和神经网络,提出了一种电力系统短期负荷预测方法.通过小波变换把负荷序列分解为不同频段的子序列,再对这些子序列分别采用相应的人工神经网络模型进行预测,最后重构得到负荷序列的最终预测结果.在所提出的方法中小波分解能够提取负荷的一些周期性和非线性特征,根据其子序列各自所具有的特征采用相应的预测方法.实例结果表明该方法具有很高的预测精度和较强的适应能力.     

基于FDTD的天线远场快速算法

将FDTD法与二维离散余弦变换（2D-DCT）递归算法相结合计算天线远场,大幅提高了计算效率并降低了计算存储空间。采用2D-DCT递归算法对近场数据进行压缩,得到失真度较小的重构场,并用该重构场计算天线远场,数值仿真角反射器天线所得到的结果与实验测量结果吻合良好,说明该方法的有效性。     

基于深度图像绘制的视图合成

基于深度图像绘制（DIBR）的视图合成是3DTV中的关键技术。为了消除或减小合成视图中的空洞,常需要对深度图像进行平滑,但这往往会造成图像质量的下降,并造成“视图失真”。提出了一种新的基于DIBR的视图合成方法。该方法执行两次三维图像变换,第一次变换采用平滑后的深度图像,得到含有较小空洞的目标图像：第二次变换采用原始的深度图像,得到含有较大空洞的目标图像,然后以第二次变换得到的目标图像为基准将两幅目标图像融合,最后对得到的目标图像进行空洞填充。实验结果表明该方法合成的图像的质量令人满意,适用于3DTV中的视图合成。     

基于神经网络的形状识别系统及优化

Ｈｏｕｇｈ变换用于形状识别、神经网络用于分类都不是新课题,而我们将这两种方法结合起来,用神经网络实现 Ｈｏｕｇｈ变换并进行特征提取,所提取的特征矢量不受待识别体的大小和位置的影响,且所提特征为一维矢量。对于所构成的神经网络形状识别系统,采用ＢＰ算法进行初１练,优化系统参数。文中最后得出令人满意的实验结果。     

小波技术在时域有限差分法中的应用

在时域有限差分法(FDTD)中利用小波变换技术进行数据压缩,提高了计算效率,同时节省计算存储空间。利用小波分解对惠更斯表面的时域切向场分布进行分解,存储经过阈值量化后的小波系数达到压缩编码的目的。在FDTD近场计算结束后,利用小波重构所得到的惠更斯表面的时域切向场分布进行近—远场变换计算散射场。结合小波变换的FDTD法计算缝隙金属平板的散射场的数值实验结果说明该方法的有效性。     

基于离散小波的可控误差三维分层表面仿真

利用二维离散小波变换,研究了三维空间下分层表面的分解和重构方法,通过进行高频和低频成份的滤波,得到原始表面的近似表面仿真,所产生误差即为高频滤掉部分。在对细节表面进行前处理的基础上,得出表面分层后的误差范围,这使得近似表面的仿真误差变得可控,从而决定表面的分层细化是否继续进行。采用Daubechies小波对分层表面进行快速小波变换,给出了可控误差三维分层表面仿真算法,并对仿真结果进行了分析。     

基于内平衡变换和Riccati方程的模型降阶及应用

对于一个高阶的控制系统,为了实现对其适时控制,需要一个降阶模型与之对应,对此低阶模型设计控制器以达到对原系统控制的目的。首先,在内平衡变换的基础上,确定降阶模型的阶数;其次,通过解一个Riccati方程得到一个变换矩阵,进而得到降阶以后的模型;然后,介绍了两种经典的模型降阶方法,以作为与此方法的比较。最后,对两个实例进行了仿真计算。计算表明,此方法是有效和可行的。     

基于LMD-WSVD的半球谐振陀螺混合去噪方法

为了减少半球谐振陀螺(hemispherical resonant gyroscope, HRG)输出噪声对导航精度的影响，提出了一种基于局部均值分解-排列熵-小波变换-奇异值分解的混合去噪方法。首先，使用局部均值分解方法对HRG信号进行分解，然后排列熵将其划分为两类：低频分量和混合分量；之后将小波变换和奇异值分解级联以构成两级滤波器，对混合分量进行降噪处理，最后重构得到最终的信号。通过实验验证了该方法的有效性，实验结果表明，相比原始信号，所提出的方法有效地减少了HRG的输出噪声，提高了其测量精度，其中角度随机游走降低了99.9%,零偏稳定性降低了60.3%。     

小波变换在有噪图像边缘检测中的应用

描述了有噪图像边缘检测的方法,它基于小波变换的多尺度分析。通过合理选择小波基,可以得到图像的多分辨表示。证实了小波多尺度变换在有效去噪的同时可以保持图像的特征。通过信号,噪声奇异性的分析,对有噪图像小波变换局部极大值的检测可提取出所需的图像边缘特征。实验结果证实了该方法的可行性     

基于调频傅里叶变换的匀加速转动目标ISAR成像

现有匀加速旋转目标逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像方法通常采用二维搜索估计目标转动参数,从而导致计算量大。提出一种基于调频傅里叶变换的ISAR成像方法。该方法利用目标散射点回波相位二次项系数与一次项系数的比值仅取决于目标转动参数这一特点,通过搜索调频傅里叶变换的调频系数使目标横向像熵值最小,得到该比值的估计结果,避免了二维搜索导致的计算量大的问题。然后对各距离单元回波作相应的调频傅里叶变换,即可得到聚焦良好的ISAR像。仿真结果验证了该方法的有效性。     

一类非线性中立型时滞系统的稳定性判据

考虑了一类具有非线性扰动的中立型时滞系统的鲁棒稳定性问题.系统状态的时滞是时变的.基于增广Lyapunov-Krasovskii泛函和自由权矩阵的方法,推导出保证系统在非线性扰动作用下渐近稳定的时滞依赖条件.所得到的判据以线性矩阵不等式的形式给出.由于在估计Lyapunov泛函导数上界的过程中既没有进行模型变换,也没有引入不等式放缩技术,所以得到的结果有较小的保守性.最后,通过一个数值算例验证了所提方法的有效性以及较已有工作的改进.     

高速旋转目标三维成像的新算法

针对高速旋转目标三维成像的问题，提出一种有效的GRT CLEAN方法。该方法首先进行平动补偿,将高速目标的回波信号转换为高速转台模型。然后利用基于旋转散射点各次距离像回波的变化曲线所具有的特征，采用广义Radon变换(generalized Radon transform, GRT)得到目标散射点空间位置的近似估计。最后把该目标参数估计方法与修正的CLEAN技术相结合得到每个散射点的特征估计,并进一步得到目标三维像。理论推导与仿真结果验证了该算法的有效性。     

一种基于子空间匹配投影的暂态信号检测方法

利用短时傅立叶变换和子波变换的性质,针对两种实际的信号模型,提出了一类基于线性时频子空间匹配投影算法的暂态信号检测方法,推导了它的两种实现形式,并给出了计算机仿真结果。该方法充分利用了信号的先验信息并建立了匹配的信号模型,表现了较好的性能     

利用时域积分方程分析散射问题的稳定求解

针对时域电场积分方程存在的晚时震荡问题,介绍了当前常用的隐式算法,并对这一算法的两种不同实现方法:后向差分和中心差分,进行了论述。应用两种方法分析了任意形状三维导体目标的时域散射,与显式算法和频域经逆傅里叶变换得到的数据作比较,结果表明,中心差方法在改善晚时震荡问题方面优于后向差分方法和显式算法;应用中心差分方法计算了半波长振子天线的相关电参数,所得结果与文献结果具有较好的一致性。     

离散调频-傅里叶变换及其在雷达成像中的应用

介绍了离散调频 -傅里叶变换 (DCFT) ,提出了把离散调频 -傅里叶变换应用于雷达成像的思想 ,此方法可代替傅里叶变换进行多普勒处理 ,若目标回波中有二次相位 ,则可免去对目标回波中的二次相位的运动补偿 ,得到高分辨率的雷达成像。以仿真点目标为例对此方法与直接傅里叶变换法进行了比较 ,结果表明此方法可以得到目标清楚的成像     

飞行器最优时滞反馈控制器设计

在设计飞行器最优反馈控制时,针对系统具有控制时滞的特性,采用连续状态变换思想,将具有时滞的控制系统转化为无时滞的控制系统,求使得无时滞控制系统性能指标最小的解,利用这个解去求原系统的状态函数,进而得到时滞反馈控制与状态变换后最优控制之间的关系,求出最优时滞反馈控制的增益。对某型无人直升机实验所得的悬停数据进行仿真验证,仿真结果证明了所提方法的有效性。     

δ算子的输出反馈H2最优控制

对基于δ算子描述下的离散系统,分析证明了存在输出反馈控制器使闭环系统内稳定且满足从w到z的传递矩阵Tzw的H2-范数最小的充要条件,得到了两个基于δ算子的Riccati方程,并给出了连续系统、z变换所得到的离散系统和δ算子所描述系统三者的H2控制问题的比较。结果表明,当采样周期很小时,采用δ算子来离散化连续系统,其系统的性能更趋于连续状态。     

改进的双小波空域相关混沌信号降噪方法

基于小波系数尺度间的相关性原理,提出一种改进的基于双小波的空域相关混沌信号降噪方法.首先将单个离散小波变换扩展为两个,然后对每个小波变换后的近似系数进行奇异谱分析,对细节系数进行尺度间的相关性分析,最后将处理后的近似部分和细节部分分别取平均再重构得到降噪后的信号;同时还引入了一个判别系数,对相关量进行自适应的选取.通过对Lorenz模型和月太阳黑子混沌信号进行仿真分析,证实了所提方法具有实现简单、重构误差小的优点,能够对实际观测混沌信号进行有效的降噪.     

单基地MIMO雷达低复杂度求根MUSIC角度估计方法

针对单基地多输入多输出(multiple input multiple output,MIMO)雷达波达方向(direction of arrival,DOA)估计问题,该文提出一种低复杂度的实值求根多重信号分类(multiple signal classification, MUSIC)方法。该方法首先通过降维变换降低接收数据的维数,利用酉变换将复值数据协方差矩阵实值化,然后构造基于酉MUSIC的求根多项式,采用保角映射将复系数多项式映射为实系数多项式,最后通过求解该实系数多项式的根来得到目标的DOA估计。该方法不需要进行谱峰搜索,所涉及的特征值分解和多项式求根运算均只在实数域进行,在大大降低算法运算复杂度的同时可以获得更好的角度估计性能。仿真结果验证了所提算法的有效性。