定阈值Wiener滤波在子波域图像去噪中的应用

针对图像处理中的去噪问题,分析了Wiener滤波中的统计误差,提出了定阈值Wiener滤波算法,通过定阈值对图像作预处理,提高了滤波器去噪性能。分别用标准Wiener滤波法、逆滤波法及定阈值Wiener滤波法对退化图像进行处理的结果表明,在进行图像恢复时,标准Wiener滤波效果比逆滤波好,定阈值Wiener滤波则优于标准Wiener滤波和逆滤波。与标准Wiener滤波相比,逆滤波降低了峰值信噪比,而定阈值Wiener滤波则提高了峰值信噪比。信噪比增大,表明定阈值Wiener滤波法对噪声的抑制能力增强。     

改进的小波阀值去噪在地震信号中的应用

提出一种新的阀值函数,对小波阀值去噪方法中传统阀值函数的缺点进行改进.实验结果表明,该方法有效提高了性噪比.     

高能气体激光器模场分布

采用快速傅立叶变换法得出了高能横流气体激光器空腔及存在非均匀增益介质时激光近场模场分布，井对此进行了一些有益的探讨。     

GPS动态变形监测中多路径效应的削弱方法

随着GPS、RTK技术的逐步成熟,具有高效、快速、全自动、全天候、高精度等优越性能的变形监测方法在特大型土木水利工程中开始应用。但在现阶段,由于强反射或者电磁波强辐射的环境,多路径效应大大影响了监测精度甚至无法进行监测。尤其是在水利工程中其巨大部分面积为水域,其对接收卫星信号的多路径效应非常严重,这将是制约GPS在土木水利工程中广泛应用的一个主要因素。因此,如何削弱多路径效应误差已成为GPS高精度测量的主要问题之一。     

我国生态旅游发展的现状、问题及对策——1999年至今国内生态旅游文献研究

生态旅游作为一种强调人地和谐统一的积极旅游方式,给传统的旅游带来了革命性的变化,是未来旅游可持续发展的方向,但目前还处于起步探索阶段,某些方面还值得商榷.近年来生态旅游在我国呈现出良好的发展势头,由于国情等的不同就会产生相应的问题.本文通过近几年的文献研究,阐述了我国生态旅游的发展历程中不同时期的特点,笔者通过阅读大量的文献,总结了生态旅游实践中所遇到的问题,提出解决对策,以期对我国生态旅游的健康发展有所增益.     

基于样本噪声响应法的轮廓波消噪算法

分析了轮廓波消噪的有关性质,提出了适用于轮廓波消噪确定子带阈值收敛因子的样本噪声响应法。该方法根据样本噪声(标准高斯白噪声或者特定冲激信号)作用在每个子带上的统计特性,得到每个子带的收敛因子,使用该收敛因子对3σ(或4σ)准则进行修正来确定不同尺度不同方向子带的硬阈值门限。图像消噪实验结果表明:无论在峰值信噪比方面还是在视觉效果方面,本方法均可以取得比较满意的消噪效果;对于尺度较大的图像,可以极大地加快消噪速度并减小内存需求;硬阈值消噪之后使用自适应维纳滤波,峰值信噪比会有一定程度的提高。     

一种基于改进快速Hough变换的远程雷达航迹起始方法

针对标准Hough变换起始方法在多目标密集杂波环境虚警率较高和实时性较差的问题,设计了一种快速的Hough变换航迹起始算法,参考了目标的运动情况,采用新的序列采样方法,制定采样终止规则有效减少了计算过程中的采样次数,从而保证了该算法在满足一定的航迹起始成功率前提下,提高了航迹起始的效率。实验证明,该算法可以识别虚假航迹点,起始真正的雷达目标航迹,同时缩短航迹起始的计算时间,可以在雷达信号处理领域中广泛应用。     

低信噪比条件下的平面等效源近场声全息方法

为提高低信噪比条件下的近场声全息成像效果,提出一种低信噪比条件下的平面等效源近场声全息方法,其将近场声全息对声场还原度高的优点和声源定位方法抗干扰能力强的优点相结合。该方法首先结合压缩感知技术的正交匹配追踪算法,在未知声源数目情况下求出虚拟声源在平面分布,再利用传导矩阵求出近场平面声压分布。通过仿真分析金属弹性材料壳体振动的近场声辐射,将该方法与Fourier变换方法、常规边界元方法以及传统等效源方法的近场声全息效果相比较。仿真实验表明,该方法性能可靠且具有较强的抗噪能力,可作为低信噪比条件下平面近场声全息方法的一种有效补充。     

基于脑电同步的嗅觉仿生模型优化研究

以提高嗅觉系统模型的仿生度为目标,研究了嗅觉模型优化问题.考虑到同步状态是脑电信号间普遍出现的现象,以嗅觉模型输出之间是否出现同步状态为研究目标.研究的关键点包括如下几个:(l)优化指标:以信号的相位信息为对象,将模型输出信号之间的相位同步程度作为优化指标,并采用锁相位方法计算相位同步程度;(2)输出信号选择:考虑到嗅皮层在信息处理中的作用,以嗅皮层中兴奋性的NⅡ层节点输出作为模型输出;(3)参数优化:考虑到对神经调质兴奋度的模拟,以增益系数为优化参数,并基于锁相位方法通过计算确定参数的优化值.研究结果表明,对增益系统的优化可以提高模型输出信号的相位同步程度,当增益系数取值在5附近时,模型输出呈现出的同步特性最为明显.     

Adaptive adjustment of iterative learning control gain matrix in harsh noise environment

For the robustness problem of open-loop P-type iterative learning control under the influence of measurement noise which is inevitable in actual systems, an adaptive adjustment algorithm of iterative learning nonlinear gain matrix based on error amplitude is proposed and two nonlinear gain functions are given. Then with the help of Bellman-Gronwall lemma, the robustness proof is derived. At last, an example is simulated and analyzed. The results show that when there exists measurement noise, the proposed learning law adjusts the learning gain matrix on line based on error amplitude, thus can make a compromise between learning convergence rate and convergence accuracy to some extent: the fast convergence rate is achieved with high gain in initial learning stage, the strong robustness and high convergence accuracy are achieved at the same time with small gain in the end learning stage, thus better learning results are obtained.