DBSCAN算法中参数自适应确定方法的研究

在DBSCAN算法中需要人工输入Eps和MinPts两个参数,因而聚类过程需要用户的干预才能进行,导致聚类结果的准确度直接取决于用户对参数的选择。鉴于此,本研究提出了一种新的Eps和MinPts参数的确定方法,避免了聚类过程中的人工干预,实现了聚类过程的全自动化。理论分析和实验结果表明,该方法能够选择合理的Eps和MinPts参数并得到较高准确度的聚类结果。     

高斯噪声信道数字水印的容量分析

从信息论的角度,就基于高斯噪声信道的数字水印容量进行了探索,针对高斯信源分布具有最大的不确定性,能够在所有的二阶随机分布中提供最大信息熵的特点,分析了高斯分布情况下的整个水印信道通信过程,给出并简化了基于高斯的水印信道容量的最大通信速率,同时利用Matlab绘出了非高斯信源水印容量与受限失真度的二维和三维关系仿真曲线,最后给出了结果分析。     

非马尔科夫多值噪声驱动下系统的平均第一通过时间

本文把Weiss等发展的计算平均第一通过时间(简称MFPT)的新方法推广到由非马尔科夫多值噪声驱动的过程.为了简化,本文只限于研究矩形分布这一情形.通过一个重要实例,对MFPT进行了具体计算,并得到了显式解析表示.     

基于小波分析的被动声纳信号宽带噪声包络调制分析

采用小波分析理论建立了一种新的被动声纳信号宽带噪声包络调制分析算法。通过被动声纳的海上实际信号的分析实验,取得了良好的检测效果且可以节省计算时间,具有很好的应用前景。     

PFM神经网络VLSI电路的故障诊断应用

为了改变传统的基于软件的故障诊断模式,发挥神经网络超大规模集成电路(VLSI)的优势,提出了一种用于故障诊断的改进脉冲频率调制(PFM)模拟神经网络脉冲流VLSI电路.利用单层感知器网络、场效应管电路实现了一种新的数字模拟混合突触乘法/加法器电路.以此电路为基础,设计了进行主轴承磨损故障诊断的神经网络故障识别系统.用含有故障信息的噪声信号代替振动信号进行特征值提取,经过前置信号处理分析、故障特征值提取和神经网络运算,最后得出代表待诊断测试信号与标准故障模板之间"欧氏距离"的VLSI电路输出端电容的电压值.根据各个电压值,可以判断出故障类别.该电路具有较高的识别精度,可以实现实时在线的故障诊断.     

基于注意力机制的红外小目标检测方法

针对红外小目标占用像素较少、背景相似性强、网络容易受到背景杂波信息干扰的问题,提出了一种基于注意力机制的红外小目标检测方法。利用注意力机制模块抑制背景杂波,增强小目标特征,并使用红外小目标检测模块实现检测任务;为了增强网络鲁棒性,通过高斯噪声与原图通道堆叠输入的数据增强方式提升网络抗杂波干扰的能力。实验表明,提出的方法在MDvsFA数据集中的性能超过了目前最新的对比算法。     

胶片颗粒噪声图象的一种恢复方法

处理胶片颗粒噪声时最麻烦的是它对信号的依赖特性,本文的目的是结合照相学家关于胶片颗粒噪声特性的一些理论和实验结果,以及新的数字图象处理技术,研究针对这类非平稳噪声的图象恢复方法。通过对一般的Kalman滤波公式进行修正,本文推导出一组适用于与信号有关的噪声的滤波参数递推公式,并提出一种利用图象灰度和梯度信息进行自适应的线性最佳递归滤波算法。实验表明它具有较好的主观和客观效果,较一般的平稳Kalman滤波器性能优越,同时计算时间优于其它非递归线性最佳滤波和非线性算法。     

50kW静音型电源车车厢降噪设计与试验分析

针对50 kW电源车噪声较高的问题,测量并分析了车厢内柴油发电机组的噪声频谱特性,将电源车车厢结构设计成了由操作舱、机组舱和消声舱组成的封闭式三舱结构。通过设计进排气消声器对进排气噪声进行控制。车厢各舱内壁设计了吸声隔声结构来控制各舱内噪声。消声舱内设计了三角形吸声立柱对机组舱传出的风扇噪声、振动噪声和其他各类噪声消声。通过试验测试发现,柴油发电机组安装于静音型电源车车厢后,噪声下降了25~30 dB,使得整车噪声75 dB。所设计噪声控制方案可以满足电源车噪声控制的要求。     

低能量氩离子束轰击改善双极型晶体管的噪声特性

在完成超高频小功率晶体管的芯片和上部铝电极的制备工艺后，采用低能量氩离子束轰击芯片背面，能有效地降低其高频及低频噪声系数、提高其特征频率和电流放大系数。实验结果表明，晶体管低频噪声系数的下降与硅-二氧化硅界面的界面态密度的减小有关，而其高频噪声系数的下降是特征频率和电流放大系数增加的结果。