基于分数阶微分梯度的噪声检测算法

为了在图像去噪的同时,更多地保留图像原有的特征信息,本文将分数阶积分理论引入到数字图像去噪中,通过分数阶微分梯度算法确定图像中噪声的位置,如果只对噪声点进行去噪处理,就可以有效保护图像的纹理和边缘信息.实验结果表明,基于分数阶微分梯度的噪声检测算法可以更准确地确定图像中噪声点像素的位置.     

研究性教学在高斯公式教学中的应用

结合高等数学中高斯公式的研究性教学,通过设置一系列探索性问题,引导学生以问题解决的方式学习公式,讨论了研究性教学在高等数学中的应用方法和需要注意的问题.     

脉冲噪声驱动的分数阶调和振子的均方位移

利用光钳实验获取浸没于粘弹性介质中粒子的均方位移数据并为其建模是微观流变学中计算介质的局部响应函数的一种常用方法. 本文研究一类由单个脉冲噪声驱动的分数阶调和振子的均方位移. 利用Laplace变换及双Laplace变换技巧,本文得到了振子位移的均值、方差及双时相关函数,进而求得均方位移的解析表达式. 基于Mittag-Leffler函数的渐进性质,本文研究了振子在短时和长时情形下的不同扩散行为. 研究表明,在短时振子弹道扩散而在长时则幂律地趋近于一个均衡值,即被板扎.     

具有未知输入非线性系统的自适应观测器设计

针对具有未知输入和传感器噪声的的非线性系统,讨论了基于T-S(Takagi-Sugeno)模型的未知输入观测器设计方法.首先,给出了基于非线性系统构造T-S模型系数矩阵的计算方法.然后,以T-S模型作为设计模型,通过扩展传感器噪声为辅助状态向量的方式,将系统扩展为增维系统.继而,针对T-S模型,设计模糊自适应观测器以达到对非线性系统状态,未知输入和传感器噪声同时估计之目的.为此,基于线性矩阵不等式,给出了观测器存在的充分性条件.最后,通过实例仿真验证了此方法的有效性.     

利用噪声相对量辨识与优化齿轮敲击噪声

以人耳听觉特性为基础,提出运用噪声相对量辨识和优化齿轮敲击噪声的方法.该方法首先对测量得到的噪声信号进行外耳、中耳和内耳噪声传递特性滤波,然后进行回归与平滑处理获得稳态噪声信号,将滤波后的噪声信号减去稳态噪声信号,得到的噪声相对量即为非承载齿轮对的瞬态敲击噪声信号,最终辨识出齿轮敲击噪声的发生时刻、频率范围和水平.辨识结果与人的主观感受一致,齿轮敲击噪声被准确辨识.利用该方法得到了各非承载挡的敲击噪声贡献量,确定倒挡是齿轮敲击噪声的主要噪声源.采用提高倒挡齿轮对加工精度使其最小间隙减小约50.0%后,齿轮敲击噪声水平降低了17.4%,齿轮敲击噪声性能得到有效改善.     

采用自适应无迹卡尔曼滤波器的车速和路面附着系数估计

针对车辆主动安全控制中的车速和路面附着系数这一关键信息,提出了一种实时估计该信息的滤波算法,同时建立了将包含时变噪声统计特性的七自由度非线性车辆动力学模型作为滤波算法的标称模型,以及一种自适应无迹卡尔曼滤波算法。该算法采用传统的无迹卡尔曼滤波器来估计车速和路面附着系数,同时利用次优Sage-Husa噪声估计器对系统的噪声统计特性进行实时更新,其中采用遗忘因子限制噪声估计器的记忆长度,使新近数据发挥重要作用,使陈旧数据逐渐被遗忘,从而解决了因系统标称模型误差、外界扰动等因素引起的噪声时变的问题。在不同路面条件下进行了多种工况的实验验证,并与无迹卡尔曼滤波器的估计结果进行对比分析,结果表明,该算法具有良好的鲁棒性,其估计精度高于无迹卡尔曼滤波器,且满足车辆主动安全控制系统的要求。     

城市蒸发散量与相关生态要素的定量关系

以福州城区为例,使用2003,2013年的Landsat卫星影像获得了研究区蒸发散量、建筑用地和植被信息,查明了研究区蒸发散量的时空变化特征,并对上述参数之间的相关关系进行了定量分析.研究结果表明,福州研究区2013年的区域蒸发散量比2003年有较大幅度的降低,其降幅达30.62%.回归分析表明,蒸发散量与建筑用地呈很强的线性负相关关系,而与植被则呈明显的线性正相关关系.显然福州城市的扩展、建筑用地的增加和植被的减少是导致研究区ET降低的最重要原因.     

粒子群优化算法在轨道交通降噪结构微穿孔板设计中的应用

为了研究轨道交通噪声的降噪结构,基于"微穿孔板吸声体精确理论",采用粒子群优化算法对微穿孔板结构参数的共振频率进行计算;以微穿孔板吸声体的共振频率为优化目标,孔径、穿孔率、空腔厚度为优化参数,用粒子群优化算法对微穿孔板吸声体的结构进行优化设计;以城市轨道交通噪声为例,设计了较为合理的结构模型,并通过数值实验验证。研究结果表明:粒子群优化算法是微穿孔板吸声体结构设计的一种可行和有效方法。     

一种新的认知无线电宽带盲频谱感知方法

基于信息论准则的宽带频谱感知方法由于很好地克服了噪声不确定性问题而获得了广泛研究.但该类算法的推导需要假定接收数据向量在统计上独立同分布、背景噪声须为高斯白噪声,且其实现复杂度较高.针对这些不足,本文提出一种基于秩准则的宽带盲频谱感知算法.该算法将接收信号的取样协方差矩阵分解成秩为q的"理想"矩阵和"扰动"矩阵之和,利用秩准则函数寻求q值的最优解,然后根据该最优值确定被占用信道的个数及位置.新方法无需依赖噪声功率、信道及主用户信号的统计特征参与感知判决过程,具有广泛的适用性;同时相对于基于信息论准则的宽带频谱感知方法,新方法具有感知判决量表达式简单、计算复杂度低的优点,同时新方法在色噪声场景下表现出优良的感知性能.仿真结果表明了新方法的有效性.     

基于三阶累积量一维切片的微地震信号时延估计

由于微地震有效信号易受环境噪声的干扰,严重影响时延估计值获取的准确性.基于此,提出了基于三阶累积量一维切片的方法进行微地震信号时延估计.首先计算信号的三阶自累积量和互累积量,为减少运算量满足野外实时要求取其一维切片,最终通过准则函数求取时延值.相对于传统的互相关方法,该方法对相关性未知的高斯噪声具有不敏感的特点,对相关高斯噪声有更强的抑制能力.仿真结果表明,在添加信噪比为-5~15dB的随机高斯噪声和相关高斯噪声时,其时延检测概率和均方根误差优于互相关方法.在实际资料应用中,对实际微地震噪声进行了概率分布统计分析,并且基于井地联合监测方式,选取井中信号作为参考道对地面资料进行时延值的求取.仿真和实际资料处理验证了该方法的有效性和实用性.