加权N移位算子的谱

A.D.Thatte和A.D.Joshi在[1]中对直和形式的多重加权移位算子的概念做了推广,提出了加权N移位算子的概念,本文对这种算子的谱给出了具体的构造。     

基于混合阈值的清除重复间隔阈值经验模态分解去噪方法

经验模态分解(Empirical mode decomposition,EMD)被认为是一种有潜力的非线性非静态信号去噪方法。传统的经验模态分解阈值去噪在零点附近存在不连续性的缺点,Kopsinis提出了EMD-IIT和EMD-CIIT方法,但这两种方法对阈值过于敏感,即区间极值轻微的偏差就有可能导致去掉整个区间曲线,因此本文提出一种混合阈值算法,结合了EMD-DT和EMD-IT各自的优势。仿真结果表明此去噪算法具有较好的效果。     

二羟甲基硝胺的分解反应动力学研究

二羟甲基硝胺不稳定,易发生分解,只能得到甲醛的水溶液。用化学方法不能确定二羟甲基硝胺分解机理,而只能根据分解产率用~(13)C核磁共振方法研究反应机理,间接推算其反应级数。     

模糊粗糙集分解定理的讨论（I）

分解定理是模糊数学的最基本定理之一,文章给出了模糊粗糙集的四个分解定理,并指出因偏序关系普通模糊集的部分分解定理并不能推广到模糊粗糙集.分解定理建立了模糊粗糙集与经典集间的联系,通过它可以把模糊粗糙集的某些性质的研究转化为相关的经典集的有关性质的研究,从而可以利用人们千百年来的研究成果和实践经验。     

关于Lebesgue分解定理的证明

提供了Lebesgue分解定理的又一证明,由此可以简化Lebesgue积分基本定理的证明．这对现代分析学教程的简化和学习无疑是非常有益的。     

单方柱绕流的直接数值模拟研究

为了揭示柱体绕流的湍流流动机理,采用直接数值模拟方法对雷诺数为1200的单方柱绕流工况进行研究。首先通过与文献中斯特劳哈尔数、平均流速和表面压强系数等统计量进行对比,验证了数值方法的可靠性。其次采用本征正交分解方法系统地提取流场中的相干结构,结果表明：对于速度场的模态分解,第一阶模态代表平均速度场的特征,第二、三阶模态提取的是流场中的低频大尺度旋涡特征,第四、第五阶模态提取的是流场中的高频小尺度旋涡特征。最后基于联合概率密度函数分析速度梯度张量第二、第三不变量,发现方柱下游大致可分为两个流动阶段：发展阶段,流场以涡流层结构和耗散作用为主,涡流管结构逐渐生成;成熟阶段,流场中湍流结构伴随着高涡量拟能和高能量耗散率。     

基于Haar小波的虹膜特征提取算法

虹膜特征提取算法的优劣决定了虹膜识别系统的性能,经典小波变换算法在特征提取上存在不足,提出一种利用二维Haar小波提取虹膜特征的算法。算法在虹膜预处理的基础上,利用2D Haar小波对虹膜特征提取区域分解,对第三层小波分解高频系数编码生成375bits虹膜编码,利用相似度作为特征匹配关系。在中国科学院虹膜数据库[CASIA(1.0)]上的实验结果表明,算法在认证模式(Verification)与识别模式(Identification)下,性能均优于Boles的算法和Wildes的算法,仅次于Daugman的算法;但本算法虹膜码长度仅为Daugman的1/5,更节省储存空间,正确识别率为99.16%,等错率达到0.54%。     

基于瞬时能量密度谱的航空发动机双发差异信号监测

针对非线性、非平稳航空发动机双发差异信号,提出利用瞬时能量密度谱凸显微波动信号这一方法获得双发差异波动值出现的时间。通过总体平均经验模式分解(EEMD)结合希尔伯变换(HT)求解信号的HT谱与瞬时能量密度水平,从频率、幅值与时间三方面给出信号特征。以燃油流量为例,分析了航空发动机气路参数差值在巡航段的波动情况。结果表明：在2095s、3600s左右发动机燃油流量差值(ΔFF)出现微弱波动,且后者波动幅值为前者的1/5,频率范围集中在0-0.2Hz之间。2095s信号波动是由飞机飞行高度、航向变化及加速度变化引起的,3600s信号波动是加速度变化导致的。由瞬时能量密度谱获得航空发动机参数微波动发生的精确时间,并与QAR记录的同时刻其他相关数据进行对比,追溯发动机FF变化的原因,判断航空发动机是否存在故障。     

经验模态分解中的包络线拟合算法仿真分析

针对经验模态分解过程中存在的包络线过冲/欠冲及端点飞翼等问题,通过分析三次样条及Hermhermite多项式插值的特点,在分析一个非平稳时间序列的经验模态分解的过程中,提出使用分段三次Hermite多项式插值,并结合ARMA过程与周期延拓外推信号"特征波"进行端点延拓来改善包络拟合结果.最后,在一个简单的算例中,以距离测度作为2邻近单频信号分离的一种新判据,仿真验证了包络线拟合算法的有效性.     

基于经验模式分解的音频带宽扩展算法

音频带宽扩展是现代音频编解码器的重要组成模块,它可以大幅降低编码码率。现有方法大多将低频复制到高频,然后利用少量高频参数进行调整得到重建的高频信号。这种复制方法假设高低频信号间具有相关性;但是,当这种相关性变弱时,编码质量急剧下降。为解决该问题,提出一种经验模式分解的方法重建高频信号。首先对高频和低频激励信号进行经验模式分解,然后选择与高频模式分量相关度较大的低频模式分量作为高频重建中的源信号。在得到高频重建的源信号后,再利用模式分量能量进行调整;最后通过源滤波器模型合成高频信号。实验结果表明,该方法与3GPP WB+和AVS P10编码标准中的带宽扩展算法相比,编码质量得到了明显提升;与最新的3GPP EVS中的时域带宽扩展算法相比,主观音质相当,码率下降33.3%。