射线检测系统的优化设计

射线检测，系统优化目的是能在检测过程中检测到尽可能小的疵病，因此，在对系统进行优化设计中，灵敏度是最重要的指标之一，也是我们最关心的参数，先对影响灵敏度的成像环节进行系统优化的讨论，并从透照电压、影像的降噪技术、补偿技术等方面进行优化研究，得出了一些有益的结论．     

基于自适应逆控制技术的船舶操纵仿真控制

对自适应逆控制理论中的对象动态控制问题和对象扰动控制问题分别进行了探讨，并且针对船舶模型特性，改进了自适应逆控制的框图，使其能够更好地应用于船舶操纵控制。在算法上用最小二乘法代替LMS(Least Mean Square)算法对船舶进行模型参数辨识和控制器的设计。仿真结果表明，改进后的自适应逆控制算法能适应船舶数学模型的变化，与PID控制相比，这种算法具有动态响应快，抗扰动性好等特点。     

基于小波分析的X线医学图像噪声综合抑制方法

提出了一种基于小波分析理论的医学X线图像噪声的综合抑制方法．将X线图像的试验处理结果与邻域平均、中值滤波去噪处理方法进行对比分析，结果表明该方法不仅能消除噪声提高图像质量，而且有效地保留了影像中丰富的细微影纹和边缘信息．     

交通噪声预测的神经网络模型

运用 Matlab语言编程 ,构造预测交通噪声的 LM算法 BP神经网络模型 ,把预测因子 (轻、重型车流量、平均车速、受声点距路肩距离、敏感点高差 )作为样本输入到网络模型 ,噪声等效声级作为样本输出 ,反复训练网络 ,通过增加隐含层节点数、改进算法 ,以降低误差 ,缩短训练时间。     

基于小波分解的色噪声预测

研究色噪声的预测．将小波分析理论与神经网络建模预测基本原理相结合，提出了基于小波分解的神经网络预测方法．通过对年平均太阳黑子数典型统计模型的预测，验证了该方法的预测效果．将该预测方法用于色噪声的预测研究，通过改变对色噪声的采样速率，分析了色噪声预测的可能性和效果．研究结果表明，色噪声是可以预测的；对其预测的误差随采样率的提高而减小；基于小波分解的神经网络预测方法的预测精度优于线性神经网络预测方法．     

微波放大器Rn-Gn噪声模型阻抗变换测量方法

为了使接收微波放大器在工作频段上具有较小的噪声，讨论了如何使用M-Lane方法，结合自行研制的精密阻抗变换器，得到微波放大器Rn-Gn噪声模型中包括最小噪声系数Fmin在内的4个参数，使设计的放大器工作在匹配状态，Fmin可达到2．32dB，测量时间也大大缩短，结果稳定，为进行微波放大器低噪声设计提供了一个快速准确的方法。     

一种基于Measurement Studio计算动态信号1/3倍频程谱的方法

在声学中,1/3倍频程谱反映了声源的能量分布情况。利用对信号1/3倍频程谱分析的结果,选择适当的吸声系数的材料,以达到良好的降噪效果。通过利用Measurement Studio中的Visual Basic组件,提供了一种快速、准确、可视化的计算1/3倍频程谱的方法。     

采用最优频率匹配法处理信号

通过比较目前进行声波CT信号信噪分离所使用的许多方法及特点,指出了快速傅里叶变换(FFT)的局限性,研究了周期性问题的数值计算特点;采用最优化理论分析了信号本身各种频率成分优化搜索与计算的可能性,在此基础上提出最优匹配频率的概念和计算方法,研究了最优频率匹配法计算结果的规律性,并将该方法应用于某矿区声波CT信号特征参数的提取和信噪分离.     

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。     

利用背面Ar+轰击改善n沟MOSFET线性区的特性

研究了利用背面Ar^ 轰击改善n沟金属－氧化物－半导体场效应晶体管（n-MOSFET)线性区的特性，用低能量（550eV)的Ar^ 轰击n-MOSFET芯片的北面，能有效地改善其线性区的直流特性，如跨导，沟道电导，阈值电压，表面有效迁移率以及低频噪声等，实验结果表明，随着轰击时间的增加，跨导，沟道电导和表面有效迁移率光增大，然后减小，阈值电压先减小，随后变大；而低频噪声在轰击后明显减小，实验证明，上述参数的变化是硅－二氧化硅界面态密度和二氧化硅中固定电荷密度在轰击后变化的结果。