基于平稳小波域GSM模型的SAR图像去噪

为解决SAR图像处理中传统方法存在的图像边缘模糊、失真等问题,将平稳小波变换和高斯混合尺度模型（GSM）相结合,建立了基于平稳小波分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪,最后对各个方法的滤波结果用评估参数进行客观评价。实验结果表明,该方法具有比空域滤波及标准小波方法更优的去噪性能。     

基于方向小波变换的高斯噪声图像恢复方法

提出一种基于方向小波变换的相关和阈值去噪方法,恢复高斯噪声图像.方向小波去掉了标准二维小波变换仅沿水平和竖直两个方向的限制,可沿任意方向变换,这种多方向组合变换方法有利于削弱Gibbs效应,对去噪后图像的边界保护具有积极作用.实验结果表明,相对于标准小波变换,该方法无论是PSNR值还是视觉效果都较原有的方法更好.     

一类非高斯噪声的统计特性及其去噪研究

首先利用多尺度小波包变换良好的时频局部分析能力,对一类非高斯噪声--双模噪声的统计特性进行研究;其次,详细研究了利用小波包变换和随机共振来消除信号中夹杂的双模噪声.理论分析和仿真表明:此方法具有计算量小、算法比较简单和实时性较强的特点,不仅实现了将非高斯噪声--双模噪声转化为简单的高斯噪声来处理,而且比传统的高阶统计量的处理方法要优越.     

基于六边形结构边缘检测算法的研究

将直线插补运算与六边形图像结构相结合,提出了一种简单高效的边缘检测方法.先用高斯滤波器对图像进行滤波,再使用Sobel算子进行边缘检测,最后按给定阈值对边缘进行精确提取,经过这3个步骤完成图像的边缘检测.通过实验验证了六边形图像结构的Canny边缘检测算法比常见的Canny边缘检测方法更精确、更能抑制噪声;而且直线插补运算在图像边缘检测中具有较快的计算速度,比非线性插补计算效率高.     

基于CMS2131ADF的DVB-T接收机设计与实现

介绍了一种新型低功耗的便携式DVB-T数字电视实现方案,并完成DVB-T标准的数字电视地面广播接收,从而解决了以往该类型接收器因体积、功耗等因素而不便于集成在便携式设备中的问题.     

非保守集中力作用下饱和多孔悬臂梁的非线性弯曲

 基于孔隙流体仅沿梁轴向运动的微观不可压饱和多孔弹性梁大挠度弯曲数学模型,利用Galerkin截断法,研究固定端不可渗透、自由度可渗透的饱和多孔悬臂弹性梁在自由端处承受突加非保守集中力作用下的拟静态非线性弯曲问题,给出了梁弯曲时挠度、弯矩等随时间的响应以及沿梁轴线的分布.数值结果表明：当载荷较小时,非保守集中力、保守集中力以及线性小挠度理论的结果相差很小;当载荷较大时,非线性大挠度理论的结果小于相应线性小挠度理论的结果,非保守力的结果大于相应保守力的结果,且这种差异随着载荷的增大而增大.同时,在集中载荷突加于梁上时,多孔弹性梁骨架最初不变形,但随着时间的增加,梁的挠度逐渐增大,并最终趋于稳态值,此时多孔梁骨架承担全部的外载荷.     

色噪声背景下弱信号频率估计互谱方法研究

现代互谱估计是抑制有色观测噪声的一种有效方法.本文针对旋转不变技术来估计信号参量的方法进行了深入的分析,进而提出了在有色观测噪声背景下,基于最小二乘技术的信号估计的互谱ESPRIT方法。这种方法的突出特点是不需要任何色噪声的先验信息准确地估计出待估计信号,不仅避免了以往互谱估计本身所固有的在整个频域上的谱峰搜索,而且克服了自谱ESPRIT估计方法对噪声的严格限制（要求噪声为白色高斯噪声）。可直接通过特征值确定信号参数估计值。本文方法只需两次SVD分解,计算量大大降低。仿真结果表明,该方法具有较好的谱估计分辨率和良好的稳定性。     

改进的复值非高斯最大化盲源分离算法

复值非高斯最大化盲源分离算法的收敛速度,受其采用的反双曲正弦函数计算复杂度的影响较大,针对这一问题,提出了一种收敛速度更快的改进型复值非高斯最大化算法。该算法采用一个低计算复杂度的非线性函数替代原算法中的反双曲正弦函数。该函数的计算复杂度是反双曲正弦函数的三分之一。在相同条件下,基于该非线性函数的复值非高斯最大化盲源分离算法的收敛速度相比原算法提高了1倍左右,更适合于对接收信号进行实时处理,而且信号分离误差小,同时该算法同样适用于任意非高斯的常态和非常态信源。仿真试验验证了算法的有效性。     

非线性非高斯模型的高斯和滤波算法

通过将模型的状态噪声和观测噪声均表示成高斯和的形式,推导出非线性非高斯状态空间模型的高斯和递推算法,进一步提出了对应的扩展卡尔曼和滤波器（extended Kalman sum filter, EKSF）和高斯厄密特和滤波器（Gauss-Hermite sum filter, GHSF）。EKSF和GHSF分别用扩展卡尔曼滤波器（extended Kalman filter, EKF）和高斯厄密特滤波器（Gauss-Hermite filter, GHF）作为高斯子滤波器。分析的结果表明,现有的高斯和滤波算法是本文算法的特例;仿真结果表明,EKSF和GHSF能有效处理非线性非高斯模型的状态滤波问题,与高斯和粒子滤波器（Gaussian sum particle filter, GSPF）相比,EKSF和GHSF在保证精度的同时,大大降低了计算量,仿真时间分别约为GSPF的5%和6%。     

基于改进高斯粒子滤波器的目标跟踪算法

针对现有机动目标跟踪中粒子滤波算法的不足,提出了一种改进的粒子滤波方法。该方法在高斯粒子滤波的基础上通过利用当前时刻量测值对量测误差的分布参数进行实时的统计和更新,并以此得到粒子的权值,从而考虑到了量测值对估计值的影响,该方法适合于量测误差分布为高斯白噪声且状态量与量测误差相关条件下的非线性估计。仿真结果表明,与传统的自举粒子滤波(boot trap particle filter, BPF)、高斯粒子滤波（Gaussian particle filter, GPF)以及无迹粒子滤波（unscented particle filter, UPF)相比,该方法具有较高的精度和较少的计算量。