高斯-拉普拉斯边缘检测算子的扩展研究

针对经典的高斯-拉普拉斯（LOG）边缘检测算子是各向同性的,对各个角度方向的图像边缘检测的力度是相同的特性,对经典LOG边缘检测算子引入了角度信息参量进行推导,使以圆为对称的经典的LOG边缘检测算子变成为以椭圆对称,并且可以在坐标轴旋转任意角度的边缘检测算子,增强了其边缘检测的功能,使之能对不同角度方向的边缘更加有效地进行检测．经过在Matlab里对同一幅图像进行比较实验,对于图像中不同角度的边缘均能相应地进行提取．扩展后的LOG算子,不仅增强了边缘检测算法功能,而且完全保留了经典LOG算子原有的优点．     

光接收机调谐前端的分析

为了设计高性能的谐振式光接收机,应用场效应管模型和多种调谐网络的拓扑形式,提出了一个统一的光接收机调谐前端分析方法。推导出了对多种调谐网络通用的计算公式,用以计算谐振频率、传输函数和等效输入噪声电流密度,便于应用计算机优化光接收机的电路拓扑形式。使用该方法,编制计算机辅助程序模拟了各种不同型式的电感谐振式光接收机的特性,对于光接收机前端设计具有指导作用。     

基于AD9854的多功能信号源设计

为了实现高性价比、低相噪和低杂散的数字化信号源,提出了以直接数字频率合成芯片AD9854为核心的设计方案.系统最大限度地挖掘了AD9854的潜力,将数字信号处理器、可编程逻辑器件和先进先出存储器与AD9854紧密结合,输出正弦信号的最高频率为110 MHz、谐波失真小于-30 dBc.能够完成调幅、调频和频移键控等调制功能.     

实时交通数据的噪声识别和消噪方法

以常用的交通数据———交通量时间序列的实测数据为例,给出多个噪声识别及消噪预处理的实验结果.为提高建模的准确度,采用模糊减法聚类对交叉口实测交通量进行噪声识别.对实测交通量采用奇异值分解的滤波方法进行除噪预处理,并通过训练径向基函数网络进行预测.与数据未经滤波直接训练网络相比,预测结果的平均绝对相对误差降低了3.31%.用小波变换对交通量数据进行消噪处理,即通过多分辨率的小波分解和重构来实现消噪.实验表明,若对原始交通量时间序列消噪后再建立预测模型,将获得更好的预测结果,这说明研究的噪声识别和消噪方法的可行性和有效性.     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次,利用张量填充技术对无噪协方差矩阵进行恢复。然后,利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

高斯向量和柯西向量二次型分布的不等式

对Bakirov的关于高斯向量二次型分布的结果做了进一步的推广,并对服从柯西分布的随机向量的二次型分布进行了讨论,得到了关于高斯向量和柯西向量二次型分布的一个新的不等式.     

MSC794型CCD相机点扩展函数及噪声响应特性的测量

用白噪声方法测量了JEOL JEM2010(FEF)透射电子显微镜配备的MSC794型CCD相机的点扩展函数PSF(point spread function).在恒定的均匀入射电子束强度下,用改变曝光时间的方法改变CCD相机的曝光量(计数)的方法,得到了该CCD相机的噪声响应特性.将测量结果用于图像复原,得到了衬度更好的电镜图像.复原之后的图像数据,可以用作定量电子显微学分析.     

一种改进小波变换相关法去除机载雷达图像斑点噪声的应用

针对高分辨率机载雷达图像进行相干斑抑制, 首先讨论小波变换的优点, 然后以小波变换为基础, 对一种方法进行复小波改进, 最后由实验结果可以看出使用该方法处理的效果好于其他方法.     

曲线的主法线曲面

在三维欧氏空间中,作为特殊曲线,Mannheim曲线、Bertrand曲线以及一般螺线具有良好的几何和代数性质.讨论了三维欧氏空间中特殊曲线的主法线曲面.根据渐近曲线的方程,具体给出主法线曲面的一族非直线的渐近曲线.再根据平均曲率、高斯曲率及主曲率函数,能得到曲线的主法线曲面的极小轨迹、常高斯曲率曲线及两个主曲率函数之比为常数的曲线.还给出曲面上测地线和腰曲线的性质.     

基于LWSVR的繁忙机场航班滑出时间预测

针对繁忙机场航班滑出时间预测准确率低的问题,结合局部回归和加权支持向量回归,提出基于局部加权支持向量回归的离港航班滑出时间预测模型。该模型采用K最近邻方法,减小训练样本集容量,并为每个预测样本构建一个预测模型。通过计算训练样本与预测样本间的马氏距离,来优化加权支持向量回归中高斯核加权函数的带宽参数,获得加权系数。结合某机场离港航班数据仿真分析,实验结果表明模型在误差允许范围内的预测准确率达到83.33%,模型更加稳定。