基于小波处理的P码直捕及实现研究

相对于C/A码,GPS的P码信号不仅定位精度高,且具有很强的抗干扰和保密能力。由于P码信号具有多普勒频移大、码周期长以及码速率高等特点,给P码的直接捕获带来了很大的技术难度。提出了采用小波滤波进行辅助捕获的捕获策略。在辅助捕获阶段,通过小波处理,减低需处理数据的数据率,从而提高了搜索速度,经二维搜索估计出接收P码信号的相对时延和多普勒频率等先验信息。利用该先验信息指导同步跟踪电路对接收信号进行捕获、跟踪与同步,从而达到提高捕获速度、降低硬件资源消耗的目的。仿真结果证明了该辅助捕获策略的正确性。     

基于位置关系约束的SAR图像与光学图像匹配

SAR图像与光学图像有较大差异,为实现SAR图像与光学图像的匹配,提出了一种新的多子区SAR景象匹配算法。算法依据SAR图像噪声特性,提出了用于SAR图像边缘提取的基于小波包变换的改进断面检测法。匹配中将实时图分为多个子区,由子区灰度标准差和频谱直方图判别其可匹配性,用各子区位置分布关系约束匹配结果。匹配搜索策略为基于提升小波的金字塔分层搜索。用SPOT-5卫星光学基准图进行了大样本实验,实验结果表明了该方法是一种有效的图像匹配方法,具有鲁棒性,并且与中心点匹配方法相比,能为飞行器定位提供更多有效信息。     

一种高速多维报文分类算法

报文分类作为一种核心技术,在消息处理,内容过滤,Web信息检索和支持QoS的路由器等领域有重要应用。RFC算法是目前具有代表性的一种报文分类算法,具有匹配速度快,占用内存少、支持范围匹配等优点,但是它不能处理具有变长字符串域。结合多模式匹配算法的思想,对RFC算法进行了有益扩充,使新算法能够根据变长字符串域进行分类。试验结果表明,改进的算法在有效扩展KFC算法的适用范围的基础上,仍具有良好的性能。     

基于自适应窗的小波域图像去噪算法

提出了一种利用自适应窗的小波域双重局部维纳滤波图像去噪算法。综合考虑小波分解后各个子带中能量分布的方向特性和图像本身的边缘和纹理特性,该算法首先估计每个子带中信号的能量分布进而在每个子带中确定自适应窗,然后利用自适应窗估计出的能量分布对含噪图像进行双重维纳滤波来去除噪声。实验结果表明该算法对含噪图像去噪的效果优于已有的采用二维可分实小波进行图像去噪的算法。     

用小波变换和奇异指数表征蔡氏混沌信号键带

计算了蔡氏电路混沌信号的离散二进小波变换及奇异指数，结果发现，当尺度2∧5上的小波变换结果的模大于某一阈值时，其所对应的信号段就是键带，在混沌信号的键带处，奇异指数限大的正值，而在非键带处，奇异指数取负值或小的正值。     

高校校园网环境下的计算机教学模式(综述)

信息技术在教学中的使用越来越广泛,在校园网络环境下,教师应建立现代教学理念,分析计算机教学中存在的问题,了解校园网的基本组成和功能,力求转换师生角色,探索出新的教学模式,逐步引导学生充分利用计算机网络资源,进行网上探究,自主学习和协作学习,从而大幅度提高教学效果。     

基于小波变换和凸集投影的数据恢复和建模算法

在过程控制中,当参数仅能以低采样率获得时,数据恢复就在建模中显得非常重要.本文提出了基于小波变换和凸集投影的数据恢复和建模算法.待恢复数据的先验知识采用凸集表达,并利用向凸集迭代投影(POCSProjection onto Convex     

A Neuro‐wavelet Model for the Short‐Term Forecasting of High‐Frequency Time Series of Stock Returns

We propose a wavelet neural network (neuro‐wavelet) model for the short‐term forecast of stock returns from high‐frequency financial data. The proposed hybrid model combines the capability of wavelets and neural networks to capture non‐stationary nonlinear attributes embedded in financial time series. A comparison study was performed on the predictive power of two econometric models and four recurrent neural network topologies. Several statistical measures were applied to the predictions and standard errors to evaluate the performance of all models. A Jordan net that used as input the coefficients resulting from a non‐decimated wavelet‐based multi‐resolution decomposition of an exogenous signal showed a consistent superior forecasting performance. Reasonable forecasting accuracy for the one‐, three‐ and five step‐ahead horizons was achieved by the proposed model. The procedure used to build the neuro‐wavelet model is reusable and can be applied to any high‐frequency financial series to specify the model characteristics associated with that particular series. Copyright © 2013 John Wiley & Sons, Ltd.     

具有混合执行器故障的多智能体分布式有限时间自适应协同容错控制

针对多智能体编队系统执行器发生故障时,所引起的参数不确定以及系统瞬态不稳定问题,本文采用径向基函数神经网络(radial basis function neural networks, RBFNNs)对不确定参数(未知函数)进行估计。同时,基于反推技术设计出合理的自适应容错控制器,并通过有限时间理论保证系统实现瞬态稳定。首先,本文采用10个智能体作为被控对象,基于有向通讯拓扑结构理论,构建了非线性多智能体系统模型。其次,基于RBFNNs逼近特性,采用反推技术与动态面技术相结合,设计出合理的容错控制器,补偿多智能体中出现的未知非线性执行器故障,并采用有限时间理论解决系统瞬态不稳定问题。接着,基于Lyapunov稳定性理论分析了控制器的稳定性和快速收敛性。最后,通过两种算例对比,验证了所设计的控制器性能优于传统的反推技术,为工程实践提供了一种有效的研究思路。     

电子视网膜数学建模的研究

介绍了相关的视觉生理特性,分析了视觉信息提取的特征,在小波变换理论的基础上,提出了一种电子视网膜数学模型。该模型具有崩溃环节,可根据需要改变参数值。