高桁架压杆模型及其临界荷载的计算

从高桁架压杆的稳定计算出发 ,介绍了一种具有弹性支承的压杆模型 ,并对其临界荷载进行了计算 ,其结果较以往模型准确 ,安全性好 ,可供相关设计选用     

基于改进稀疏度估计模型的压缩感知去噪算法

针对带有高斯白噪声的宽带信号,提出改进基于二项分布的稀疏度估计模型,使其能够适用于带有噪声的信号,并根据稀疏度上界确定采样数目以保证信号能够被准确重构;利用估计的稀疏度上界,改进自适应阈值去噪算法,降低噪声折叠对信号重构的影响。仿真表明,对带有高斯白噪声的宽带稀疏信号,所提算法能够较为准确地估计出稀疏度上界,在保证信号重构精度的前提下,减少了采样数目,同时也降低了自适应阈值去噪算法的计算开销。     

一种非合作超宽带信道盲估计算法

为了解决非合作多通道室内通信环境中的超宽带信道先验信息难以获得、信道稀疏度弱的问题,提出了基于盲压缩感知的信道估计方法,以求进一步改善超宽带信道估计性能。盲压缩估计过程不依赖信道先验信息,采用稀疏编码与正交基更新交替迭代来获得稀疏矩阵和正交基;然后通过优化乘积得到重构信道,实现非合作超宽带系统信道估计。相对于传统方法,盲压缩感知理论提高了信道估计精度及模数转换速率,并且具有较好的抗噪声干扰能力。通过实验结果可知,该方法有效地克服了噪声干扰,降低了均方误差,在理想环境下,重构误差接近10~(-11)。     

基于压缩感知的非线性 OFDM 系统迭代信道估计算法

针对因非线性失真引起的正交频分复用（orthogonal frequency division multiplexing,OFDM）系统信道估计性能下降的问题,提出了一种基于压缩感知的非线性OFDM系统迭代信道估计算法。在算法实现过程中,利用信道与非线性噪声的双重稀疏性,将导频信息作为观测矩阵进行压缩感知信道估计,再将所得信道信息看作观测矩阵进行压缩感知非线性失真估计,进而对信号进行非线性补偿,并逐步循环迭代至算法收敛。仿真表明,在稀疏信道下,该算法在较少的迭代次数下即可有效减小非线性失真对信道估计的影响,且比现有方法性能更优,仿真证明了该方法在性能上的优越性。     

钢筋混凝土双向偏心受压构件的电算方法

双向偏心受压构件配筋计算常采用倪克勤公式(承载力相关法)和图解法进行计算。在计算机上进行截面配筋计算，给出了编程的步骤和框图。通过算例，说明采用电算方法进行计算，计算既快捷又方便，适于在工程中应用。     

一种DCT域实现图像分数倍尺度变换的方法

分析了块和其子块离散余弦变换(DCT)系数之间的变换关系，在此基础上提出一种直接在DCT域实现图像尺度分数倍变换的快速有效的算法．该算法不仅解决了先前算法无法在压缩域实现任意分数倍变换的问题，而且具有较好的效果和较小的运算量，该方法可广泛应用在MPEG、JPEG等基于DCT的压缩图像尺度变换中．     

压缩成像技术的应用与挑战

 概述了压缩成像的发展历史和研究现状。从边际成本的角度分析了压缩成像在不同电磁谱波段上的应用特点,指出压缩成像系统需要综合考虑特定应用场景下的器件成本和计算成本等因素设计采样模型和恢复算法。从全光函数的角度,介绍了利用压缩成像技术实现不同维度数据压缩采样的案例,分析了压缩成像技术的优势。探讨了压缩成像技术在理论突破和应用上面临的挑战,表明高稳定性和系统兼容性的压缩感知系统设计是压缩成像大规模应用面临的一个难题。     

基于两层压缩感知的频率-角度联合估计方法

介绍了一种基于两层压缩感知的频率/角度联合估计方法,第一层压缩感知算法采用单快拍模型求解方向波数,第二层压缩感知算法利用方向波数形成的参数逆矩阵求解频率参数,以此求得角度.为验证所提方法的性能,利用3路不同频率和角度的信号分别在不同信噪比(SNR)、快拍条件下对信源频率/角度进行估计.仿真实验结果表明:该方法在少快拍条件下可对信源的频率和角度进行精确估计.     

双像素压缩成像系统设计与实现

在深入研究单像素相机原理及结构的基础上,发现单像素相机存在固有的结构缺陷,需要预先测量和补偿操作,导致运算复杂、系统误差增大等问题.针对这些问题,对单像素相机结构进行改进,设计对称信号通路收集数字微镜器(DMD)阵列2个状态的反射光,然后将2路测量结果相减直接得到测量值.该方案简化了单像素相机的测量和计算过程,有效减少了系统误差;更为重要的是,双像素相机的测量矩阵相当于三值伪随机测量矩阵,相对于单像素相机的二值伪随机测量,可大大提高信号重建精度.基于双像素压缩成像系统方案,采用上海辛同公司开发的数字微镜阵列,搭建了成像系统硬件平台并进行测试,验证了系统的有效性.     

基于K-SVD 字典学习的岩心图像压缩感知重构

针对传统方法进行岩心图像压缩感知重构时,在低码率下容易产生细节丢失的问题,提出一种基于 K-SVD( K-Singular Value Decomposition) 超完备字典学习的压缩感知重构算法。首先根据分块压缩感知理论,将 岩心图像分块,采用高斯随机矩阵对相应层级的图像块进行观测,得到对应的观测值块,然后用MMSE ( Minimum Mean Squareerror Estimation) 方法获得初始解的估计并利用提示小波进行滤波,通过全局阈值的思想 得到自适应阈值,最后利用K-SVD 字典结合Landweber 迭代实现压缩与重构。实验结果表明,与传统方法相 比,在相同的采样率下获得的重构图像能较好地保留岩心图像的纹理信息,重构岩心图像的PSNR( Peak Signal to Noise Ratio) 值提高约0． 1 ～ 0． 8 dB。