基于平行带线的新型强阻带抑制带通滤波器

提出一种新型的基于平行带线的带通滤波器,在不增加电路尺寸的基础上增强了滤波器的阻带抑制.该滤波器以平行带线进行馈电,包含顶层和底层2个完全相同的电路,两层电路中电流反相,可以认为这2个电路是级联工作的.与传统的微带线构成的相似结构和同样带宽的滤波器相比,该滤波器具有更强的阻带抑制、更陡峭的衰减以及更小的尺寸,其中阻带抑制最大能提高近50%.仿真和测试结果对比表明,两者吻合较好,验证了设计方法的可靠性.     

基于K邻近均值滤波器的自适应Canny边缘检测

本文在分析传统Canny算子的优缺点基础上,针对其在平滑滤波和阈值选取上的不足,提出了新的改进算法.该算法首先采用K邻近均值滤波器对图像进行预处理,然后利用非极大值抑制过程后图像本身的信息来自动产生高低阈值对图像进行边缘检测.经过实验证实,使用本算法检测到的边缘连续性更好,边缘细节更丰富,同时阈值选择的自适应能力有所提高.     

基于塔式分解格式的多尺度平移伪框架的特征

引进多尺度平移伪框架的概念.借助于算子理论与滤波器理论,刻画多尺度平移伪框架的特征.建立广义多分辩结构的塔式分解格式,给出塔式分解格式存在的充要条件,得到平方可积函数空间的函数仿射框架展式.     

负载自适应的数据流流量测量算法

针对现有的数据流流量测量算法负载适应性不佳的问题,基于计数型布鲁姆过滤器,提出了一种负载自适应的数据流流量测量算法LACBF(load-adaptive counting bloom filter)。采用真实的网络流量数据,对LACBF算法的性能进行了仿真验证,结果表明,LACBF算法能够在网络流量动态变化的情况下获得比现有算法更小的测量误差。     

构造P2P电子商务系统中基于推荐过滤信任模型

通过对已有工作的分析和对比,选用了一种利用置信因子综合局部声誉和全局声誉的信任评价机制作为研究基础,引入基于集合迭代二分法的过滤方法对推荐节点进行过滤,并提出对评价其他节点评价质量的节点的评价可信度进行了限定来提高模型的准确性和抗攻击能力.同时,为避免恶意节点用诚信买行为来掩盖恶意卖行为的情况,对买家和卖家给对方的评价...     

高频脉冲雷达信号源的设计与实现

采用直接数字频率合成(DDS)技术,设计实现了一种基于单片机控制,以DDS芯片AD 9959为核心的高频脉冲雷达射频信号源.系统由C 8051单片机对输入控制字进行处理,从而执行对AD 9959芯片串行控制编程,产生所需的频率、相位和幅度精准的4路高频脉冲雷达信号源,并在其输出级设计了4路低通滤波器以减少串扰和杂散波,保证输出信号的频谱纯净度.该信号源已应用在电离层高频脉冲雷达探测系统中,现场实验结果表明,该信号源系统产生的高频信号频率稳定度高,扫频转换时间短,相位调制精确,且适合于多种编码方式,完全满足高频脉冲雷达对信号源的性能指标和技术要求.     

改进型感应电机电压模型磁链观测器设计

针对传统电压模型磁链观测器中引入低通滤波器后,带来幅值相位误差及滤波最佳截止频率选择问题,本文提出了一种高通滤波器和低通滤波器串联,且对电压模型中的电压项和电流项分别积分的改进型电压模型转子磁链观测器.文中分析了该改进型磁链观测器性能提高的原因,推导了高通滤波器和低通滤波器引起的幅值和相位误差补偿算法.仿真和实验验证了补偿算法的有效性,并且新的改进型转子磁链观测器在电机全速范围内具有优良的稳态和动态性能,具有较高的工程实践价值.     

序列图像运动自适应V1-MT光流估计算法

针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足,从人类视觉认知机理出发,提出了一种基于机器学习和生物模型的运动自适应V1-MT(motion-adaptive V1-MT,MAV1MT)序列图像光流估计算法.首先,引入基于ROF模型的结构纹理分解(structure-texture decomposition,STD)技术,有效解决了光照和色彩变化的影响.其次,利用多V1细胞加权组合及非线性正则化模拟MT细胞模型,并结合岭回归训练学习得到运动自适应的权重,解决对目标的运动速度感知问题.最后,引入由粗到精的增强方法和图像金字塔局部运动估计采样,将V1-MT运动估计模型应用于实际大位移视频序列.理论分析和实验结果表明,新方法能更加拟合人眼视觉信息处理特性,对视频序列具有普适、有效、鲁棒的运动感知性能.     

基于深度卷积神经网络的地磁导航方向适配性分析

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义.     

基于投影正交化的状态空间模型降维研究

提出一种改进型状态空间系统设定,当状态变量的滞后项存在时,可以不改变变量的维度直接估计,且传统的卡尔曼滤波方法依旧有效。改进了一般状态空间模型需要增加状态变量维度才能进行估计的设定,极大地降低了计算的复杂度,扩展了模型的应用范围。此外,使用Durbin and Koopman（D-K）抽样方法对卡尔曼平滑算子进行重新估计。随后使用仿真实验,对比传统状态空间模型和改进型模型的参数估计结果与计算时长,发现改进型系统下估计结果与传统型的差距甚微,但是计算时长大幅降低且精度提升。而D-K抽样法的效率,相比传统卡尔曼平滑法也有着显著的提升。仿真结果证实了降维方法的有效性。