基于ASTFT和中值滤波的PRC-CW雷达FM干扰抑制方法

通过分析调频(FM)干扰对伪码调相连续波雷达相关检测性能的影响,发现当FM干扰超出伪码调相雷达自身抗干扰容限时,相关输出严重恶化.针对该问题,考虑到伪码在时频平面上是近似均匀和平坦的,而FM干扰则具有较好的时频聚集性,该文提出了基于自适应短时傅里叶变换(ASTFT)和中值滤波的FM干扰抑制方法.该方法通过对时频平面上被干扰污染的部分进行中值滤波,实现了对FM干扰的抑制.对不同信干比情况下线性调频和正弦调频干扰抑制前后的相关输出进行了仿真分析.结果表明,该方法能够有效抑制干扰,使相关输出得到显著改善.     

一种混合噪声的模糊滤波算法

为了解决混合噪声图像增强中抑制噪声和保持边缘细节的矛盾,提出一种基于多级中值滤波和模糊加权均值滤波的图像模糊去噪方法.根据不同的区域,不同噪声,通过模糊推理,模糊合成多级中值滤波和模糊加权均值滤波的结果,在滤除混合噪声的同时,保留图像的边缘细节.根据实验结果,从客观和主观两方面比较了本算法和几种方法的效果,表明本方法有较好的抑制噪声,保持图像细节对比度的能力.     

微分学证明不等式的方法

不等式在数学中占有很重要的位置,内容也极其丰富;微分学的应用更是渗透到了数学中的各个方面．本文利用微分学这一工具,给出了不等式的一些主要证明方法,并举例说明其应用．     

图像椒盐噪声的分阶段中值滤波算法

针对自适应中值滤波算法的缺陷——对高密度椒盐噪声图像滤波后留下黑色斑块,提出了一种分阶段中值滤波算法.该算法对图像执行两次小窗口的滤波操作,相较于采用较大窗口的滤波,其在有效去除噪声的同时降低了结果图像的模糊程度.先对所有噪声点进行一次中值滤波消除了盐粒噪声,再用窗口内非噪声点的灰度中值代替胡椒噪声点的灰度值以去除黑色斑块.最后的仿真实验结果表明,本文算法既有像自适应中值算法一样滤除低密度椒盐噪声的良好性能,又有对高密度椒盐噪声图像的降噪能力。     

镉对草鱼的急性毒性效应及SOD的影响

以静水生物测试法研究了氯化镉对草鱼的急性毒性效应及其肝胰脏、肾脏和鳃组织的超氧化物歧化酶(SOD)的影响.结果表明:镉对草鱼的急性毒性作用时间为24,48,72和96 h的半数致死质量浓度(LC50)分别是45.58,34.81,28.63和24.05 mg.L-1,因此镉对草鱼的生态毒性为高毒.Cd2+低浓度时,肝胰脏和肾脏组织SOD活性均为"先降后升再降",而Cd2+为高浓度时SOD活性始终处于被显著抑制(p<0.05);鳃组织在低Cd2+污染时SOD活性为"先降后升",而高浓度的Cd2+污染时其SOD活性为"先降后升再降".但是草鱼鳃组织的SOD活性明显低于肝胰脏和肾脏的SOD活性.     

支持向量机在注塑产品图像预处理中的应用

分析了现有中值滤波器算法在注塑产品图像预处理过程中应用时存在的问题,结合注塑产品图像的特点,提出了一种新的多级中值滤波器算法;通过训练基于支持向量机的像素点分类器,实现了对图像中像素点类型的判别,进而根据其自身特性的不同,有的放矢地选择相应的滤波处理方法.该算法既有效地抑制了注塑产品图像中存在的噪声污染,又提高了滤波算法保护图像中边缘细节信息的能力,更好地满足了注塑产品图像预处理的要求.仿真研究证明了该算法的有效性.     

基于脉冲耦合神经网络模型的混合噪声滤除

脉冲耦合神经网络模型是一种仿生系统，它模拟了猫猴的视觉神经系统，受到广泛研究并已应用于图像处理的各个领域。针对现有脉冲耦合神经网络模型的缺陷设计了一种阈值线性衰减的输出带权均值型PCNN模型，简称为L&A-PCNN，并应用于混合噪声去除领域。进一步扩充了PCNN模型的应用领域，并提高了处理图像的性能。以改进后的模型为基础，通过数学推理和实验获得模型关键参数的最优设置方法和范围。将L&A-PCNN与中值滤波器结合对图像去噪领域的难点混合噪声进行修复，仿真实验结果证明在去噪性能上使用L&A-PCNN的算法比现有算法有5%-30%的提高。     

具有中央分隔带公路弯道外侧超车车道的视距

为了满足具有中央分隔带公路弯道外侧超车车道停车视距的需要,保障行车安全,根据汽车在超车车道上的行驶特性,分析了具有中央分隔带公路弯道外侧超车车道上司机视点的位置和横净距。计算结果表明在极限最小半径和一般最小半径下,中央分隔带外侧超车车道的停车视距小于规范规定值,并提出了解决方案和措施,供公路设计时参考。     

改进的鲁棒迭代最小二乘平面拟合算法

针对迭代特征值最小二乘法不具备鲁棒性,提出一种改进的统计分析方法,用于含有大量异常点的点云的平面拟合.首先由移动最小二乘法拟合抽样点的近邻域平面,采用最小平方中位数法选择拟合模型,将该模型作为初始模型调用迭代特征值最小二乘法对点集拟合,通过逐渐剔除异常点,不断精炼模型,最终得到较精确的平面模型.此算法克服了一般向后剔除方法的缺点,具有了鲁棒性,且不失原方法的精确性,同时提高了迭代收敛速度.