探空火箭图像系统设计方案

作为一种理想的实验平台,探空火箭在微重力科学领域得到了广泛应用.利用探空火箭进行微重力实验,首要问题是如何将实验过程以图像形式记录下来,并实时传回地面台站.因此,箭上图像的实时采集、编码与传输对实验具有重要作用.根据探空火箭微重力实验图像的特点,提出了一种适合于探空火箭图像系统的设计方案.按照该方案,图像系统可根据微重力实验的科学需求.实时调节实验图像的分辨率、帧速率和压缩比.该系统中,箭上的小波压缩单是核心模块,它通过基于硬件级的小波自适应压缩算法实现图像的箭上实时压缩,解码和实时显示则由与之对应的地面小波解码单元完成.     

基于小波脊的MDOF系统的模态参数识别

将小波理论应用于多自由度(MDOF,multi degree of freedom)系统的模态参数的识别中,首先对MD OF系统的响应函数作基于Morlet小波的时频分解,再由小波系数模的局部极大值求得小波脊,最后求出MDOF系统的各阶模态的固有频率及阻尼比.文中给出了实例,进行了计算说明,结果表明了该方法的有效性.     

干密度对黄土强度及其切线模量的影响

针对黄土土样进行了不同干密度条件下的室内静三轴试验研究,并用Duncan—Chang模型分析了实验结果,讨论了黄土的强度及其切线变彤模量与十密度的内在联系。结果表明：在其他条件相同时,黄土的粘聚力、内摩擦角及抗剪强度均随千密度的增大均呈增大趋势,且在干密度较大时表现为略微的应变软化,干密度较小时表现为应变硬化;黄上的切线变形模量随干密度的降低而减小,随应变的增加而减小,当轴向应变达到0．03左右时,切线变形模量几乎减小到零。     

小波视频图像处理技术

基于小波的视频图像压缩的理论，根据小波变换的基本特点，用小波视频图像处理的关键技术对现有小波视频图像处理技术进行分析，结合软件和硬件的实现方法提出小波视频图像处理的新方案。通过选取最佳的小波基和快速提升小波算法，实现了经小波变换处理后的图像细节部分清晰，层次感强，适合于高压缩比的应用领域要求。     

织物疵点检测中自适应正交小波基的构造

提出了一种用于织物疵点检测的自适应正交小波基的构造方法.该方法从小波滤波器系数满足的正交归一化条件入手,采用一定数量参数角的正弦和余弦函数构造出一定长度的正交小波滤波器系数的统一解析式;以分解子图中像素最大能量值最小作为逼近条件,采用遗传算法作为寻优算法,从而实现针对不同的织物,自适应地构造小波基.同时,实验证明了自适应小波基的对疵点图像分解效果.     

低信噪比神经元锋电位信号的分类方法

基于离散序列小波变换和主元分析，对低信噪比的神经元锋电位信号提出了新的分类方法。通过对原始信号进行尖峰检测，获得尖峰信号样本，对每个样本进行离散序列小波变换之后，再对小波变换系数进行主元分析，选取主元进行聚类，实现对原始信号的分类。将该方法应用于多电极细胞外记录的小鸡视网膜神经节细胞电活动信号分析，并据此推断出某电极附近的神经节细胞的个数。仿真结果表明，在低信噪比情况下，该方法比单纯通过小波变换进行分类的方法更有效。     

拉压弹性模量不等材料杆的纯弯曲及偏心压缩

基于弹性力学的基本理论 ,分析了拉压弹性模量不等材料直杆在纯弯曲变形状态下的应力和应变 ,给出相应的应力计算公式 ,并讨论了拉压弹性模量的比值参数对应力分布的影响 .在此基础上又分析了拉压弹性模量不等材料杆在偏心压缩时的应力、应变 ,给出了横截面中性轴位置的数值计算方法和数值解 ,并进行了定性的讨论 .     

电能质量扰动分类的贝叶斯方法

随着非线性负荷的大量使用,电能质量问题已日益受到关注．对各种电能质量扰动进行分类,是采取适当措施降低扰动带来影响的前提．小波包是在小波变换的基础上发展起来的,能够提供更为丰富的时频信息．为此,对电能质量扰动信号进行小波包分解,分别以小波包分解终结点的能量和熵作为特征向量。用贝叶斯分类器进行分类识别,对扰动分类做出了仿真分析,仿真结果验证了该方法的有效性．通过与Fisher分段线性分类器进行比较,表明以熵为特征向量的贝叶斯分类方法有较高的识别正确率．     

静态二维离散小波变换在图像压缩中的研究

通过对DWT的分析,引入静态小波变换,从对静态一维离散小波变换的分解、重构,到对静态二维离散小波变换的分解、重构,运用实例作比较,说明静态离散小波变换的优点,并提出需要改进的地方.     

EM-CDKF算法及其SINS初始对准应用

针对非线性捷联惯导系统噪声先验统计信息未知问题,基于中心差分卡尔曼滤波基本算法,采用极大似然准则构造极大期望最速下降梯度算法展开系统未知噪声统计特性在线估计计算研究,构建一类捷联惯导系统初始对准极大期望自适应中心差分最优滤波算法.该算法利用极大似然准则构造系统噪声统计特性对数似然函数,采用极大期望最速下降梯度法把系统噪声统计特性估计转化为对数似然函数期望最大值计算,获得系统过程噪声和观测噪声在线递推估计的自适应极大期望中心差分卡尔曼算法.经过大方位失准角捷联惯导系统初始对准仿真实验,与中心差分卡尔曼滤波基本算法相比,自适应极大期望中心差分卡尔曼算法能够有效解决基本算法在系统噪声先验知识未知情形下的滤波精度下降甚至发散问题,并且能够实现系统噪声统计特性的在线递推估计.