基于非均匀时延的频率估计改进算法

为了减少算法运算量,将多级维纳滤波器引入非均匀时延频率估计中,对原有算法进行改进.改进算法通过简单的乘加运算得到噪声子空间,无需对观测数据协方差矩阵进行特征根分解,因此也更加易于硬件实现;结合一维MUSIC高分辨算法完成对信号频率的参数估计.仿真结果表明：在信噪比大于0dB时,改进算法与原有算法性能相当.     

一种估计相干信号波达方向的快速算法

多级维纳滤波器是一种降维算法,提出了一种基于多级维纳滤波器的相干信源估计算法。将多级维纳滤波器引入ESPRIT算法的预处理,通过构造Toeplitz矩阵,满足秩等于信号个数的条件,作为维纳滤波器的预处理的结构。文章提出的算法,不通过特征值分解,得到信号子空间,结合ESPRIT算法,实现相干信号的DOA估计。仿真结果证明了算法的有效性。     

基于多级维纳滤波器的高分辨测向研究

针对多级维纳滤波器在降维和计算复杂度低方面的突出特点,对多级维纳滤波器在采样率对其滤波性能影响方面进行进一步研究。通过理论推导得到了输出功率比率期望误差与采样率之间的关系公式。计算机仿真验证了多级维纳滤波器在波达方向估计时此公式的正确性。     

基于多级维纳滤波器降维技术的波达方向估计

针对基于子空间分解的参数估计算法所存在的运算量大、信噪比门限高等缺点，提出了采用多级维纳滤波器进行波达方向估计的方法，该方法将波达万向估计和多级维纳滤波器相结合，即降维的波达方向估计，克服了基于子空间分解算法的缺点，计算机仿真说明了这种降维的波达方向估计方法是有效的，可以应用在快拍教很少和信干噪比很低的情况。     

基于改进自适应遗传算法柔性形态滤波器优化

针对柔性形态滤波器的高效优化问题,提出了一种改进的自适应遗传算法. 该算法在柔性形态滤波器参数的优化设计方面,对选择、交叉和变异等运算进行了改进,并通过对柔性形态滤波器优化的仿真试验与标准遗传算法性能进行比较,结果显示该算法具有更好的快速优化效果.     

一种自适应滤波器的设计与仿真

随着科技的高速发展,人们对信号处理的实时性、准确性和灵活性的要求越来越高,自适应滤波器在信号处理中的地位也越来越重要。自适应滤波器是一种含复杂算法的处理器,它的实现主要采用最小均方误差算法,通过调整滤波器系数来实现滤波,以便更好地跟踪信号的变化,最终实现自适应滤波。本文在Matlab环境下设计出自适应滤波器,验证了它的性能。     

基于模态分解的最小方差模态滤波器

针对浅海的复杂水声环境,提出了一种基于模态分解的最小方差无失真响应(MVDR)的自适应模态滤波器,利用接收阵列的声场数据和声速梯度数据,估计了各阶简正波复幅度系数。最小方差模态滤波器提取声场某阶模态时,可以抑制其它模态和噪声的影响,减弱模态滤波器对阵列长度的依赖性及对噪声的灵敏度。通过计算机仿真研究了最小方差模态滤波器的性能,并与其它线性模态滤波器进行了对比,结果表明:该自适应模态滤波器比其它线性模态滤波器能更精确地估计各阶简正波复幅度系数,并且具有良好的环境适用性特点。     

基于LMS算法和Matlab的自适应滤波器的设计

根据LMS算法性能特点,在Matlab环境下编写了基于LMS算法的有限长自适应滤波器的程序(*.m),用所设计的滤波器对受白噪声干扰的语音信号及正弦波信号进行滤波.理论分析和仿真结果表明,所设计的自适应滤波器具有快速的跟踪能力和收敛性能,且稳态误差较小.     

一种改进的宽带波束形成方法

宽带信号具有目标回波携带的信息量大及混响背景相关性弱等特点,在声纳系统中应用越来越广泛。为了减小FIR滤波器的幅度和相位误差对宽带波束形成器性能的影响,采用线性约束最小方差自适应算法保证FIR数字滤波器的相位特性严格线性;采用基于幅度误差函数的代价因子自适应迭代算法使FIR数字滤波器通带内近似满足等纹波的幅度特性,达到FIR数字滤波器与设计指标要求最佳匹配的目的。对10阵元等间隔线阵的分析仿真结果表明该方法是有效的,并适用于其它阵型,对于声纳系统具有显著的应用价值。     

彩色图像脉冲噪声的自适应矢量滤波

提出了基于噪声像素检测的自适应矢量滤波器的新方法,该法对图像中噪声像素进行检测时,仅对噪声像素进行矢量滤波,而对非噪声像素则保持其原值不变,并可根据图像噪声情况自适应地选择滤波窗口。新滤波器能有效地滤除彩色随机脉冲噪声,并保持图像边缘与细节,其性能优于经典的矢量中值滤波器、方向一距离滤波器、方向一幅度矢量滤波器等非线性滤波器。     

柔性形态滤波的神经网络实现及遗传算法优化

柔性形态滤波是一种重要的非线性滤波方法.柔性形态滤波器的研究可分解为形态滤波运算和结构系统选择2个基本问题,一旦形态滤波运算选定后,柔性形态滤波性能就主要取决于结构系统的选择.该文提出了一种柔性形态滤波的神经网络模型及其网络参数(即滤波器结构系统)的遗传算法优化方法.进行优化训练的目的是为了使结构系统自适应地反映图像的形态结构特征,自动调整结构系统中硬核、边界和重复度的组成,从而提高对复杂噪声图像的滤波性能.实验仿真结果显示,该算法优化后的柔性形态滤波器性能得到较大改善,在收敛速度和滤波效果方面,其优化结果要优于简单的遗传算法.     

基于遗传算法和MSWF的子空间拟合测向算法

针对传统算法在快时变环境性能不够理想,而在快时变环境性能较好的子空间拟合算法其多维非线性搜索运算量较大而且易于收敛于局部最优解的问题,本文采用基于MSWF的子空间快速分解及子空间维数的快速估计,避免了协方差矩阵的估计和特征值分解;同时用子空间拟合准则构造遗传算法的目标函数实现随机搜索功能,实现全局快速搜索。最后实验验证了遗传算法测向的有效性。     

基于边界样本的训练样本选择方法

以入侵检测系统中的分类器设计为例，研究分类器训练样本选择问题。提出了一种大规模数据集的训练样本选择方法，首先通过聚类将训练数据划分成不同的子集缩小搜索范围；然后根据聚类内离散度和样本的覆盖区域选择样本，保留每个聚类的边界样本，删除内部样本。 即保留了典型样本，减少了训练样本数量，从而保证分类器的性能并且训练效率较高。     

基于特征结构的频谱感知算法

为了全面认识当前的认知无线电频谱感知技术,深入研究基于特征结构的多节点合作频谱感知算法,将近年来发展的随机矩阵理论(RMT)引入到频谱感知领域,使得频谱感知性能得到提高,有可能在实际应用中实现频谱感知。通过阐述基于采样协方差矩阵及特征值类的合作频谱感知方法的基本原理,归纳其主要特点,推导出检测门限的确定方法。通过基于Matlab的仿真实验,对比和验证算法的感知性能。最后展望该方向下一步的研究趋势。     

新型单轴拉伸试样制备装置的研制及试验研究

针对单轴拉伸试验中试样形式与拉伸段长度能较大程度影响试验结果,以及目前在该试验中所采用试样形式与拉伸段长度均存在较大差异的问题,研制了一组可以制备不同拉伸段长度哑铃状单轴拉伸试样的制样模具,制样模具由左右两个加载段模具、上下两个拉伸段模具与制样底板组成,其中两个拉伸段模具分别与两侧的加载段模具通过燕尾槽连接。在此基础上,对粘性土试样进行了单轴拉伸试验,探讨了粘性土的抗拉特性,以及试样形式与拉伸段长度对其破坏形式、抗拉强度与峰值位移的影响情况,研究结果表明：哑铃状试样可以避免拉伸过程中出现的端部松弛与应力集中问题,拉伸断裂面发生在有效拉伸长度范围内;粘性土的破坏形式不是纯脆性破坏,而是在抗拉强度后存在一个软化阶段;抗拉强度随拉伸段长度的增大而减小,峰值位移随着拉伸段长度的增大而增大,二者均与拉伸段长度呈对数关系。     

基于遗传BP神经网络的油气识别

为了建立一种有效的油气储层识别模型,使得能够处理大信息量、复杂样本空间油气信息,本文提出遗传BP神经网络模型,利用遗传算法全局搜索问题解的特性对BP神经网络的权值和阈值进行快速优化,约束BP神经网络训练学习过程。研究表明,相对于传统BP模型,遗传BP模型具有效率高、收敛速度快、适应复杂样本空间和大样本空间训练学习等优点。     

一种改进的自适应遗传算法

遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法.针对传统遗传算法和自适应遗传算法存在"早熟"现象及收敛速度慢的不足,提出了一种改进的自适应遗传算法,并对交叉概率和遗传概率进行改进.仿真结果说明了改进的自适应遗传算法比传统遗传算法和自适应遗传算法在收敛性能和搜索能力上都有很大的提高.     

一种快速的相干信源超分辨方法

提出一种快速的相干信源超分辨方法,信号子空间由空间平滑的Lanczos算法的若干步递推得到．由于该方法只利用到某一信源的训练信号就可实现对所有信号的DOA进行快速估计,不需要对协方差矩阵作特征值分解和多级维纳滤波器的后向递推,所以该方法具有低复杂度和小运算量的特点,更适合实时处理的要求．计算机仿真表明,在低信噪比和小样本的情况下明显优于常规的EPSRIT方法,在高信噪比和大样本的情况下具有和常规ESPRIT方法同样的估计精度．     

人工神经网络在战场侦察技术中的应用

研究人工神经网络用于战场目标分类的能力和结果 .根据战场目标的声与震动特性 ,采用相应的测试系统和分析系统 ,对战场典型目标装甲车、吉普车进行实地测试 ,并对实验数据进行预处理 (快速傅立叶变换 ) ,利用基于人工神经网络原理的目标分类器 ,采用改进的BP算法对分类器进行训练 ,克服了传统网络的振荡和平台问题 .基于人工神经网络的分类器对战场目标的声与地震动信号有很高的正确识别率 .实验证明人工神经网络目标分类器适合于战场目标分类识别 ,改进的BP算法加快了神经网络的收敛速度 .