机载惯性传感器信号降噪研究

针对机载条件下惯性传感器千扰输出是来源多样的非平稳、非线性信号,采用传统降噪方法有明显的不足和局限这一问题,分析了机载惯性传感器输出信号的特点,提出基于局城波分解对实测机载惯性传感器信号降噪.根据实测数据使用局域波分解和小波包变换进行信号降噪对比分析,结果表明局域波分解和小波包变换对于存在噪声干扰的机载惯性传感器信号可以有效降噪并提取有用信号.局域波分解消除惯性传感器信号嗓声计算简便,容易实现.     

贝叶斯先验约束下的混合判别方法

在有限样本下判别模型对训练样本敏感,易导致分类器学习结果泛化性能较弱,产生过拟合现象.针对上述问题,提出一种贝叶斯先验约束下的混合判别方法.通过在判别计算中引入生成先验分析,构建生成与判别模型在决策层的混合求解框架.该方法采用不同质分类器进行分类预测,并通过定义有效的融合机制进行样本筛选和标签决策,自动扩展训练集以更新模型,弥补训练样本信息的不完全性.有限样本下的场景分类实验结果表明,相比经典算法,该模型能够挖掘出具有高度判别特性的样本,从而进行有效的模型更新,纠正前期由于样本分布不均而导致的错分样本标签,提升场景分类精度.     

变步长LMS算法的超宽带Rake接收机设计

在无线通信中,超宽带接收机的抗干扰性是接收系统的重要技术,而误码率是抗干扰性重要的评价指标;为了提高超宽带接收机的接收性能和抗干扰能力,设计了变步长LMS算法的超宽带Rake接收机;通过建立系统模型,分析LMS算法基本原理且提出改进思路,将改进的变步长LMS算法应用于Rake接收机,进行建模仿真;结果显示变步长LMS算法的Rake接收机接收性能提高,误码率迅速降低到10-1,有效改善了接收机抗干扰能力。     

斯托克斯光种子法固体相干反斯托克斯拉曼频移器的理论研究

以波动方程和受激拉曼散射(SRS)物质方程为基础,采用光种子法,建立了固体相干反斯托克斯拉曼频移器的归一化耦合波方程,研究了晶体中反斯托克斯光转换效率。在脉冲抽运条件下分析了归一化增益系数G、归一化相位失配系数ΔK以及一阶斯托克斯光种子的归一化光场振幅ψs0三个变量对固体相干反斯托克斯拉曼频移器的影响,并作出了一系列相应曲线,由所得曲线估算了各归一化变量的合理取值范围。分析结果表明,在ΔK=0时,通过增大sψ0来打破拉曼增益抑制的影响,其转换效率峰值可达到44%。而当sψ0较弱时,可选取合适的相位失配系数,反斯托克斯光转换效率可达40%。     

表面散射特性光学检测的多波长光纤传感器

论述了一种表面散射特性实时光学检测的光纤传感器。采用650 nm、1 310 nm和1 550 nm激光作为光源,对不同表面粗糙度的样品进行了测试和分析。实验结果表明,采用多波长的复合光源激光光纤传感器能有效地减小测量的非系统误差,从而极大地提高了其测量精度;此外,波长越短,粗糙度越大,散射越复杂。     

定量分析被动FTIR遥感污染云团的探测极限

在建立大气模式下污染云团红外光谱仿真模型的基础上,利用LOWTRAN或MODTRAN所提供的Subarctic Winter大气模式,仿真出几种特殊的污染云团红外光谱,详细讨论了该模式下的仿真结果与U.S.Standard模式下的仿真结果的差别,并给出在Subarctic Winter大气模式下被动傅立叶变换红外光谱辐射仪遥测污染云团的探测极限。     

被动FTIS遥测污染云团和探测极限研究

利用ＬＯＷＴＲＡＮ所提供的大气模式,给出定量分析被动傅立叶变换红外光谱仪（ＦＴＩＳ）遥测污染云团红外光谱特征的方法。详细讨论了污染云团红外光谱的仿真结果和几种云团的被动ＦＴＩＳ探测极限。结果表明：它们是定量评估被动ＦＴＩＳ探测性能和光谱鉴别器的重要工具。     

基于集成 PU 学习数据流分类的入侵检测方法

入侵检测问题可以模型化为数据流分类问题,传统的数据流分类算法需要标注大量的训练样本,代价昂贵,降低了相关算法的实用性。在PU学习算法中,仅需标注部分正例样本就可以构造分类器。对此本文提出一种动态的集成PU学习数据流分类的入侵检测方法,只需要人工标注少量的正例样本,就可以构造数据流分类器。在人工数据集和真实数据集上的实验表明,该方法具有较好的分类性能,在处理偏斜数据流上优于三种PU 学习分类方法,并具有较高的入侵检测率。     

渭河盆地斜坡带稳定性两级模糊综合评判

选用多级模糊综合评判的理论与方法，建立了渭河盆地斜坡带稳定性综合评判模型及评判指标、综合评判计算模型。通过两级模糊综合评判，分选出了与渭河盆地斜坡带稳定性相吻合的稳定带、基本稳定带、次不稳定带和不稳定带，其结果较好地反映出了盆地两侧斜坡带的实际稳定程度。为该区的开发建设之布局等提供科学依据。