f—x域内提高地震资料的信噪比

在 f-x 域,地震记录可以表示成有限个调频调幅正弦波的叠合,叠合的结果是一个连续且光滑的函数。我们可以用一个简单的 n 次多项式去逼近这个函数。本文提出了一种在 f-x 域用最小平方拟合原理消除随机噪声的新方法,并证明了在噪声为自噪以及空间采样足够密的条件下,拟合结果与噪声无关,即 f-x 域最小平方拟合处理可以有效地消除记录上的随机白噪,而对有效信号的破坏甚微。由于理论上允许振幅值及同相轴形态在空间上发生变化,因而该方法不具有混波作用,是高分辨率处理的理想工具。     

血液流速测量中血红细胞的多普勒信号

采用双光束干涉条纹模型，用光散射理论得出了激光多普勒测速中大型散射粒子的多普勒信号幅值的表达式：用数值解法求得多普勒信号幅值随散射粒子半径变化的曲线。红血球直径即使比干涉条纹宽度大10倍，也会有良好的多普勒信号。给出了实测的血流多普勒信号。     

中央电视台第一个数字化演播室视频系统介绍

数字电视系统在提高图像质量方面已显示出极大的优越性。因此，世界各国电视台都已开始数字化的进程，中国也不例外。本文详细介绍了中央电视台第一个数字化演播室－８００ｍ＾２演播室的视频系统，包括视频系统数字信号格式的确定，主要设备的特点以及演播室数字视频系统的主要特点等，供广大同行参考。     

离散Hopfield神经网络和联想记忆的开关电流技术实现

研究了离散Ｈｏｐｆｉｅｌｄ神经网络（ＤＨＮＮ）和联想记忆神经网络的开关电流技术实现，利用多权输入跨导，开关电流延迟器（ＳＩＤ）和可编程电流比较器（ＰＣＣ）实现了离散Ｈｏｐｉｅｌｄ神经网络，并提出了利用离散Ｈｏｐｆｉｅｌｄ神经网络实现自联想记忆时相应的开关电流电路，所提出了开关电流神经网络适宜于超大规模集成，能在低电压（如３．３Ｖ）下工作。     

小波分析及其在时变滤波和信号分离中的应用

利用小波变换具有的多时频分辨率特性，对地震勘探和测井信号这类非平衡信号进行分析，可以充分利用信号的时间－频率特性。文中介绍了小波变换的基本概念及其在地震勘探信号的时变滤波和声波全波列测井信号的信号分离中的应用，实例表明，小波变换在地球物理信号中具有广阔的应用前景。图５参７     

参考信号频率自调整的数字相敏检波器算法的研究

本文提出了一种不需要外接同频参考信号的数字相敏检波器算法。该算法首先提取计算机产生的参考信号与被测信号频率的差值，然后根据该差值调整参考信号的频率直到满足要求。本文还讨论了数字相敏检波器的幅频特性，仿真试验表明理论分析与实际结果是一致的。该算法可以用于同频参考信号不能获得时正弦信号的幅度和相位测量。     

微机对调制信号的包络解调

应用检相原理，可以提取有限长度调制信号和包络解调。通过改变Ａ／Ｄ转换器的位数，提高检相分辨率，它与检测对象的速度无关。这为提高检相分辨率展示了新的途径。     

高功率激光焊接光致等离子体的检测

系统地归纳了高功率激光焊接过程中光致等离子体的声、光、电、热等四种特征信号，综述了国外在等离子体信号检测方面的试验方法及研究进展，分析了未来的发展趋势     

Diagnostics and monitoring of complex production processes using measurement of vibration-acoustic signals

A vibration-acoustic method for diagnostics and monitoring of production processes such as cutting metals makes it possible compared with other methods to reduce the requirement for measuring equipment and it provides a computer representation of the results observed. The set of equipment suggested has low cost and it exhibits considerable flexibility compared with existing equipment. __________ Translated from Izmeritel’naya Tekhnika, No. 7, pp. 30–34, July, 2006.     

RSFM网络及其在信号滤波中的应用

介绍了一种适用于模式识别的新型神经网络模型--局部有监督特征映射（Reglonal Supervised Feature Mapping,RSFM）网络,描述了该网络的拓扑结构和学习算法,研究了网络的基本性能,最后将其应用到了信号滤波中.理论研究和仿真实验表明,该网络结构简单、算法简洁,收敛速度快、识别精度高,适用于需要大样本训练、随机干扰严重的复杂模式的分类与识别.