装甲车辆内部主动噪声控制系统的设计及仿真研究

针对装甲车辆内部存在着较高的低频噪声，提出了一种自适应主动噪声控制系统的设计方案，在此基础上，利用FLMS算法对系统的运行情况进行了仿真，结果表明，运用此设计方案，能取得比较满意的降噪效果。     

两种空调器室外机组风扇的流场和噪声实验研究

针对国内空调器室外机组风扇气动性能差、噪声高的特点，进行了日本三菱电机空调器和国内某品牌空调器室外机组用风扇气动性能和噪声实验研究。利用风机性能实验台测量了两种风扇的特性，用热线风速仪测量了两种风扇出口同一位置的流场参数分布，用噪声测武装置测量了两种风扇的噪声。实验结果表明，在满足同样的使用要求的前提下，国内某品牌空调器室外机组用风扇的性能明显低于日本三菱电机空调器用风扇的性能。通过实验研究，能够发现空调器室外机组高噪声的原因及解决的方法。     

DOA估计中的高阶累积量应用方法

高阶累积量由于对高斯噪声不敏感，在高分辨阵列信号处理中可用来提高参数估计的分辨性能。本文从一个统一的角度来研究基于高阶累积量的高分辨阵列信号处理方法，并就一种方法在阵列信号处理中的应用通过计算机仿真与基于二阶矩的方法进行了较全面的比较。     

通过耦合混沌测量系统抑制噪声

混沌系统对韧值有很高的敏感性，用这种特性来测量小信号是很好的有应用前景的方法。因混沌系统对噪声也有很高的敏感性，在较强的噪声环境中，是否也能实现对小信号的测量，抑制噪声对测量系统混沌轨道的干扰是关键。可以认为将多个混沌测量电路耦合起来同时进行测量是一种可以抑制噪声的全新方法，这里对两个混沌测量系统的耦合进行了分析和数值实验，基于符号动力学理论，以及借鉴混沌同步的研究方法，数值结果表明，在合适的耦合条件下，该方法确能有效抑制噪声。     

基于π型RLC模型估计电源树同步切换噪声

深亚微米工艺下，高密度器件的高频同步切换噪声可严重影响超大规模集成电路(very large scale inte—grated circuit，VLSI)的可靠性和信号完整性，基于一类VLSI电源树(power supply tree，PST)的分段“型RLC模型，利用切换事件驱动机制、节点和参数重组建立切换电流规整传播路径，并以二极点模型近似切换电流传递过程，实现电源树同步切换噪声(simultaneous switching noise，SSN)估计，仿真表明，该方法可加速同步切换噪声模拟过程，提高效率，并保持较高模拟精度。     

基于Kalman滤波的白噪声估计理论

应用Kalman滤波方法,首次提出了一种统一的和通用的白噪声估计理论.它可统一处 理线性离散时变和定常随机系统的输入白噪声和观测白噪声的滤波、平滑和预报问题.提出了最 优和稳态白噪声估值器,且提出了白噪声新息滤波器和Wiener滤波器.它们可应用于石油勘探 地震数据处理,且为解决状态和信号估计问题提供一种新工具.两个仿真例子说明了其有效性.     

乘性随机离散系统的最优控制

基于对系统随机不确定因素的分析,文中定义了一种新型随机离散系统--乘性随机 离散系统,并研究该类系统的线性二次型(LQ)最优控制问题.首先给出了该类系统的有限时间 和无限时间LQ最优控制律,并着重分析、证明了无限时间LQ最优控制问题的Riccati方程的 正定矩阵解的存在性及相应数值求解算法与收敛性,以及闭环系统的稳定性等问题.仿真结果 表明了该方法的有效性.     

家用空调器室内机组噪声的实验研究

采用平衡不完全区组设计的方法，对影响空调器噪声的主要特征参数之一的多翼离心风机叶轮的叶片数进行实验研究，得出该参数影响程度的结论。     

基于模糊神经网络的彩色图像滤波器研究

为实现彩色图像噪声的滤波，基于模糊神经网络技术构建了一种新型的彩色图像滤波器．该滤波器通过对滤波窗口的彩色图像像素矢量进行模糊加权来判断邻近像素和中心像素的关系，针对不同性质的噪声由神经网络的自学习和自组织功能来自动调节滤波器的权值以实现噪声的滤除．用Flowers图像和Lena图像对经过训练的滤波器和矢量中值滤波器进行了测试对比．结果表明：模糊神经网络彩色滤波器无论对单纯的脉冲噪声及高斯噪声，还是二者的混合噪声，其滤除能力都要优于矢量中值滤波器，并且有较好的边缘和细节保持能力．     

一种新型的去除图像中强脉冲噪声滤波器

图像滤噪时利用的先验知识越多滤波效果越好,但是一般情况下我们只能得到一幅被污染的图像,因而无法获得这些信息。针对这点,文章提出了一种去除图像中椒盐噪声的新型滤波器。该滤波器首先根据椒盐噪声的特点,对滤波窗口中的象素进行一种排除最大和最小的操作,滤除椒盐噪声点。其次,根据图像区域特性信息对滤波窗口再进行一次排除次最大和最小的操作。实验表明该滤波器在性能和速度两方面均强于现有的滤波器,特别是当噪声概率超过0.3时,这种优势尤为明显。