半导体瞬态问题的二次有限体积元方法及分析

对于半导体瞬态问题的数学模型,我们采用Lagrange型分片二次多项式空间和分片常数函数空间分别作为试探函数和检验函数空间,构造了该问题的全离散二次有限体积元格式,并进行误差分析,得到了次优阶L2模误差估计结果。     

捷联成像寻的器视线重构

分析和比较了捷联成像寻的器提取视线角及视线转率的实现途径，通过充分利用寻的器和惯导系统提供的角速率信息，推导了惯性视线角的一阶动态方程，并结合Unscented卡尔曼滤波（UKF）理论给出了视线重构滤波器设计方法。与传统的视线和视线转率滤波方法相比，本丈所给出的方法无需应用成像寻的器无法观测的弹目距离和接近速度信息，也无需对未知目标机动进行建模，从而更方便于应用。仿真的结果验证了该方法可有效地重构视线角，从而进一步提高视线转率的估计精度。     

基于邻域阈值分类的小波域图像去噪算法

利用图像小波系数的空间相关性可以有效地去除图像中的噪声。将一维信号的小波邻域阈值扩展并应用于二维图像,子带内的每个小波系数根据其邻域阈值的大小被划分为“大”系数或者是“小”系数;对“小”系数直接置零,对“大”系数则采用一种具有局部空间强相关性的零均值高斯模型,通过最小均方误差准则得到其估计。仿真实验结果表明该算法简单有效,在去噪性能上优于传统的子带自适应阈值去噪方法,可与两种优秀的空间自适应去噪算法相媲美。     

一种强跟踪扩展卡尔曼滤波器的改进算法

针对模型不匹配卡尔曼的状态估计发散和应用范围限于连续系统问题，提出一种基于有限差分强跟踪滤波嚣（STFDEKF）．在滤波计算中,引入强跟踪滤波因子修正滤波器的状态预协方差矩阵。滤波精度得以提高,滤波器应用有限差分方法计算滤波过程中非线性函数的偏导数。扩大了适用范围．几种卡尔曼滤波器经过仿真比较。STFDEKF应用于复杂非线性系统状态估计时．具有较高数值稳定性、强跟踪性和较宽应用范围．     

一种基于切换模型的快速机动目标跟踪算法研究

根据二维空间内目标作匀速转向运动的特点，提出一种基于航向变化的目标加速度实时估计方法，并在此基础上采用采样卡尔曼滤波器对该机动目标进行跟踪．仿真结果表明，该方法不仅能够检测出目标机动开始时刻和终止时刻，而且还能近似估计出快速机动目标的加速度大小，与扩展卡尔曼滤波器相比，采样卡尔曼滤波器具有较好的跟踪精度．     

鱼雷热动力装置测试系统开发

为了满足先进的鱼雷热动力装置的测试要求，首先对鱼雷三组元推进剂热动力装置技术方案进行了分析，对测试参数进行了分类和总结，其次针对不同的测试参数提出了不同的测试方法，选择了相应的测试硬件，构建了基于虚拟仪器技术，以PXI总线技术为核心的鱼雷热动力装置综合测试系统，最后以labwindows开发了功能齐全的测试软件；特别针对流量参数的测量，提出了一种基于DFT的快速、精确的频率估计方法，实现了对传感器信号频率的估计。     

粒子滤波进展与展望

粒子滤波器是基于序贯M onte Carlo仿真方法的非线性滤波算法,本文对粒子滤波器的研究现状和研究进展做了综述,详细论述了粒子滤波原理、收敛性、应用及进展.首先在Bayes框架内分析了序贯重要性采样原理,重要性分布函数的选择,以及重采样方法,总结了粒子滤波器发展过程中的各种改进策略和新变种,讨论了粒子滤波器在各个领域的应用及进展,最后介绍了粒子方法的新发展,新动态,并对未来发展方向做了进一步的展望.     

基于内容的视频分割技术研究

随着MPEG-4基于内容功能的提出以及MPEG-7标准的不断推广应用,视频对象分割技术已成为视频处理领域中的研究热点。视频对象分割就是从视频序列中分割出在语义上有意义的对象。目前对视频分割研究已从基于镜头的分割发展到了基于内容的视频对象分割。然而,基于内容的视频对象分割技术还不成熟。文中讨论了视频对象分割技术的发展和研究状况,从组成视频运动对象的分割系统出发,介绍了时域分割以及时空域联合分割等技术,并提出了一种基于多帧差的视频对象分割算法。最后对分割技术中需要深入研究的问题进行了探讨。     

应用小波变换和ICA方法的肌电信号分解

基于单通道、短时真实肌电（EMG）记录和模拟EMG信号，提出一种改进的肌电信号分解方法。首先应用小波滤波、硬阈值估计等方法去除背景噪声和白噪声，并将独立成分分析（ICA）方法和小波滤波方法相结合去除工频干扰信号，然后再进行幅度滤波，从而提高了系统的速度和强健性。在运动单元动作电位（MUAP）聚类以及从原始信号中去除已识别的MUAP波形等方面也进行了改进。与已有的EMG分解方法相比，本文方法更快速、稳定。     

正弦波频率估计的修正Rife算法

分析了Rife算法的性能，指出当信号频率位于离散傅里叶变换（Discrete Fourier Transform，DFT）两个相邻量化频率点的中心区域时，Rife算法精度很高，其均方根误差接近克拉美-罗限（Cramer-Rao Lower Bound，CRLB），但当信号频率位于量化频率点附近时，Rife算法精度降低。本文提出了一种修正Rife（M-Rife）算法，通过对信号进行频移，使新信号的频率位于两个相邻量化频率点的中心区域，然后再利用Rife算法进行频率估计。仿真结果表明本算法性能不随被估计信号的频率分布而产生波动，整体性能优于牛顿迭代法（一次迭代）。接近二次迭代，在低信噪比条件下不存在发散问题，性能比牛顿迭代稳定。本算法易于硬件实现。