第三代高频自动链路建立协议分析及仿真

随着现代军用通信网络的发展与进步，第三代高频自动链路建立协议(Third-generation HF Automatic Link Establishment)将逐渐取代现有的第二代协议。首先从CSMA机制、Dwell—Groups技术、Multi—Slot技术等方面概略地介绍了3G-ALE技术。然后在同步工作模式下，将Dwell—Groups技术、Multi—Slot技术应用在协议当中进行了对比仿真，并分析了Dwell—Groups技术、Multi—Slot技术对3G-ALE系统性能的影响。     

压缩感知理论及其在成像技术中的应用

在传统的Shannon/Nyquist采样定理指导下,信号处理往往面临两大难题:A/D转换器技术的限制和海量采样数据的处理压力.压缩感知(CS)理论表明当信号具有稀疏性或可压缩性时,可以通过全局非自适应线性投影的方式,用远低于Shannon/Nyquist采样定理要求的频率获取信号的全部信息.以CS理论为基础的压缩成像(CI)技术在近年来得到了快速的发展.在概述CS理论的基础上,着重介绍了CI技术的原理及其发展状况,并从稀疏分解、观测矩阵的构造和重建算法3个方面对其关键问题进行了分析.CI系统可以显著节省感光器件的数量,避免了传统成像技术"先采样再压缩"方式带来的资源浪费.     

异养培养光合细菌产5-氨基乙酰丙酸发酵条件的研究

从废水处理厂的活性污泥中筛选出产5 氨基乙酰丙酸(ALA)的红假单胞菌原始菌株,可产生7 35mg/L的ALA,采用亚硝基胍(NTG)以及紫外线对该菌株进行诱变处理,得到产量为19 12mg/L的菌株C-1。在摇瓶实验过程中,对培养基组成和培养条件进行了初步优化,使菌株产ALA的能力达到了38 9mg/L。     

不等长批次过程的有序时段划分、建模及故障检测

对具有不等长时段的多时段批次过程进行监测是十分重要而且具有一定难度的. 时段在批次间的错位现象导致时间方向的不同过程特性混合在一起, 这给时段分析以及在线应用带来了一系列的问题. 为了解决不等长所带来的问题, 本文提出一种基于不等长时段有序识别及建模的故障检测方法. 该方法的主要贡献包括以下方面：1) 该方法通过步进地衡量过程的变量相关性对模型精度以及监测性能的影响, 自动有序地识别出每个不等长时段; 2) 在每个时段内,通过对不规则的过程数据进行整合建立了时段模型以捕捉不规则的时段特性; 3) 本文提供了一种简单而有效的在线判断新样本隶属时段和监测其运行状态的方法. 最后, 本文通过一个实例–具有不等长批次长度的注塑过程阐述了本方法的有效性.     

分块二维局部保持鉴别分析在人脸识别中的应用

局部保持鉴别分析在人脸识别研究中具有非常重要的地位。在此基础上提出的2DLPDA算法直接在二维空间进行运算,一定程度上提高了性能。但是当样本在光照阴影、遮挡等情况下时,识别率受到很大影响,为此提出一种改进的算法,即分块二维局部保持鉴别分析方法。其将样本分块,以更好地提取样本中的局部近邻特征。这样同一样本的不同分块在选择近邻时,就可能具有来自不同样本的近邻,从而能更好地提取样本的局部特征。最后将局部特征整合为整体作为识别的依据。在AR、YALE及ORL库上验证了算法的有效性。     

高斯模型与区域生长相结合的景物识别算法

研究景物图像特征提取,光照环境因素变化时,室外场景光学成像也随之发生很大变化,景物特征复杂,严重影响了景物识别的精度.为了解决上述问题,提出一种高斯模型与区域生长相结合的景物识别算法.先提取图像区域的底层视觉特征以及空间位置特征,并通过高斯分布为每类景物建立模型,然后根据模型测试图像中区域属于每一类景物的概率,把概率值较大的区域加入到模型中,更新模型参数,最后,把概率值较大的区域作为种子点进行区域生长得到景物识别的结果.采用Matlab 7.0软件对Pasadena 数据库中景物进行仿真识别.结果表明识别目标景物的有效性,为复杂场景下景物识别提供了一种有效的算法.     

新的AdaBoost算法评价体系

工程实际中,往往通过对比两个AdaBoost算法在相同弱分类器数量条件下的错分率来比较算法性能,这样就忽略了在弱分类器数量增加时,错分率的波动会造成对比不准确的问题。为此,分别针对分类器性能的分类准确率、收敛速度和稳定性,提出了稳态错分率、调节规模、振荡度三个量化指标,构成了一个相对完备的评价体系。实验表明,该评价体系能更全面反映AdaBoost的分类效果。     

一种面向噪声环境中旋转机械故障诊断的多模态耦合输入神经网络

旋转机械设备是工业生产中的关键性设备,对其进行高效故障诊断,对于保障工业安全生产具有重要意义.传统的旋转机械设备智能故障诊断方法采取人工特征提取策略,存在依赖专家经验知识、特征泛化性差、特征完备性不足等局限性,导致故障诊断模型精度差,特别是在噪声环境下性能下降明显.对此,提出一种用于旋转机械故障诊断的多模态耦合输入神经网络模型.首先,利用信号分解方法将原始输入信号分解为多个子信号,并将子信号与原始信号成对组成二维矩阵并输入到神经网络中,使得网络能够提取其间重要的相关特征;然后,利用双通道并行的卷积神经网络和长短期记忆网络分别提取信号中的时空间特征并融合,大大提高网络模型的特征表达完备性,实现对旋转机械设备的高精度故障分类.通过实验验证了所提出模型相较于传统故障模型具有更高的准确率,并且对于噪声干扰也有较好的适应性.     

基于声发射参数分析的滑动轴承故障诊断方法研究

本文基于声发射产生机理,对基于声发射参数分析法进行滑动轴承故障诊断方法进行理论和实验研究。首先,通过汽轮机发电机组模拟转子实验台模拟了滑动轴承三种润滑状态,通过实验台以及设计的实验方案,利用声发射采集设备对不同润滑状态的声发射信号进行采集。其次,针对采集到的不同润滑状态声发射信号,对其能量均值以及功率谱熵均值进行计算,提出了基于声发射能量均值和功率谱熵均值的散度指标的滑动轴承润滑状态诊断方法,并利用这种方法对模拟信号进行诊断,同时将其与单一能量参数分析法进行对比,发现能量参数分析法不能很好的反映出滑动轴承的三种润滑状态,而文中所提的采用多参数结合的指标诊断方法具有更好的信号适应性以及更高的区分度。     

基于自适应混合高斯模型的时空背景建模

提出了一种基于自适应混合髙斯模型的时空背景建模方法, 有效地融合了像素在时空域上的分布信息, 改善了传统的混合髙斯背景建模方法对非平稳场景较为敏感的缺点. 首先利用混合髙斯模型学习每个像素在时间域上的分布, 构造了基于像素的时间域背景模型, 在此基础上, 通过非参数密度估计方法统计每个像素邻域内表示背景的髙斯成分在空间上的分布, 构造了基于像素的空间域背景模型; 在决策层融合了基于时空背景模型的背景减除结果. 为了提高本文时空背景建模的效率, 提出了一种新的混合高斯模型髙斯成分个数的自适应选择策略, 并利用积分图实现了空间域背景模型的快速计算. 通过在不同的场景下与多个背景建模方法比较, 实验结果验证了本文算法的有效性.