基于小波分析在地震信号噪声消除中的应用

在地震勘探中,随机噪声是一种频带较宽、严重影响有效波的干扰波,因此随机噪声的有效去除在地震信号处理中显得尤为重要。傅里叶变换是信号处理传统的随机噪声去除方法。它能够反映信号在整个时间域的频谱特征,但不能对非平稳信号进行分析处理。而小波分析技术可以根据局部图像的差异来调整参数,对保留图像的边缘部分和其它高频部分很有用。本文利用小波分析技术对地震信号进行去噪声处理,结果表明小波分析对噪声有较为彻底的压制,地震信号估计精度得到很大改善。     

DSP技术的整数小波变换图象压缩

随着互联网的普及和图像应用范围的不断扩大,对图像的编码提出了新的要求,即不仅要求高的压缩比,还要求有许多新的功能,如渐进编解码、从有损压缩到无损压缩等。小波编码较好地实现了这一思想,从小波滤波器的多相位矩阵出发,利用因子分解方法,实现了小波变换由传统卷积模式转变到提升体制,克服了第一代小波变换所带来的缺陷。在此基础上实现了整数到整数小波变换,利用数字信号处理器(DSP)予以实现。     

PCLAgenda:一个基于过程的CASE环境

本文描述了ＰＣＬＡｇｅｎｄａ（ｐｒｏｃｅｓｓｃｏｎｔｒｏｌｉｎｇｌａｎｇｕａｇｅａｇｅｎｄａ）的设计与实现．ＰＣＬＡｇｅｎ－ｄａ是ＳＣＯＰ组合框架软件工具系统中提供的以过程为核心的软件工程环境，其主要功能是定义软件开发过程，指导、控制和自动化软件开发工作，支持开发人员的合作和协调．ＰＣＬＡｇｅｎｄａ的核心是基于ＳＣＯＰ软件开发方法学的、面向活动的软件过程模型.     

基于形式化方法的航空电子系统检测

随着航空型号的快速发展,航空电子系统的数字化程度越来越高,软件在其中所占的比例越来越大.对航空电子系统中的软件进行测试和检测是保证航空电子系统质量及可信运行的基础.通过分析航空电子系统软件体系结构,对航空电子系统进行形式化建模,并在此基础上,提出了一种形式化的系统级综合检测方法,从静态和动态两个方面对航空电子系统进行检测,最后通过设计并实现一个综合检测系统来验证该方法的有效性.     

利用图像校正的快速目标识别算法

提出了一种基于图像校正的快速目标识别算法,特别适合于航拍照片中地面上面目标的识别。算法可以使目标模型单一化,在很大程度上克服了目标识别模型复杂、数据运算量大、计算实时性差等缺点,提高了目标识别的实时性和精确性。首先对图像进行感兴趣区域的检测;对检测出的区域进行图像的正视校正;然后对校正后的区域进行特征提取;最后进行目标识别,并输出目标信息,完成识别过程。实验表明,该算法用于大倾角航片目标识别是有发展潜力和前途的。     

网络环境下不敏感系统的分布式区域预测控制方法

针对二分图网络结构下的不敏感系统的可控性比较差的问题,本文提出了带有区域控制的分布式模型预测控制方法.该方法首先利用分支定界法对分布式控制系统结构进行最优设计;然后,结合区域控制提高控制系统的动态性能指标;最后,依据回路之间的关联性的强弱选择每个回路的控制方式(精确控制或区域控制).仿真结果显示带有区域控制的分布式预测控制系统的调节时间比没有带区域控制的分布式控制系统明显缩短;同时,通过对回路控制方式的选择增加了精确控制的智能体数量.仿真结果证明了利用分布式区域预测控制方法可以提高系统的容错性,通过对系统的可控性和关联性进行分析,可以在精确控制和区域控制之间寻找到最优组合,从而达到快速精确的控制效果.     

基于分形理论的喀斯特流域枯水径流影响因素分析

喀斯特流域是由可溶性岩石组成的有独特地貌、水系结构及水文过程组成的地域综合体。对河流径流影响因素是错综复杂的,除气候条件外,下垫面也是重要影响因素。通过对贵州省19个喀斯特流域为研究样区,以1991～1995年水文资料和遥感解译数据为基础。运用灰关联度和关联维分析方法,分析土地利用类型、岩石组成类型、植被类型对喀斯特枯水径流的影响识别。     

电子罗盘倾角补偿和干扰补偿的理论分析及实验验证

电子罗盘由三轴磁阻传感器、两个倾角传感器和MCU构成。在实际中,复杂环境的磁场干扰和不可避免的倾斜会影响电子罗盘,为了提高测量精度,必须对其进行环境干扰补偿和倾角补偿。本文详细阐述了倾角补偿和干扰补偿的原理,设计了简单的电子罗盘测试样机进行验证,并由实验数据,分析总结出了测量误差图表和结论。     

基于深度残差收缩网络的HEp-2图像识别

人上皮细胞（HEp-2）检测抗核抗体是诊断自身免疫性疾病的常用方法,HEp-2细胞图像识别对许多自身免疫性疾病的诊疗具有重要意义。针对目前主要采用手工评估方法造成效率低效、劳动强度高等问题,提出一种基于深度残差收缩网络的HEp-2细胞图像分类模型。该模型在深度残差网络基础上进行改进,残差学习模块使用恒等映射方法可以训练更深层次的网络。在每个残差学习模块内部嵌入一个软阈值非线性变换子网络,软阈值用以消除数据中的噪声和冗余信息,这些阈值通过子网络自动学习。实验表明,该方法具有良好的性能,优于其他深度神经网络方法。