基于BTF的草地实时绘制与ROAM实现

在计算机图形学领域,传统的草建模研究多基于几何学,这种方式对于大规模草地而言,要产生大量数据,场景绘制时计算复杂度较高.针对此问题,采用一种基于GPU的双向纹理函数BTF方法,压缩处理采样数据,GPU完成双向纹理重构与映射,在场景质量和速度上得到了较好效果,在实现上采用ROAM算法,实现多分辨率渲染,对距离视点较远或粗糙的地方采取粗略绘制,进一步提高了渲染速度.     

一种基于离散对数的数字签名方案

本文分析了RSA签名方案和ELGAMAL签名方案的局限性,提出了一种基于离散对数的高效的数字签名方案。克服了RSA方案效率低下和ELGAMAL方案不能用一个K值对不同文件签名的局限。     

基于XML的无线移动应用安全模型研究

近年来,随着无线移动应用逐步深入人心,信息安全问题已成为无线移动应用普及的一大障碍.本文以"基于手机平台的无线人口信息查询"课题为背景,分析了J2ME和XML安全技术在构建无线移动应用安全模型上的优势,并在二者的基础上设计了一种J2ME无线移动应用端对端数据安全模型.最后重点介绍了这个安全模型在无线人口信息查询系统中的成功实现.     

磁流变减振器的主共振研究

采用一种改进的Bingham模型描述磁流变阻尼力,研究了在弹簧变形量较大时,单自由度磁流变系统的主共振.利用平均法得到了系统的一阶近似解,并进行了数值验证.通过研究各种参数对主共振幅频曲线的影响,可以有效地控制系统的主共振.此外,还对该磁流变减振器和普通减振器在主共振时系统的振幅大小等动态参数进行了比较,结果表明磁流变减振器的减振效果较好.     

轴承故障诊断中的信号处理技术研究与展望

讨论了各种信号处理技术在滚动轴承故障诊断中的应用，如平稳信号处理技术、非平稳信号处理技术，非高斯和非白色噪声信号处理技术、非线性信号处理技术、奇异值分解技术以及各种智能诊断技术。详细比较了各种信号处理技术的特点、应用范围和研究进展，并指出了今后的若干研究方向，为轴承的故障诊断和在线监测提供了依据。     

局部均值分解在齿轮故障诊断中的应用研究

局部均值分解(Local Mean Decomposition,简称LMD)作为一种新的自适应的时频分析方法,在故障诊断领域开始得到研究。本文利用仿真信号研究了LMD算法的特性,验证了LMD处理描述齿轮故障信号特征的多分量调幅调频信号的有效性;在此基础上将LMD综合应用于断齿、磨损和剥落三种齿轮故障诊断中,并与传统解调方法进行了对比。结果表明,LMD方法可以有效提取故障齿轮的故障特征,消除虚假成分的影响,从而提高了齿轮故障诊断的准确性     

基于改进奇异值分解技术的齿轮调制故障特征提取

在介绍现有奇异值分离技术基本原理及其在故障诊断中的应用的基础上,研究了信号时间序列重构的吸引子轨迹矩阵奇异值分布与信号特征的关系,引入了自相关分析及信号叠加技术,改进了现有算法,使得吸引子轨迹矩阵的重构科学合理。研究表明：该方法能在强噪声背景下提取出所需的调制信号,并成功用于实测齿轮调制故障信号的提取,为齿轮箱故障诊断提供了一个新的思路。     

基于分数Fourier变换的自适应信号降噪方法

提出了一种新的基于分数Fourier变换的自适应信号降噪方法,该方法的核心是利用不同信号在分数Fourier域具有不同的相关性,从而由信号本身得到自适应的滤波器.这种方法克服了传统时域或者频域滤波器需要确定窗函数的位置和形状的缺陷.通过与小波变换构造的滤波器进行比较.以数值仿真信号及实测滚动轴承振动信号降噪两个算例证明了方法的有效性.     

一种改进的EMD降噪方法

提出一种改进的基于经验模态分解（EMD）的降噪方法,将基于EMD阈值降噪方法和Savitzky-Golay滤波降噪方法相结合,改进的方法分别将经过EMD分解后得到的噪声信号的高频模态函数用阈值降噪的方法,低频模态函数用Savitzky-Golay滤波降噪的方法,这样既能保持信号的高频部分,又能较好地保持信号低频部分的光滑特性。仿真实验表明,改进EMD方法的降噪性能要优于单独使用EMD阈值方法或Savitzky-Golay滤波方法。     

基于分数小波变换的信号降噪新方法

简要介绍了分数小波变换的基本思想及在信号处理方面的特点.利用不同信号在分数小波域具有不同的相关性的特点,提出了一种基于分数小波变换的信号降噪新方法.分析了该方法的降噪特性,同时比较了小波包直接降噪和该方法的降噪效果.结果表明,该方法能够有效降低振动信号中的背景噪声.