全捷联图像导引头隔离度辨识及其抑制技术应用

针对全捷联图像导引头中传感器刻度尺误差与动力学偏差引起的隔离度问题,阐述了隔离度寄生回路产生的机理,并提出在线辨识探测器及角速率陀螺刻度尺系数与补偿导引头动力学延迟的隔离度抑制方案。建立导引头数字平台的等效模型,基于无迹卡尔曼滤波算法（UKF）,对传感器刻度尺系数以及真实弹目视线角速率进行辨识;运用匹配滤波器补偿导引头探测器动力学滞后。最后进行数学仿真,从稳定弹体飞行姿态与提升制导精度两个方面,对各方案的可行性进行了论证。结果表明:UKF滤波算法与匹配滤波器可以有效地对隔离度进行抑制并提升制导系统性能。     

高斯噪声下跳频信号的提取与噪声抑制

本文提出了一种在高斯白噪声环境下提取跳频信号的算法,将广义S变换(GST)和短时傅立叶变换(STFT)相结合,引入形态学图像处理技术,分别对其时频谱图进行平滑和锐化,结果进行乘积合并后,设计一种针对跳频信号的时频滤波算子进一步抑制噪声,提升跳频信号,得到高分辨率稳健的时频图案。仿真实验证明该算法得到的时频图案信噪比有明显提高,时频分辨率也有很大改善。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

基于S变换的线性调频信号时频滤波

线性调频(LFM)信号是一种典型的非平稳信号。对非平稳信号的分析和处理不能仅依靠传统的基于傅里叶变换的分析方法,必须采用时域和频域联合的时频分析方法。将S变换(ST)的时频分析方法应用到LFM信号的滤波中,用tST-tIST和fST-fIST 2种算法组合分别实现了对LFM信号的滤波,然后采用均方误差(MSE)的衡量标准,仿真对比了以上2种算法组合的滤波性能。仿真结果表明:fST-fIST算法的滤波误差较大,不适合对LFM信号的滤波;tST-tIST算法的滤波性能较好,适合对LFM信号的滤波。     

利用颜色滤波矩阵估计原图的拼接定位盲取证方法

图像拼接是伪造数字图像最基本的操作,对其的被动盲检测和定位也是数字图像取证亟待解决的关键问题之一。该文通过对图像进行颜色滤波矩阵插值,对图像进行了原图估计,重建其像素邻域一致性。利用待取证图像的边缘点在像素邻域一致性上偏离估计的原始图像的程度,对图像的拼接进行准确定位。实验表明,该方法能够有效地检测图像拼接伪造区域的位置、大小和形状。     

压电陀螺信号处理与滤波技术研究

针对压电陀螺在工程上实际应用的需求,对其输出做了测试和建模,设计并实现了α-β滤波、卡尔曼滤波和小波滤波3种不同方法对该信号的噪声滤除,分别给出了滤波后陀螺输出信号图和标准差的对比.通过对试验数据的分析,肯定了3种方法在压电陀螺输出信号滤波处理中的有效性,并分析了各自的优缺点.     

基于TMS320DM642的H.264六抽头滤波插值的优化

在分析了H.264压缩编码算法中各个模块耗时情况的基础上,结合TMS320DM642的硬件特性对耗时占总程序将近10%的六抽头滤波插值部分进行优化.分别采用了使用内联函数、数据打包、改变垂直方向插值的数据结构、EDMA乒乓缓冲等方法.实验结果证明,在相同编译选项的情况下,优化以后插值部分的程序运行速度提高了近一倍.     

瓷介电容在广播电视信号传输处理电路中的应用经验

0 引言瓷介电容分为一类瓷介电容和二类瓷介电容,在广播电视电路中的应用范围包括一类(CG):谐振回路、高频耦合、高频放大器、低噪声电路、高频旁路以及要求低损耗、电容量高稳定和绝缘电阻高的电路,二类(X7R或X5R):电源滤波、旁路、低频耦合电路或对损耗和电容量稳定性要求不高的电路中。     

基于视觉显著性与对比度增强的红外图像融合

目前传统多尺度分析红外图像融合算法存在以下不足:融合图像的对比度改善效果有限,无法获取图像的某些细节信息;融合规则仅考虑单一特征,故未能突出目标特征.针对以上问题,本文提出一种基于视觉显著性与对比度增强的红外图像融合算法.首先对待融合的图像进行基于自适应引导滤波的多尺度Retinex图像增强,然后利用NSCT对图像进行多尺度分解,最后利用图像视觉显著性融合低频系数,采用基于窗口的系数融合带通系数.实验证明,该算法获得的红外融合图像效果明显优于传统方法.     

一种改进的粒子滤波算法

在粒子滤波中,防止粒子退化的两个关键因素是选择适当的采样建议分布和重采样算法.针对建议分布的选择条件,提出了一种改进的粒子滤波算法,该算法采用强跟踪扩展卡尔曼滤波方法构建其建议分布.强跟踪扩展卡尔曼滤波可在线调节参数,从而使得系统具有更好的自适应性和鲁棒性,对高机动目标具有更强的跟踪效果.仿真结果表明,该算法的性能优于其它几种非线性滤波算法.