二次雷达A/C模式解码算法仿真

为了解决二次雷达在传统的A/C模式下存在的技术缺陷,以传统的"滑窗法"处理为基础,提出了新的算法。该新算法在脉冲前沿检测时,增加了脉冲宽度、幅度处理;在框架检测时,增加了对代码的提取;在参考脉冲选择时,对参考脉冲幅度重新进行了处理;在去幻影准则时,在距离相关的基础上增加了幅度相关;在代码置信度时,采用了"最小误差"方法;在去异步干扰时,采用"5判3"的算法去掉异步干扰和剩余的幻影。仿真结果表明,即使是在高密度询问和复杂的同步窜扰及异步干扰,应答信号存在非常严重的重叠情况时,该算法都具有极高的真实应答的检测概率和极低的虚警概率。     

基于GSM语音压缩的小波阈值去噪方法的研究

为了解决电话录音中的噪声过大问题,通过对GSM语音压缩信号的特点及其噪声特性进行分析,提出了一种基于多尺度多分辨分析的动态阈值滤波方法。实验结果表明,采用动态阈值滤波方法对信号进行滤波,产生的最小均方误差较低,对GSM语音的去噪效果显著。     

城域网应用层流量异常检测与分析*

首先对流量数据按应用层协议进行分类分析,采用小波分析对原始流量数据进行去噪处理,建立流量数据矩阵;然后采用主元分析（PCA）方法进行流量建模;在此基础上,通过SPE统计量的控制图能快速检测出流量异常,结合SPE统计量的贡献图可以分析出导致异常的主要原因。实验结果表明,小波去噪能降低异常检测的误警率,SPE贡献图可有效分析流量异常的原因。     

基于流水线装配生产率问题的Spreadsheet仿真模型

在流水线生产中,由于两工序间存储空间有限,前序工人与后续工人之间相互影响.为了研究流水线中存储空间对生产率的影响,提高流水线工人生产率,本文利用Spreadsheet建立仿真模型,通过仿真模拟,研究分析流水线生产中两工序之间没有存储空间时及增加存储空间后对生产效率的影响.为解决流水线装配问题提供一种新的方法.     

基于小波的医学图像去噪方法研究

为有效地表现医学图像原有信息中有用的信息,降低医学图像受噪声干扰的现象,减少诊断误差,本文将现有的小波图像去噪方法运用于医学图像,并对各种方法进行实验分析比较,以提供医学参考。实验发现,与较常用的均值滤波与中值滤波相比,小波去噪方法有效提高了医学图像的去噪PSNR值。     

OCR中一种基于最小一乘法的连通域去噪方法

提出了一种在OCR过程中利用最小一乘法分析连通域大小从而实现去噪功能的方法.在图像中存在少量颜色与提取信息相似且大小具有明显差异的噪声的前提下,采用最小一乘法取代传统的最小二乘法对所有连通域的大小进行分析,从而获得需要的连通域阈值,实现去噪功能.数据结果显示,在规定前提下该方法比经典的最小二乘法所确定的范围更为准确;实验结果显示,该方法能够达到去噪效果.     

经验模态分解在电力绝缘气体SF6红外光谱去噪中的应用

经验模态分解(EMD)是以信号极值特征尺度为度量的时空滤波器,它充分保留了信号本身的非线性和非平稳特征,在信号去噪中具有较大的优势。本文以电力绝缘气体SF6为研究对象,在介绍E MD分解方法的基础上,首先对含噪的SF6光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频I MF分量与低频IMF分量叠加重构得到去噪后的信号。分析了在不同噪声水平上与小波阈值去噪方法的处理效果。实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势。     

一种针对SEU的同步纠错流水线设计

单粒子效应是星载计算机工作异常和发生故障的重要诱因之一,国内外多颗卫星曾遭受了单粒子效应的危害,造成巨大的经济损失.文章提出了一种同步纠错的流水线结构,对错误的检测与纠正进行了任务分解;当存在可纠正错误时,将纠正后的数据写入寄存器堆之后重启流水线.采用直接纠错流水线技术的Longtium-FT2容错处理器的抗辐射总剂量能力在采用普通商用加工工艺实现时达到了30 krad(Si).     

基于循环维纳滤波的振动信号去噪算法研究

振动信号的去噪需要在滤除噪声的同时尽可能避免相位失真。传统的锐截止低通滤波器或FIR滤波器无法在去噪效果和线性相位之间取得平衡,难以满足振动信号的去噪需求。针对这一问题,将线性相位的维纳滤波算法引入到振动信号的去噪中,并结合振动信号的循环平稳特性,形成了振动信号的循环维纳滤波算法。文中以直接维纳滤波为基础对循环维纳滤波算法的原理进行了深入分析和仿真实现,并基于实测汽轮机振动信号对算法的去噪性能进行了讨论。理论分析及算法仿真表明,循环维纳滤波算法在保证线性相位的前提下有较好的去噪效果,能够解决传统去噪算法所存在的去噪效果与线性相位难以均衡的问题。     

MEMS陀螺仪的稀疏冗余去噪

为了提高随钻测量过程中MEMS陀螺仪的测量精度,抑制振动信号等对陀螺仪漂移造成测量精度的影响,采用经验模态分解(Empirical Mode Decomposition,EMD)和压缩感知(compressed sensing,CS)的算法进行降噪.首先对MEMS陀螺信号进行EMD分解,利用连续均方误差(CMSE)计算两个连续重构陀螺仪信号的欧式距离,以此将分解得到的模态函数(IMFs)以高、低频的形式分离,剔除高频噪声模态的影响;构建冗余字典,使低频IMFs分量在该字典上稀疏表示,利用贝叶斯理论对优化剩余IMFs分量重构;同时,在该字典上添加一列误差补偿项,通过贝叶斯估计求得.最后将处理后的剩余IMFs分量和补偿项叠加重构.去噪前后,MEMS陀螺仪数据解算的方位角累积误差由11.8562°减小到0.4725°.仿真实验分析可知,该算法可有效去除陀螺仪信号中的噪声.