一种基于导频和循环前缀的信道估计方法

提出了利用循环前缀对信道进行估计的方法,即在梳状导频模式时,使用导频获得导频子信道频率响应后,对其在频域方向进行插值得到数据子信道响应,在以后没有导频的序列的数据周期内,使用循环前缀对信道进行估计.仿真结果表明:和两个一维的插值方法相比,在不降低系统性能的情况下,改善了系统的实时性能.     

一种新型自适应误差估计方法

对当前两种主要的自适应误差估计方法－基于残值的误差估计方法和基于应力修匀的误差估计方法作了详细的分析比较。在此基础上，从工程角度提出了一种新型自适应误差估计方法，通过分析和数值算例证明了它的有效性和可靠性。     

一种精确的结构损伤程度估计方法

采用模态应变能变化率方法进行结构损伤识别、定位,并提出了一种只需低阶模态即可精确求解损伤程度的方法.通过算例表明,该方法不仅能够精确的估计损伤程度,而且具有良好的抗噪性,并能够智能修正损伤定位所产生的误判,方法简单,具有很强的实用性.     

一种基于神经网络的宽带相干信号波达方向估计方法

相干信号子空间处理方法是一种通过构造聚焦矩阵来估计宽带相干源波达方向的有效方法，本文基于逆传播学习算法，给出了一种用神经网络来实现聚焦过程的新颖方法，利用这种方法进行ＤＯＡ估计，可以无需预先知道源信号初始信息，不经预处理过程即可获得对ＤＯＡ的高性能估计。     

基于Adaboost的改进Elman神经网络港口吞吐量预测方法

为提高港口吞吐量的预测精度,建立基于Adaboost算法改进的Elman神经网络预测模型,进行吞吐量的预测.首先对Elman神经网络进行多次训练和迭代,然后将每个Elman神经网络作为弱预测器,基于Adaboost算法将多个弱预测器加权组合,形成Elman-Adaboost强预测器模型.经过Adaboost算法优化的强预测器对误差较大的数据样本有更强的识别能力,可以实现对数据的动态增强学习.以宁波-舟山港2011-2017年的港口吞吐量数据为样本进行仿真,分别使用BP神经网络、Elman神经网络、BP-Adaboost神经网络以及Elman-Adaboost神经网络进行预测,比较四种模型的预测精度.研究结果表明:Elman-Adaboost强预测器模型用于港口吞吐量的预测,预测结果的相对误差最大值1.91％,最小值0.06％,可以将预测误差控制在2％以下,数据拟合效果更好预测精度更高,可以作为港口吞吐量预测的一种方法.     

一种改进的InSAR干涉相位图估计方法

以联合子空间投影的干涉相位估计算法为基础,结合其应用稳健性问题,提出一种改进的In-SAR干涉相位图估计方法.该方法对联合自相关矩阵进行了加权处理.从幅度上抑制了干扰元素,提高了干涉相位图的精确性.仿真自然场景数据处理结果证明了改进算法的有效性和稳健性.     

基于SVM多变量时间序列回归预测工程造价指数

为了解决工程造价指数难以精确预测的难题,针对传统时间序列预测模型缺少内在固有信息而使得最终预测结果难以成功的缺点,从因变量的角度引入多变量时间序列的概念,并在ADF单位根检验和Johansen共整合基础上,证明多变量时间序列与工程造价指数存在协整关系,最后,结合支持向量机(SVM)预测算法,提出基于支持向量机(SVM)多变量时间序列回归预测算法,通过实验,结果表明,多变量时间序列可为造价指数预测提供更多的信息,预测算法的准确率较高且可行有效,具有实际利用价值,可为后续造价指数的预测和造价管理提供可靠的参考价值。     

一种大型、复杂结构的结构损伤估计方法

从工程应用的观点，提出了一种结构损伤估计方法。首先，构造一种能建立测量模态参数与损伤子结构之间关系的子结构综合法。对于完好子结构，在用广义坐标进行测量模态振型的扩阶过程中，这种子结构综合步骤能减少未积压参数个数。基于上述思路，导出一套损伤辨识方程。然后，引进两步损伤辨识近似法：第一步采用损伤定位算法的改进形式，辨识结构损伤的一般区域；第二步是用一种结合灵敏度法和矩阵修正法的混合方法确定结构损伤的程度。仿真算例显示，即使在大的噪声环境下，该方法亦具有好的损伤辨识精度和好的工程应用适应性。     

一种基于子波包和中值滤波的图像去噪方法

通过对图像的子波包变换进行阈值操作，可以较好地滤除高斯白噪声，但图像中往往还含有脉冲噪声，运用中值滤波可以有效地滤除脉冲噪声，将子波包变换和中值滤波相结合，可以有效地降低图像噪声，达到比改进的均值滤波算法更理想的效果。     

一种在OFDM系统中提高同步估计性能的方法

正交频分复用（OFDM）作为未来移动通信的主导技术,其同步仍是需要研究的重要课题．针对Schmidl＆Cox同步算法在符号定时同步估计中的不准确性,提出对训练序列作符号同步相关运算的滑动窗口进行改进,仿真表明所提方法的有效性．     

一种典型多变量非线性系统研究

以典型多变量非线性系统——球棒系统为研究对象，用拉格朗日方程建立其数学模型，并用现代控制理论中的状态反馈的方法设计该非线性系统的控制器。无论小球在棒的什么位置，棒的角度如何，该控制方法都能使小球稳定在棒的中心位置。利用工具Matlab进行仿真，结果表明了状态反馈方法的有效性。     

一种基于UEE-EMD的滚动轴承故障诊断方法

滚动轴承是很多大型旋转机械的核心部件,其故障诊断的研究对保障旋转机械运行稳定性具有重要的意义。经验模态分解方法对分析非线性不稳定的滚动轴承故障信号具有独到的优势。然而,经验模态分解固有的端点效应问题往往会导致较大的故障特征提取误差,影响故障诊断的准确性。针对上述问题,本文提出基于无失真端点极值化的经验模态分解(UEE-EMD)的滚动轴承故障诊断方法,UEE-EMD通过交叉取样策略和端点极值化策略从源头上抑制端点效应的产生,利用本征模函数截头去尾从结果上屏蔽端点效应,保证了滚动轴承故障特征提取的准确性。故障诊断仿真实验表明,基于UEE-EMD的滚动轴承故障诊断取得了更好的诊断效果。     

一种基于KPCA和Brovey变换的遥感影像融合方法

针对PCA-Brovey算法在融合多光谱遥感影像(MS)和全色影像(PAN)方面存在的空间细节特征和光谱特征不能同时得到较大提高的问题,提出一种基于KPCA-Brovey的遥感影像融合方法。利用核主成分变换(KPCA)算法的非线性光谱数据挖掘的特性,提取多光谱影像中信息量最大的3个主分量KPC1、KPC2和KPC3;然后利用Brovey算法对3个主分量和全色波段进行归一化融合运算,使融合结果中的空间信息和光谱信息更丰富。利用武汉区的Landsat5-TM和佛山区的Quick Bird影像进行实验,与PCA-Brovey方法相比,该方法在空间信息和光谱信息方面有明显提高,其中光谱信息提取率分别提高到96.6%(武汉区)和96.1%(佛山区),光谱相关系数提高到0.907 9(武汉区)和0.897 9(佛山区)。     

一种基于模糊数学的教学评价方法

对在教学评价中难以量化的指标赋予加权值,运用模糊数学的方法建立了模糊综合评价模型,结合实例运用该模型对教师的教学进行综合评价.     

一种基于小波变换的图像压缩方法

提出了一种基于小波变换的矢量量化方法，有效地利用了小波变换的空间分辨率，并结合将级间对应区域中系数小于某一阈值的矢量看作零矢量的熵编码技术，实验表明上述方法可达到高效压缩效果。     

一种基于模糊数学的教学评价方法

对在教学评价中难以量化的指标赋予加权值，运用模糊数学的方法建立了模糊综合评价模型。结合实例运用该模型对教师的教学进行综合评价。     

一种基于光照补偿的图像增强方法

针对因颜色引起图像失真的问题,提出用光照补偿的方法进行图像增强.即将"参考白"像素的色彩RGB分量都调到最大,而其他像素则按比例进行变换,从而可以得到色彩比较纯正的图像.实验表明对于因颜色不正引起失真的图像,使用这种方法可以改善图像质量.     

一种基于直方图的车辆检测方法

获得车辆图像的准确定位是视频交通检测的关键,在分析传统车辆检测方法不足的基础上,提出的基于直方图的检测方法,能够提高图像分割的准确性,确保对车辆目标的顺利提取,具有一定的实际应用价值。     

基于GRA 与KPCA 的LSSVM 物流需求预测

为降低物流需求建模中最小二乘支持向量机（LSSVM）的结构复杂性、进一步提高LSSVM对物流需求的预测精度,提出一种基于灰色关联分析（GRA）与核主成分分析（KPCA）的LSSVM预测方法.首先利用GRA找出物流需求的主要影响因素;然后利用KPCA提取主要影响因素的非线性主成分,消除因素之间的多重相关性;最后,将提取出的非线性主成分作为LSSVM的输入变量,构建物流需求预测模型,并采用改进粒子群 (IPSO)算法调整LSSVM参数.运用该方法对我国物流需求进行实例分析,结果表明,该方法有效减少了LSSVM输入变量个数,简化了LSSVM结构,并且在一定程度上提高了物流需求预测精度.