水下超波束形成技术性能仿真研究

基于声呐分裂波束阵列信号处理的特点,对超波束形成(hyper beam forming,HBF)的二维(2D)和三维(3D)算法进行介绍,探讨其工作特性以及影响因子。将HBF技术应用在水下阵列信号处理中,通过仿真计算分析了其分辨能力和分辨特性。研究结果表明:HBF使得主瓣束宽得到锐化,同时旁瓣级也有很大的降低,与常规波束形成技术相比,其分辨能力有较大提高,是一种有广阔应用前景的水下阵列信号处理新方法。     

Simultaneous determination of captopril and hydrochlorothiazide by time-resolved chemiluminescence with artificial neura

The combined use of chemometrics and chemiluminescence（CL）measurements,with the aid of the stopped-flow mixing technique,developed a simple time-resolved CL method for the simultaneous determination of captopril（CPL）and hydrochlorothiazide（HCT）.The stoppe     

基于循环分辨分析的湍流特征参数计算法

采用不同的孔板结构和不同的驱动电机转速在定容燃烧弹内生成具有不同的湍流特性参数的气流 ,并用热线风速仪进行了测量。在循环分辨分析的基础上 ,计算分析了它们各自的湍流强度、积分时间尺度和时频谱密度。结果表明 ,电机转速越大 ,孔板总通孔面积越小 ,则湍流越强 ,积分时间尺度越小 ;对于不同的孔板结构和电机转速 ,湍流能量分布明显不同。     

一种非平移不变域上紧支撑小波的构造方法

本文以一个简单的非平移不变域为实例进行多分辨分析，在其上构造紧支撑小波，并试图通过对在实线段域上构造小波基的过程作解释和证明，以便蒋其思想应用到其它非平移不变拓扑域上。     

集装箱港口竞争力影响因素的粗糙集分析

由于全球各集装箱港口之间的竞争日益激烈,而目前缺乏评价港口竞争力的权威指标体系,相关的指标数量众多,难以确定哪些是关键指标,为探讨影响港口竞争力的主要因素,尝试在集装箱港口竞争力的评价指标中引入新兴的数学工具粗糙集理论,通过属性约简,删除冗余指标,简化指标体系,从10个评价指标中提取影响评价结果的5个关键指标,为研究集装箱港口竞争力提供新的思路。     

基于生成对抗网络改进的更快速区域卷积神经网络交通标志检测

针对小尺寸、远距离的交通标志检测过程中缺少信息的问题,以改进的更快速区域卷积神经网络(Faster R-CNN)检测器为基础,结合生成对抗网络(GAN)的目标检测算法实现对小目标交通标志的检测。Faster R-CNN首先根据期望目标设定合适的锚点数量,生成包含小目标的候选区域,再使用生成网络对候选区域中的模糊小目标进行上采样,生成高分辨率图像,最后使用分类损失函数与回归损失函数对判别网络进行改进。试验结果表明,Faster R-CNN和生成对抗网络相结合的检测算法可以提高远距离小目标交通标志检测性能。     

基于小波变换的汽车振动信号去噪分析

从小波变换的理论背景出发,介绍了利用小波变换对信号进行分解的原理。并针对汽车振动信号的非平稳性特点,对驾驶员座椅振动信号用dB4小波进行了多分辨分析和小波包分析,并运用Matlab中的WaveletToolbox对其进行去噪处理,取得了明显的效果。通过与Fourier去噪的比较,可以看出小波变换在汽车振动信号去噪中有着Fourier分析无可比拟的优点。     

UUV航向机动中拖曳线阵阵形及左右舷分辨

针对UUV拖曳线阵航速较慢,在遇到海流或航向机动进行左右舷分辨时,线阵阵形畸变现象导致的测向精度变化问题,通过采用Ablow和Schechter提出的缆索偏微分控制方程组对拖曳线阵的阵形变化进行数值求解,采用经典的波束形成方法获得拖曳线阵声呐发生阵形畸变后的波束响应曲线,对海流导致的线阵偏航、UUV航向机动导致的线阵畸变现象引起的波束响应变化进行仿真分析。结果表明：在稳定的侧向海流作用下,线阵发生偏转但基本维持直线型阵列,对目标方位的估计精度影响较小,但线阵探测获得的目标方位与目标相对UUV航向的方位有稳定偏差角度（线阵方向与UUV方向的夹角）,无法解决左右舷模糊的问题。在UUV进行航向机动时,线阵发生畸变弯曲,波束主瓣有所变宽,一定程度增加了目标方位估计的误差,但可获得对镜像源较好的抑制效果,实现了对目标的左右舷分辨。     

交通流状态辨识小波算法研究

针对智能交通系统的开发和交通流特性，应用小波多分辨分析理论的Mallat分解算法建立交通流状态辨识方法，利用多种小波系数与交通流参数之问的相应变化规律进行交通突变状态的辨识．交通流状态的突变多与交通事件直接相关，故采用事件和非事件条件下的模拟数据对算法参数进行了标定及离线测试．将算法与几种传统算法分别进行了性能比较，结果表明Mallat分解算法在交通流突变状态实时辨识方面具有很好的性能．