Linux防火墙技术研究

介绍了两种主要的防火墙技术－包过渡和应用代理，具体探讨了目前Linux内核防火墙的最新技术Neftilter,举出了在Linux环境下使用Iptables工具实现防火墙的实际例子。     

小波包分析在头肩序列的人脸检测中的应用研究

根据可视电话以及视频会议的视频处理对象，主要是头肩序列的特点和人眼的视觉特性，结合小波包分析，提出了一种综合小波包分析、人脸肤色和人脸几何特征的人脸检测方法．试验表明，该方法在彩色头肩序列的人脸检测中性能良好．     

平板湍流边界层流向—法向平面发卡涡的PIV实验研究

湍流边界层流动精细涡结构的分析对于水下航行体表面减阻乃至降噪机理的深入研究都具有重要意义.文章应用粒子图像测速技术(PIV),对Reθ=1 743和5 400时的平板湍流边界层的流向—法向平面流场进行了测试研究.一方面,直接对瞬时速度场精细涡结构进行提取分析,通过Galilean分解和λci准则识别出流向—法向平面中的发卡涡及发卡涡包.研究表明,发卡涡和雷诺应力的分布特征具有高度相关性;发卡涡包产生了流向动量的法向不规则分层分布特征.另一方面,文中通过对500个瞬时速度场子样进行时间平均分析,获得了不同雷诺数下平均速度以及湍流度分量的法向分布规律.此外,文中还对发卡涡的几何尺寸和漩涡强度λci进行了统计分析.研究表明,在y+＜50范围内无量纲化的漩涡强度λciδ/uт沿法向迅速衰减,且在不同雷诺数下变化曲线基本一致;在y+ ＞50后λciδ/uт衰减平缓,且低雷诺数下的值较大.     

考虑系统需求的通海阀箱结构声学优化

考虑管路系统功能需求,改变阀箱内部结构以及外形尺寸,建立7个方案的阀箱计算分析模型。通过利用数值计算方法,对阀箱出口处3个监测点的声压级进行计算。在此基础上,对各监测点计算结果进行对比分析,进而得到通海阀箱结构的声学最优模型。     

基于半经验法的船舶舱室噪声实用预报方法

基于"声源-传递路径-接受点"系统分析法结合房间声学提出一套半经验型的船舶舱室噪声快速预报方法。噪声的传递和衰减分别按空气噪声和结构噪声两条路径计算,接受点的噪声声压级结合房间声学计算。该方法在总布置方案基本确定阶段即可对全船各舱室噪声分布的水平作出初步预报,并不依赖于具体的结构和舾装细节。通过计算某型快艇的主要舱室噪声水平并与实测数据进行比较,证明了该方法的工程实用性。     

脉冲电压下局部放电信号的提取和统计

提出了脉冲电压下局部放电（PD）信号的提取和统计方法．通过相关系数分析选择dB6和dB2小波包函数,以滤除高低频干扰信号．通过分析脉冲电压下局部放电特征,选择合适的相位开窗,以消除局部放电的振荡信号．根据实际局部放电信号的采样频率、采样长度和脉冲电压过零点,定义脉冲电压的相位,并进一步研究各种相位相关图谱（如φ—n图和φ-q-n图等）．实验结果表明,基于小波包的提取方法和脉冲电压下的相位统计方法对脉冲电压下的局部放电分析是有效的．     

不确定多包传输网络控制系统的分析与设计

针对短时延的多包传输网络控制系统,研究了数据包传输次序不确定情况下系统的建模及控制问题.引入了补偿器来补偿多包传输过程中部分数据丢失对系统的影响,同时考虑不确定短时延的影响,将其建模成一类具有参数不确定的离散随机切换系统,并对系统的稳定性进行了分析.仿真结果证明了该方法的有效性.     

基于小波包分解和特征能量提取技术的车内传导干扰源识别

车内大功率用电设备的电压波动是车内产生传导干扰的主要原因。文中介绍了通过对采集的干扰信号进行小波包分解,对系数进行最小风险的去噪处理,然后提取特征能量来识别车内传导干扰源。最后采用EM-test设备发生干扰信号进行实验,结果表明该方法对车内电压波动的主要干扰源有较强的识别能力。     

基于多分辨率近似熵的发动机声信号特征提取

介绍了近似熵的概念、主要特点及其快速算法,在分析了小波包与近似熵原理的基础上,提出了一种多分辨率近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,其后对发动机声信号进行了分析处理,通过对比正常状态与故障状态共8种工况下的小波包3层分解后各节点的近似熵值,确定出了故障的特征频带,根据近似熵在敏感频带内的变化有效提取出发动机故障特征,从而实现了对发动机状态的监测与诊断。试验结果也证明了近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果。     

基于WPES与MEEMD的船用主机振动研究

为揭示船用长冲程低速柴油机健康状态下的振动特征,采用小波包能量谱（Wavelet Packet Energy Spectrum, WPES）和改进的总体平均经验模态分解（Modified Ensemble Empirical Mode Decomposition, MEEMD）结合的特征提取方法,对典型推进工况下低速机的表面振动信号进行3层小波包分解和重构。通过对能量占比较大的节点采用MEEMD方法进行分解,获得IMF1分量频谱。研究结果表明,在40%以下的较低发动机负荷时,各单次燃烧循环的振动波动较小,振动幅值基本一致。提升至50%以上发动机负荷时,燃烧引起振动波动明显增强。50%工况下,中高频能量占总能量的41.51%,为主要振动源。