基于零拍探测和压缩真空光输入增强Sagnac效应

利用量子技术增强Sagnac效应提高陀螺输出精度具有重要的研究意义, 是实现全自主导航的重要途径. 以相干态激光作为输入光源的光学陀螺因真空零点波动使其输出精度限制于散粒噪声极限而难以提高. 为减小真空波动的影响, 提出在激光输入的分束器的另一输入端输入压缩真空光并结合平衡零拍探测技术的方法增强Sagnac效应. 理论分析表明Sagnac效应性能得到有效提升: 干涉输出的灵敏度检测极限和动态范围均随着压缩程度的增加而呈指数级增长. 该方法只需对经典光学陀螺做少量改动就可实现, 是提高光学陀螺输出精度的一种新方法.     

小波变换软阈值去噪在粗晶材料超声检测中的应用

本研究多尺度小波分析方法在粗晶材料超声检测信号增强中的应用。在分析结构噪声，电噪声和缺陷信号的小波变换特性的基础上，提出一种用一个尺度间变化的门限闭值来抑制噪声的小波变换系数，并以各尺度缺陷信号的能量关系形成权值，加权重构信号来提高信噪比。实验结果表明，该方法具有很好的去噪效果，增强了粗晶材料缺陷的检出率。     

基于改进中值滤波和提升小波变换的阈值去噪方法研究

对于实际拍摄的一些图像信噪比低,噪声密度大,且含有混合噪声,而现有算法大多只能去除单一噪声的问题。针对混合噪声中含有的脉冲噪声和高斯噪声,提出基于改进中值滤波和提升小波变换去噪相结合的方法。去噪过程中,使用中值滤波器提取脉冲噪声并采用中值滤波算法滤波后,构造提升小波,采用改进阈值函数提升小波阈值去噪方法去除高斯噪声。实验结果表明,当噪声值(,)=(0.4, 20)时,采用本文去噪方法,峰值信噪比（PSNR）为34.002 1,平均绝对误差（MAE）为2.365 3。     

基于压缩感知的~(252)Cf源驱动核材料浓度识别技术研究

针对252Cf源驱动噪声分析测量法中核材料浓度识别问题,采用压缩感知理论,在K最近邻(KNN)识别算法基础上,研究了一种基于压缩采样的K最近邻(CSKNN)分类识别方法,进而研究并分析了CSKNN方法的识别概率。实验结果表明,CSKNN分类识别方法只需少量的观测值(观测比M/N≥0.1),即可达到分类识别的目的;当信噪比提高时,识别概率将会以更快的速度收敛至100%,且对K值的敏感程度也会随之降低。这样,不仅提高了核军控核查的实时性,而且还有效降低了采样成本,为核材料浓度的在线判读提供了一种新的理论基础和实现方法。     

结构声振研究的功率流方法

功率流方法是近年来研究柔性结构动态特性的主要手段, 其计算可分为低频段、中频段和高 频段. 本文讨论了有限元法、导纳功率流法、统计能量分析法、能量有限元法、参数化统计 能量分析法、子结构法、Lagrange乘子混合法、有限元/统计能量分析混合法、有限元/功 率流有限元混合法等方法, 各种方法适用频段各不相同, 综合应用这些方法, 可以解决绝大 多数声振预测问题.     

结合幅度谱和功率谱字典的语音增强方法

从双路字典学习、噪声功率谱估计、语音幅度谱重构角度提出了一种改进的谱特征稀疏表示语音增强方法。在字典学习阶段,融合功率谱与幅度谱特征,采用区分性字典降低语音字典和噪声字典的相干性;在语音增强阶段,提出一种噪声功率谱估计方法对非平稳噪声进行跟踪估计;考虑到幅度谱和功率谱特征对不同噪声的适应程度不同,设计了语音重构权值表。对分别由幅度谱和功率谱恢复而来的两路信号进行自适应加权重构,结合相位补偿函数得到增强后的语音信号。实验结果表明,该方法在平稳、非平稳噪声环境下相比于单一谱特征的语音增强方法平均提高31.6%,改善了语音增强方法的性能。     

利用海洋环境噪声互相关实现阵形校准

阵列信号处理需要准确的阵形,然而海底水平阵的阵形很难精确测量。利用海洋环境噪声可以提取两点间的格林函数,这为无源校准阵形提供了新的可能。通过海洋环境噪声互相关叠加可以获取两个阵元之间的距离信息,一种方法是可以通过该距离与位置之间的关系构建非线性方程组并利用最小二乘法(LS)求解阵形。本文利用多维尺度变换法(MDS)求解,通过对度量矩阵的特征值分解获得阵形。数值仿真和实验数据证明了该方法的可行性,并且MDS相比于LS有更稳健的性能。     

圆弧形面阵自适应波束形成快速计算方法

针对圆弧形面阵估计水下目标二维波达方向的问题,提出一种降维处理的自适应波束形成方法。利用圆弧形面阵模型简化阵列内插矩阵的计算,通过垂直和水平两阶段波束加权,降低自适应波束形成维数,从而实现快速估计声源二维波达方向的目的。仿真结果表明,所提改进方法的计算量较传统二维最小方差无失真波束形成方法降低约一个数量级,且在低快拍条件下具有更明显的噪声抑制优势。湖上实验数据处理结果验证,在复杂水声环境下,所提方法具有较好的目标分辨性能。     

一种基于经验模态分解的永久散射体探测方法

基于经验模态分解(EMD),提出了一种改进的永久散射体(PS)探测方法。对干涉图进行多尺度分解,基于梯度的自适应滤波对分解的本征模函数中的噪声进行低信噪比区域强滤波和高信噪比区域弱滤波,估算滤波后各PS候选(PSC)点的噪声相位。基于各PSC点的幅度和相位稳定性,对选取的PSC点的相位信息进行分析,判断其作为PS点的概率,进而选取可靠的PS点。实验结果表明:与传统的PS点选取方法相比,所提方法避免了探测过程中PS点的误判和漏判,准确性更高。     

基因识别及其算法研究

针对基因识别问题,基于DNA序列的3周期这一性质,首先给出了DNA序列功率和信噪比的快速算法并讨论了不同物种基因类型的阈值确定方法;在此基础上,建立了基于背景噪声抑制和频谱平滑的SNR频谱预处理模型,经过预处理后的频谱不仅大幅度抑制了背景噪声,同时保留了SNR频谱的模式特征.在编码序列识别上,对经典的EPND预测算法进行了改进,使用改进的EPND算法对经过预处理后频谱进行基因识别,实验结果显示这种基因识别模型具有优异的基因识别性能,比传统直接使用基于滑动窗口DFT的EPND识别算法在敏感度、特异性等评价指标上提高了2%-12%左右.