自由旋涡气动窗口自适应光学波前校正初步研究

 自由旋涡气动窗口能有效地替代高能激光器传统晶体输出镜，起到密封激光器低腔压的作用。利用现有的37单元室内自适应光学系统，对自由旋涡气动窗口的输出激光波前畸变进行自适应光学波前校正。给出了自适应光学系统对气动窗口畸变波前的校正原理，采用直接斜率法在设计状态下对畸变波前进行了校正实验。结果表明，该自适应光学系统能够较好地校正工作在设计状态下的自由旋涡气动窗口对输出激光所引起的波前畸变。     

一种抗噪分形维计算方法及其在声纳图像识别中的应用

用于计算图像分形维的差分盒计数法(DBC)和鲁棒差分盒计数法(RDBC)都对脉冲噪声和斑点噪声较敏感,为此本文提出一种抗噪差分盒计数法(NRDBC),利用剪切局部标准差(TLSD)来计算图像分形维,由于TLSD可有效滤除脉冲噪声和斑点噪声、且对高斯噪声敏感性小,因此NRDBC能对有噪图像进行可靠的分形维估计。利用多分辨率的DBC、RDBC和NRDBC对混有高斯噪声、脉冲噪声和斑点噪声的7种Brodatz纹理以及3种海底的侧扫声纳图像进行了分类实验,结果表明,本文提出的NRDBC可获得更高的识别率和更好的抗噪性。     

闪光照相CCD图像的自适应中值滤波方法

中值滤波是一种在去除噪声的同时能较好地保护图像边缘细节的非线性图像处理方法。为了滤除闪光照相CCD图像中的脉冲噪声，同时能更好地保护图像边缘，提出了一种改进的自适应中值滤波方法。该方法采用局部中值和局部方差作为判断噪声点的阈值，实现了局部自适应的中值滤波，克服了传统自适应中值滤波方法的缺点，对椒盐噪声和随机脉冲噪声均有较好的滤波效果。实验结果表明，该方法消除图像脉冲噪声十分有效，对闪光照相CCD图像的处理结果也较好。     

多阶光盘系统中帧同步信号的自适应检测

多阶光存储是提高光盘存储容量和数据传输率的重要途径。帧同步信号在多阶光盘的重放系统中起着很重要的作用。分析了实际多阶存储系统中帧同步信号的特征和信号检测的特点,提出了一种自适应检测帧同步码的方法。实验结果表明,该方法的精度可以满足系统的需求。     

自适应光学系统几种随机并行优化控制算法比较

 直接对系统性能指标进行优化是自适应光学系统中一种重要的波前畸变校正方法,选择合适的随机并行优化控制算法是该技术成功实现的关键。以32单元变形镜为校正器,基于多种随机并行优化算法建立自适应光学系统仿真模型。从算法的收敛速度、校正效果、局部极值3个方面对遗传算法、单向扰动随机并行梯度下降、双向扰动随机并行梯度下降及模拟退火算法进行了比较。仿真结果表明,遗传算法收敛速度太慢,不适用于需要实时控制的自适应光学系统;双向扰动随机并行梯度下降算法收敛速度、校正效果要优于单向扰动随机并行梯度下降,且能够适应各种情况下的扰动电压;模拟退火几乎以概率1收敛到全局极值附近,且收敛速度是上述算法中最快的。     

基于三帧差分和滑动平均背景的运动目标检测

针对传统三帧差分法在前景提取中容易出现“空洞”现象,对传统三帧差分法作改进,采用逻辑“或”代替原来的逻辑“与”,但同时产生了运动目标被拉长,轮廓模糊等问题。为了有效解决该问题,将滑动平均法和改进的三帧差分相结合,然而滑动平均法初始阶段更新背景较慢,因此二者有效结合的关键是对滑动平均法作改进,提出一种自适应更新滑动平均系数加速背景更新的方法。最后将改进三帧差分提取的前景和改进滑动平均法提取的前景进行逻辑“与”运算得到综合前景图像。实验结果表明该算法在完整性,准确性以及实时性方面能满足实际要求。     

MEMS惯性传感器随机误差分析与去噪研究

针对MEMS传感器中存在的误差,采用Allan方差法分析法分析其存在的误差类型,并通过改进小波阈值函数、调整分解尺度观察存在的误差项在去噪前后的变化,探究各误差项与阈值函数、分解尺度之间存在的关系,从而有针对性地对MEMS惯性传感器中存在的特定随机误差进行降噪。结果表明：几类改进阈值函数对角(速)度随机游走的抑制效果与软、硬阈值函数无明显差异,效果并不理想;不同的尺度分解可以去除不同的误差项,从而提高MEMS传感器精度。     

基于GSPN的飞机测试性指标确定方法研究

针对现有的图像分割中自适应分割方法的研究难点,以及传统的模糊阈值分割法中存在窗宽不能自动获取的问题,在确定隶属函数的前提下,以图像的直方图为依据,利用分段计算和反变换的方法,提出了一种自适应模糊阈值的图像分割方法,并将该方法应用于机场目标的分割。该方法实现其窗口宽度的自适应选取,并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点,拓展了模糊阈值图像分割方法的适用范围,改善了模糊阈值分割方法的分割效果。实验结果表明,该方法对直方图呈单峰和多峰分布的的图像有较好的分割效果和效率。     

基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测

针对传统神经网络预测精度不高、收敛速度慢的问题,提出一种基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测方法.大脑情感学习模型模拟了哺乳动物大脑中杏仁体和眶额皮质之间的情感学习机制,具有计算复杂度低、运算速度快的特点,因此可以大大提高混沌预测的快速性.为了进一步提高大脑情感学习模型的预测精度,采用自适应遗传算法优化其参数,将待优化的权值与阈值分布在染色体基因序列上,用适应度函数选出最佳参数,从而增强了模型的逼近能力.基于Lorenz混沌时间序列和实际地磁Dst指数序列的预测结果表明,本文方法较其他传统方法在预测精度、运算速度和稳定性上均具有明显优势.     

铷原子气体自旋噪声谱的测量与改进

利用自主设计并制作的基于现场可编程门阵列的实时傅里叶变换采集卡(FFTsDAC),采用线偏振光检测碱金属铷原子气样品中的自旋随机涨落(即自旋噪声谱).详细讨论了背景噪声以及自旋噪声随探测光光强的变化关系,证实了自旋噪声来自于系统中自旋的随机涨落.对比了两种FFTsDAC(8 bit采样的FFTsDACl和12 bit采样的FFTsDAC2)的测量性能,分析了影响实验信噪比的因素.FFTsDAC2具有更高的测量效率和采样深度以及更长的单次采样时间,因而具有更高的信噪比和更好的频率分辨率,与数值模拟的结果一致.