摘要：鉴于机场噪声烦恼度模型的模糊规则量较大,采用传统的基于梯度的模糊神经学习算法存在计算量大、收敛速度慢、学习效率低的问题,提出一种基于模糊神经网络的机场噪声烦恼度模型混合学习方法。基于聚类思想,重新对模糊集合进行分组,采用先粗学习后细学习的间接学习方法;改进传统的基于梯度的模糊神经学习算法,将该算法应用到间接学习过程中,即混合学习方法。实验结果表明,该混合学习方法可以快速收敛,缩短学习时间,减少误差求解过程中的计算量,提高模型的学习效率。

摘要：为有效解决机场噪声预测问题,提升预测结果的适应性以及准确性,提出一种基于卡尔曼滤波的机场噪声预测异构集成策略。将已有预测方法归纳为两类:时间序列预测和关联分析预测,根据现行噪声标准构建同时适用两类方法的训练数据集;采用卡尔曼滤波对两类方法的预测结果进行优化,将两类方法的结果集成到同一时间维度上对未来噪声进行预测。实验结果表明,该集成策略能将两类预测方法合理结合起来,显著提高预测准确率。

摘要：介绍头盔显示器的概念、工作原理以及头部位置追踪器在头盔显示器工作过程中的重要作用,论述了头部位置追踪器目前常用的技术手段,分析了头部位置跟踪过程中存在的问题与不足,针对目前头盔显示器中存在的问题,提出一种基于视频图像处理技术的头位跟踪方法。论述了视频跟踪系统的原理,边缘检测等图像处理的过程,以及空间坐标恢复原理。最后通过一个仿真实验程序对视频跟踪系统的原理进行验证。实验结果证明,提出的基于视频图像处理的头部位置检测算法是有效可行的。

摘要：现有的噪声预测模型主要采用机器学习的方法预测单一噪声监测点,无法从全局上对噪声的影响范围和大小进行整体评估和预测。为此,提出一种基于航迹间面积的航迹相似性度量方法,结合航迹数据、飞行速度、飞机发动机推力等因素,构建适合机场噪声预测的多噪声影响因素航迹聚类模型。将使用该模型获得的聚类结果导入机场噪声预测模型软件INM(integrated noise model),实验分析结果表明,簇内航迹对机场周围的噪声影响范围和大小相似,能够更好地度量航迹之间的相似性,航迹聚类效果更好。

摘要：音频控制板模拟器是民航飞机音频系统测试台的一个组成部分,为测试台提供测试输入信号,并显示相关系统的状态信息。本设计采用单片FPGA芯片实现核心处理功能,依托该硬件平台,运用嵌入式Nios II处理器来提供系统的逻辑控制,配合以相应的外围设备,完成实际音频控制板的等效模拟。设计的音频控制板模拟器可以直接用于航空维修,不仅解决了原先测试音频系统需要借用航材的困难,而且实现了音频系统的自动测试,提高了测试效率,降低了测试成本。

摘要：针对在线贯序极限学习机对所有数据等权处理这一缺陷,提出加权在线贯序极限学习机算法。依据运算过程中产生的网络均方根误差的差异,给新数据以及历史数据分配不同的权值,当网络均方根误差较大时减小其权值,较小时增大其权值。该算法实现了对新旧数据的不等权处理,利用航空发动机传感器数据验证该算法的可行性。验证结果表明,基于该算法所建的航空发动机传感器故障诊断模型要比基于传统在线贯序极限学习机算法所建模型的精度更高。

摘要：针对已有单幅图像去雾方法中存在的天空灰暗和对比度增强不足等问题,提出基于大气光自适应校正与透射率鲁棒性优化的高可见度图像去雾算法.该算法采用白平衡和伽马校正对输入图像进行预处理,以提升亮度、增强对比度并避免出现严重的偏色现象.为了防止大气光值估计过高,提出一种基于天空检测的大气光自适应校正方法,以获得更明亮的天空区域复原效果.最后通过检测光晕像素和透射率上下文一致性推断来识别透射率不可靠的像素,并在可靠透射率保持项、不可靠透射率插值项以及相似像素透射率关联项的约束下设计了透射率鲁棒性优化模型,以对不可靠透射率进行校正.实验结果表明,文中算法获得的透射率更符合场景中的深度变化趋势,使得去雾结果具有较高的清晰度、对比度与色彩饱和度,且天空区域也显得更为自然.

摘要：通过采集志愿者观看背景视差过大的3D影片前后的脑电数据,来研究该效应对人体健康的影响。实验共选取20例有效样本,利用快速傅里叶变换法(FFT)提取特征波段,计算出各频带的能量和功率,并由此得到功率谱和重心频率。此外还设计问卷定性了解志愿者的疲劳程度。根据主观疲劳问卷和对比看前看后的脑电参数,分析了观看背景视差过大的3D影片后人体脑电信号变化的关系。实验结果表明志愿者看前看后的各项脑电参数出现了改变,并全部主观反映出现疲劳。因此脑电参数结合主观问卷可成为3D影片疲劳评估的参考指标。

摘要：为了解决沙尘暴环境下拍摄的图像中存在的颜色偏移、对比度低等降质问题,提出基于偏色校正和信息损失约束的沙尘降质图像增强算法,主要包含偏色校正和对比度增强2个模块,在偏色校正模块中,通过分析沙尘降质图像的RGB 3个通道直方图分布特点,提出一个改进的基于高斯模型的偏色校正算法;在对比度增强模块中,通过结合基于暗通道先验和信息损失约束算法,提出一种基于大气散射模型的对比度增强算法.为了验证算法的有效性,通过与4种已有算法的大量实验结果对比发现:文中算法不但能够很好地增强不同种类的沙尘降质图像的对比度,而且可以有效地避免图像偏色现象,并且保持良好的色彩保真度和合适的亮度.

摘要：为了解决现有纹理平滑方法不能在抑制纹理的同时保持细窄结构的问题,提出一种基于半高斯梯度算子的尺度自适应纹理滤波算法.首先提出一种具有结构保持和纹理抑制效果的半高斯梯度算子,其幅值能够较好地区分结构和纹理,方向能够较好地反映结构法向;然后基于半高斯梯度的幅值为每个像素估计最优的滤波尺度,并借助高斯滤波得到一幅大部分纹理得到抑制的引导图像;最后在双边滤波的基础上引入基于半高斯梯度方向的滤波方向核,提出一种基于引导图像的三边纹理滤波算法,能够有效地避免图像平滑结果中存在的结构附近毛刺残留现象.大量实验结果证明,该算法可以在抑制纹理的同时保持结构的完整性,尤其是在保持细窄结构以及结构周围的整洁等方面超越了已有的方法.