以组合导航系统为应用背景,在现有方法的基础上,提出Sage Husa自适应滤波算法的应用.采用常规卡尔曼滤波时,需要知道系统的数学模型和噪声统计的先验知识,但是在实际系统中,系统的数学模型和噪声统计是未知的、近似的或部分已知的.用不准确的模型或噪声统计设计出的卡尔曼滤波器将导致状态估值误差增大,甚至使滤波发散.Sage Husa自适应滤波通过软件仿真表明该方法能够使系统误差在较短的时间内收敛,与常规卡尔曼滤波器的精度相当并具有高效率、高精度等优点.

在解决组合测试中的测试数据集生成问题时，粒子群优化算法(PSO)在待测数据量增加达到一定程度以后，出现迭代次数增加、收敛速度减慢的缺点。针对该问题，提出了一种应用于组合测试数据集生成问题的基于K-均值聚类的粒子群优化算法。通过对测试数据集合进行聚类分区域，增强测试数据集的多态性，从而对粒子群优化算法进行改进，增加各个区域内粒子之间的影响力。典型案例实验表明该方法在保证覆盖度的情况下具有一定的优势和特点。

提出了一种无限制的获取掌纹图像的方法，并使用该方法构建了掌纹库。该掌纹库可以成为掌纹识别算法训练集和测试集的来源，也可以成为进一步推进掌纹识别研究与发展的基础。在该掌纹库的基础上，对掌纹库中的掌纹图像进行了预处理，将原始图像二值化后利用定位点自动检测技术检测出掌纹图像中两个关键的定位点，并以此为基础对掌纹图像进行旋转校正，最后切取一定区域的掌纹子图，为进一步提取掌纹特征打下了较好的基础。

在织物疵点自动检测开发中,传统的图像处理代码编写繁琐、效率不高。OpenCV具有较强的图像处理能力且提供了丰富的图像处理函数,可以把OpenCV运用到织物疵点检测上。以断经、纬疵样本为例,提出在OpenCV环境下采用阈值分割提取疵点图像,利用形态学技术实现噪点分离及断线连接。边缘检测实现了疵点图像在原图像中的准确定位。实验结果表明,OpenCV有简化代码、提高编程效率的图像处理强大功能,疵点检测结果准确,效率高。

Lamb波在结构健康监测中受到广泛关注，但其在传播过程中存在着多模和频散特性，不利于损伤定位和高分辨率成像。弯折频率变换(Warped Frequency Transform，WFT)通过构建合理的弯折映射可实现对频率轴的弯折。基于Lamb波群速度频散曲线设计弯折频率变换，则可用于Lamb波信号的处理。从直接补偿角度出发，利用WFT对传感信号进行频散抑制。提出了基于WFT的高分辨率损伤成像方法，利用有限元软件ABAQUS进行了带损伤铝板中Lamb波传播的仿真。仿真结果表明WFT能有效压缩频散的波包，通过该

用奇异谱法分析了抑郁症患者16导EEG信号的多重分形特征。讨论了多重分形分析方法在抑郁症患者临床诊断中的应用。发现抑郁症患者EEG信号的多重分形强度在Fpl、Fp2、F3、F4、c3和F7等信导较正常人有显著增加。该特性在抑郁症物理测量临床诊断中具有潜在价值。

为了研究Mindlin矩形板在任意弹性边界条件下的自由振动特性，采用改进傅里叶级数的方法，将板的横向振动位移和转角位移函数表示为标准的二维傅里叶余弦级数和辅助级数的线性组合。结合Hamilton原理建立求解方程，得到Mindlin矩形板振动控制方程的矩阵表达式。通过辅助级数的引入，解决了位移函数和转角函数的导数在边界不连续的问题，从而使此法适用于任意的弹性边界条件。边界条件通过均匀布置的线性位移弹簧、旋转弹簧和扭转弹簧来模拟，通过改变3种类型弹簧的刚度值来实现不同的边界条件。最后给出了数值仿真算例，并对计

水声发射换能器种类繁多，通常按工作频率加以区分．在低频段给出了几种工程上常用的低频大功率换能器的结构形式，并讨论了提高换能器工作极限的技术途径，同时还指出速度控制对低频声基阵的重要性．在中频段主要给出了拓展换能器工作带宽的各种结构形式及一种新的设计方法，并讨论了新材料应用及宽带匹配技术．在高频段给出了陶瓷颗粒簇匹配层换能器的等效电路，同时分析了高频换能器基阵机电一体化设计的发展趋势．结果表明，新结构、新材料、新工艺仍是推动水声发射换能器不断发展的技术途径．

作为电动汽车运营所必须的基础配套服务设施，充电站的建设位置与规模对推广电动汽车有着重要的意义。提出了一个多等级电动汽车充电站的选址与求解算法，考虑电动汽车用户分布的特性，基于目标规划思想，建立了使得充电站初始建设成本及用户充电总成本最小化的多等级充电站选址模型。为求解该模型，发展了一个改进的禁忌搜索算法。针对其中表示站址等级和相关用户分配的两个决策变量，设计了禁忌编码和初始解构建相结合的新颖设计方案，井采用2-opt邻域搜索策略，可同时确定出充电站的建址位置、建设的等级及各个需求点的分配。最后通过仿真算例

基于计算听觉场景分析(Computational Auditory Scene Analysis,CASA)的语音分离系统通过模拟人耳的听觉感知系统对混合信号进行处理并分离出感兴趣的目标语音,近年来得到了很大的发展。如何在干扰噪声存在的情况下进行正确的基音提取跟踪一直是CASA系统研究的重点。提出了一种基于目标语音源的改进基音跟踪算法。该算法通过对目标源估计和基音检测两个步骤的反复迭代计算,得到最终的基音轨迹。通过在不同噪声干扰条件下与传统基音跟踪算法对比的实验结果证明,该算法能够有效地抑制噪声,提高输出