简介:导航雷达在采集、传输和显示过程中,由于多种因素的影响导致最终形成的图像中舍有大量的噪声,影响了使用者对导航信息的分析和应用。传统的雷达图像去噪算法大多采用小波变换,但这种方法存在边缘模糊等问题。为了去除导航图像的噪声并解决小波变换中存在的边缘模糊问题,本文提出用基于多尺度几何变换的图像去噪方法对导航雷达图像进行处理,并利用基于多尺度几何变换的方法(包括基于Curvelet系数维纳滤波去噪方法和基于Contourlet域去噪方法)和基于小波变换的BayesShrink方法分别对含有模拟杂波和噪声的导航雷达图像进行仿真实验。实验结果表明:与基于小波变换的图像去噪方法相比,基于多尺度几何变换去噪方法能够更加有效去除雷达杂波和噪声。
简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.