A pair of parallel differential magnetic‐field probes with high measurement accuracy and high electric‐field suppression ratio

Magnetic‐field probes can be used for electromagnetic interference measurement of high‐speed circuits. The main magnetic probe performance includes sensitivity, spatial resolution, electric‐field suppression ratio (EFSR), and measurement accuracy. In this article, a pair of differential magnetic‐field probes is proposed to improve measurement accuracy without reducing sensitivity. The proposed differential probes consist of two asymmetric loop probes, which are designed in the same plane and separated by a row of periodic vias. The proposed differential probes are fabricated under PCB process. High accuracy can be achieved by measuring difference between outputs of the two probes. In addition, EFSR can be improved by size optimization of the differential magnetic‐field probes. Simulation and measurement results show the operating bandwidth is from 100 MHz to 12 GHz, the measurement error is 3.4% and the EFSR is about 40 dB. The proposed probes have higher measurement accuracy and higher EFSR than the conventional single probe, and larger operation bandwidth than the stacked differential probes.     

融合引导滤波和小波变换的水下图像增强算法

针对水下环境对比度低和极其模糊的视觉效果问题,提出了一种融合引导滤波和小波变换的水下图像增强算法。利用引导滤波将图像分为基础部分和细节部分,将小波变换应用于基础部分,对产生的低频图像进行限制对比度直方图均衡,高频部分分别使用改进的对数函数增强,然后将处理后的高低频部分进行小波逆变换。细节部分进行增益计算;最后将处理后的基础部分和细节部分进行加权融合,再对融合图像进行限制对比度直方图均衡,得到目标图像。仿真实验表明,该方法在保留图像细节的同时很好地克服了光照不均匀对图像的影响.     

融合Cesium和Geoserver的地质数据形变监测可视化方法

随着地质研究与大数据的融合,形成了"多元异构、高容量、低价值密度的"海量地质数据.尤其在城市建设中反映地表和地面沉降情况的地质形变监测数据,具有容量大、时变性、维度复杂的特点.如何通过可视化技术更直观的服务于地质研究分析与问题决策,成为该领域数据可视化研究与应用热点.本文针对这一问题,通过干涉合成孔径雷达(Interferomeric Synthetic Aperture Radar,InSAR)采集的数据,提出一种在 Cesium 和 Geoserver 融合构建的Web三维场景下,展示地域沉降形变监测情况的可视化方法.在形变图层展示效果上,不同于Google Earth单一的渲染效果,设计出一种动态改变形变监测点云数据过渡颜色的方式.在可视化分析交互上与ENVI/SARscape进行对比.实践及应用结果表明,相对于传统方法如二维平面展示以及通过Google Earth导入数据的集成展示,本文方法对形变监测结果有更加直观的展示.同时拥有更加丰富的人机交互方式,为地质专业者提供更良好的辅助决策功能.     

淤地坝监测场景下边缘计算协作式任务调度方法

针对目前我国西北地区淤地坝实时监测问题,研究了淤地坝监测与预警任务的调度方法.为避免淤地坝坝体隐患发现不及时,提高预警系统的时效性,本文考虑了任务卸载至边缘服务器的平均等待时间,提出了一种淤地坝监测场景下边缘计算协作式任务调度方法.根据任务计算量、边缘服务器计算能力等信息建立计算任务完成时间模型,然后采用模拟退火算法优化计算任务卸载位置,设计了一种多个边缘计算服务器相互协作的任务调度策略.实验结果表明,该方法有效降低了监测任务的计算时间,提高了监测预警的时效性.     

基于高精度流线生成的交互流场可视化

高效准确的流线绘制一直是流场可视化的重要研究内容,流线可以对流场的重要特征进行有效的稀疏表示,但流线需要长期的粒子追踪过程及大量的积分计算,在面向大规模流场可视化时时间效率较低,需要高性能计算设备进行辅助计算.本文通过设计一种基于深度学习的高精度流线生成算法,将初始的低精度流线快速映射为稠密的高精度流线,可以在较短的时间内快速生成可靠的流线可视化结果,并在此基础上设计了交互式实时流场可视化系统,涵盖了流场的特征检测,属性关联分析,信息论分析等,帮助用户快速了解流场数据,找到自己感兴趣的区域进行后续进一步深度分析,避免了获取过多冗余数据,同时优化了分析工作的效率,满足用户对于流场结构,特征属性等多维度进行关联分析的需求.     

基于预训练GRU-LightGBM的电力负荷预测

本文研究工作围绕电网中的核心环节电负荷预测展开.在总结分析之前研究学者的研究成果基础上,提出了基于预训练GRU与LightGBM相结合的方法.该方法首先使用电负荷数据训练一个特征提取网络GRU,然后使用该网络进行时序特征的提取,并将提取到的时序特征与非时序特征使用LightGBM进行电负荷的预测.本方法的创新点在于提出了预训练网络来扩充特征,充分融合时序特征及非时序特征.并且考虑到电网的地区差异性,在整体训练过程中将GRU网络参数进行了适应性微调.保证提取到的时序特征是符合当前地域特点的.通过仿真实验最终发现该方法在各项指标上取得了2％的提升.     

结合参量统计与时空融合的土壤水分降尺度方法

土壤水分的降尺度研究为解决被动微波产品的粗分辨率问题,更好地服务于流域小尺度应用提供了技术手段。以美国俄克拉荷马州为研究区域,基于SMAP土壤水分产品和MODIS产品等多种辅助数据,在地表分类数据的支持下,结合参量统计降尺度和时空融合降尺度发展了一种土壤水分混合降尺度方法,并利用SMAP 9 km产品和站点实测数据对降尺度效果进行了评估。结果表明：混合降尺度方法可以得到细节丰富、空间覆盖完整的降尺度结果。相较于参量统计或时空融合两种单一降尺度而言,混合降尺度结果的空间分布与SMAP 9 km真实产品最为相似,并且混合降尺度结果与站点的整体时序精度最高,在不同地表分类下的时序精度也优于单一方法的降尺度结果。由此证明结合参量统计与时空融合的降尺度方法是可行的。     

足球动态传球网络的可视化

足球传球网络分析对提高球队的进攻效率起着重要作用.然而,大多数现有工作都将传球网络视为静态网络,忽略了比赛过程中传球的时空演变.该工作通过与领域专家的深入访谈总结了动态传球网络分析的重要任务,并提出了一个交互式可视分析系统支持对传球网络的时空动态性进行全面分析.该系统应用了基于图标的可视化方法和投影技术,以呈现不同时间下的传球网络拓扑结构和传球空间上下文信息.该系统可以辅助用户发现传球网络结构和传球所在的空间位置在时间上的变化模式以及两者之间的关联,并根据传球网络动态性对比赛过程进行更深入的解读,发现有价值的传球网络变化策略.通过案例分析和专家访谈,验证了该系统在分析传球网络动态性的可用性和有效性.     

空气质量细粒度数据内联关系可视分析系统

随着数据观测和数字计算技术的快速发展,空气质量数据粒度越来越细致,为研究空气质量的细粒度数据内联关系可视化、辅助理解空气污染物的转化规律提供了数据基础.针对蕴含丰富内联特征的大气质量细粒度数据开发了一个内联关系可视分析系统.首先,基于大气质量数据多维属性设计时空数据维度模型增强数据的时空表达,并提出一种基于深度学习的特征提取方法,将空气质量数据从高维空间映射到支持交互可视分析的低维特征空间;然后,设计了一套多视图联动的可视化系统,帮助用户发现空气污染传输中的细粒度内联关系,理解污染传输途径的数据分布特征.用户实例和用户评价结果表明,该系统是有效的.     

结合通道空间加权特征金字塔网络的白细胞检测与分割

白细胞的准确检测和精确分割是一项具有挑战性的医学图像处理任务.在显微镜下获取的白细胞图像会受到染色杂质的影响,且白细胞种类繁多、形态各异、类间差别小,还存在相互重叠相互粘连的现象,导致细胞边缘无法被准确分割,上述问题一直都是白细胞图像检测和分割的难点.针对以上问题,基于Mask R-CNN提出了结合注意力机制多尺度特征融合的白细胞检测方法.在Mask R-CNN结构的基础上,在特征金字塔网络(FPN)模块中融合了注意力机制模块,提出了通道空间加权特征金字塔网络.该结构不仅可以学习特征图中重要通道特征的权重大小,还可以学习层中重要特征区域的表示.同时,在网络结构中加入了Skip-FPN模块,该模块通过短连接融合更多白细胞的底层细节信息,从而更准确地检测白细胞,更精确地进行白细胞的形态分割.实验结果表明,所提方法具有良好的检测与分割性能.在Kaggle开源数据集下,所提方法对白细胞检测的指标mAP值达到了98.25％,与改进前相比提高了1.25％;分割的平均精度mIoU值达到了89.30％,与改进前相比提高了0.002％.