数字表面模型（DSM）参数指示林窗特征的有效性研究

林窗的空间格局不仅对林下物种多样性有重要作用,而且也是量化不同林型结构特征的重要指标。近年来,灵活便捷的小型无人机航拍技术的快速发展为获取高分辨率的森林冠层三维结构信息提供了可低成本获取的途径。利用航拍影像提取林窗斑块来计算景观指数是描述林窗格局有效的传统方法,但提取细小林窗往往难度大,尤其是在需要处理大量航拍数据时会大大增加时间成本。基于无人机航拍的RGB影像,在三维建模获取的高精度数字表面模型（DSM）的基础上建立森林高差模型（DSMr）,进而提出基于高差模型的信息熵（H）、标准差（STD）、偏度系数（SK）、峰度系数（EK）、纹理参数（GLCM,GLDV）来快速反映林窗空间分布格局的方法,并以黄土高原中部恢复较好的天然林和北部人工刺槐林窗数据检验其有效性。研究结果显示：SK、EK、GLCM、GLDV与林窗格局指数有一定的相关性,两类样方DSMr的SK和EK均与边界密度（ED）显著负相关,SK与斑块密度指数（PD）呈现出显著负相关关系,纹理参数均与景观形状指数（LSI）显著正相关。因此,DSMr参数能有效指示林窗的结构和分布格局,为林窗的生态过程与效应研究提供了更加快捷的变量。     

基于多源遥感数据协同反演森林地表土壤水分研究

土壤水分在土壤监测中是一项重要的指标,对于农业生产、生态环境以及水资源管理有着重要的影响。随着遥感建模与反演理论的不断成熟,其逐渐成为分析土壤指标的重要技术与手段。因此,利用光学影像与雷达影像数据,以大兴安岭地区漠河市为研究区域,分别建立以Landsat 8为数据源的土壤水分反演模型和由Landsat 8影像数据与GF-3卫星数据协同反演的土壤水分反演模型,将反演结果与实际测得数据进行对比验证,并评价所建立的反演模型。结果表明：①对研究区地温进行反演,利用地表温度（Ts）与归一化差异湿度指数NDMI构建Ts-NDMI特征空间,结合实测数据可以发现Ts-NDMI特征空间土壤水分反演模型的反演结果与实测土壤含水量为负相关性;②协同GF-3卫星数据和Landsat 8遥感影像数据所建立的土壤水分反演模型能得到质量较高的反演结果,且在高植被覆盖度地区,利用该协同反演模型得到的反演结果比利用单一光学数据源所建模型得到的反演结果精度高,为今后高植被覆盖度地区土壤湿度的研究提供了新途径。     

FHN神经元小世界网络随机共振下的弱信号增强�

考虑到生物神经系统显著的弱信号感知能力,提出一种基于概率随机重连的神经元动态连接小世界网络.首先为提高计算神经模型工作效率,本文改变了FHN神经元恢复变量和膜电位特征时间默认相等的思路,可灵活调整膜电位势函数的势垒高度以提高状态的跃迁概率;其次将改进后的FHN神经元作为网络节点,引入基于距离连接权重的动态突触的神经元节点互连模式,通过调整外部干扰和网络内部的噪声强度,使系统进入随机共振状态;最后根据FHN神经元输入输出信号之间的互相关系数,对网络各节点输出进行筛选和融合,从而实现弱信号增强还原.对多种形式的输入弱信号进行了实验,结果表明,本方案可以有效实现弱信号的还原和增强,不仅能保持周期信号频谱的一致性,还能使原始弱信号和系统输出信号的互相关系数保持在0.92以上.因此,基于FHN神经元的小世界网络,能够充分利用随机共振特性,为弱信号的增强复原也提供了一种新的思路.     

基于麦克风阵列的语音增强算法研究

语音通信为最普通的一种通信模式,在我们的日常生活中发挥着极为关键的效果.然而,在客观场景内,声音势必会因噪音而产生影响.此类噪声与干扰不但会影响声音的可知性,还使声音处理系统的性能急剧恶化.但是,在现实环境中,声音受到噪音和干扰是不可避免的.这些噪声和干扰不仅影响声音的可知性,还使声音处理系统的性能急剧恶化.麦克风阵列语音增强为语音增强中最普遍的一种模式.文章具体讲解了几类比较普遍的麦克风阵列增强算法以及语音扩展算法的仿真处理结果,语音扩展算法可以从噪音声音中尽可能地提取清晰的声音,从而提高语音质量和主观舒适性.     

基于Kalman滤波的GSC改进语音增强算法

针对广义旁瓣相消器（Generalized sidelobe canceller,GSC）存在非相干噪声消除性能不佳的缺陷,提出了采用后置Kalman滤波器改进的GSC去噪算法。该算法通过归一化最小均方算法校正自适应噪声对消器,并将滤除方向性干扰噪声后的语音信号输出到Kalman滤波器中,对残余背景噪声进行迭代最小均方误差（Minimum mean square error,MMSE）估计,抑制非相干噪声与麦克风阵元所产生的热噪声。经过在不同信噪比条件下客观语音质量评估（Perceptual evaluation of speech quality,PESQ）及语谱图分析后证明,与传统的GSC以及后置谱减法的改进GSC相比,本算法在噪声消除上的表现更为优越,且增强后信号也更接近目标信号。     

基于神经网络空时特征提取的动态手势识别

针对现有的动态手势识别3D卷积方法计算参数量大和对2D卷积长时间序列的空时特征难以提取的问题,提出一种基于2D卷积神经网络和长短期记忆网络相结合的提取时空域特征的动态手势识别方法。首先基于2D卷积神经网络提取空域特征,再通过长短期记忆网络进行序列图像时序上的相互关联提取时间维度上的信息。为验证算法的有效性,使用自采集的7种动态手势动作和IsoGD公开数据集对本文所提算法进行验证。实验结果表明,在线增强算法下实验在自采集的动态手势集上的识别率达到87.14%。在IsoGD公开数据集上的识别率达到57.89%,相对于现有的其他方法有所提升。     

适于高职教学的增强现实(AR)技术平台研究

当前的增强现实(AR)技术平台大多数服务于商业应用,在教育领域的应用主要集中在基础教育阶段,适合于注重技能训练的高职教育的AR应用相对较少。对目前市场中评价较高和较为知名的AR技术平台进行筛选,选取了其中的7个主流平台进行了功能性对比研究,在大量的技术平台中寻找出了更适合高职院校开展研发与使用的AR技术平台,即Vuforia或EasyAR。     

时空双仿射微分不变量及骨架动作识别

目的 人体骨架的动态变化对于动作识别具有重要意义。从关节轨迹的角度出发,部分对动作类别判定具有价值的关节轨迹传达了最重要的信息。在同一动作的每次尝试中,相应关节的轨迹一般具有相似的基本形状,但其具体形式会受到一定的畸变影响。基于对畸变因素的分析,将人体运动中关节轨迹的常见变换建模为时空双仿射变换。方法 首先用一个统一的表达式以内外变换的形式将时空双仿射变换进行描述。基于变换前后轨迹曲线的微分关系推导设计了双仿射微分不变量,用于描述关节轨迹的局部属性。基于微分不变量和关节坐标在数据结构上的同构特点,提出了一种通道增强方法,使用微分不变量将输入数据沿通道维度扩展后,输入神经网络进行训练与评估,用于提高神经网络的泛化能力。结果 实验在两个大型动作识别数据集NTU（Nanyang Technological University）RGB+D（NTU 60）和NTU RGB+D 120（NTU 120）上与若干最新方法及两种基线方法进行比较,在两种实验设置（跨参与者识别与跨视角识别）中均取得了明显的改进结果。相比于使用原始数据的时空图神经卷积网络（spatio-temporal graph convolutional networks,ST-GCN）,在NTU 60数据集中,跨参与者与跨视角的识别准确率分别提高了1.9%和3.0%;在NTU 120数据集中,跨参与者与跨环境的识别准确率分别提高了5.6%和4.5%。同时对比于数据增强,基于不变特征的通道增强方法在两种实验设置下都能有明显改善,更为有效地提升了网络的泛化能力。结论 本文提出的不变特征与通道增强,直观有效地综合了传统特征和深度学习的优点,有效提高了骨架动作识别的准确性,改善了神经网络的泛化能力。     

优化初始聚类中心选择的K-means算法

K-means算法的聚类效果与初始聚类中心的选择以及数据中的孤立点有很大关联,具有很强的不确定性。针对这个缺点,提出了一种优化初始聚类中心选择的K-means算法。该算法考虑数据集的分布情况,将样本点分为孤立点、低密度点和核心点,之后剔除孤立点与低密度点,在核心点中选取初始聚类中心,孤立点不参与聚类过程中各类样本均值的计算。按照距离最近原则将孤立点分配到相应类中完成整个算法。实验结果表明,改进的K-means算法能提高聚类的准确率,减少迭代次数,得到更好的聚类结果。     

科恩-沈方程与含时科恩-沈方程的一个自适应有限元数值方法

在材料分析、纳米光学等研究中,高质量数值模拟多体系统电子密度的随时间演化是一类重要研究内容.演化中产生的时间依赖偶极子等物理量,是更进一步研究的基础.此类数值模拟分为两个步骤.即多体系统的基态求解、及以基态为初值的系统的动态演化模拟.这两个步骤可以分别通过数值求解科恩-沈(Kohn-Sham)方程及含时科恩-沈(time-dependent Kohn-Sham)方程实现.本文中,我们提出一类基于有限元方法的数值求解框架,为这两个步骤提供一个统一的模拟实现.在基态求解中,我们利用一类自洽场迭代对方程进行线性化,采用局部最优块预处理共轭梯度法求解导出的广义特征值问题,并设计了一个基于多重网格方法的预优对求解进行有效加速.在动态演化模拟中,针对方程的结构,我们提出了一个基于隐式中点公式的数值方法,利用预估-校正方法对方程进行线性化处理,并设计了一个针对复值线性系统的代数多重网格求解器用于加速时间推进.特别地,我们基于提出的数值方法,分别针对科恩-沈及含时科恩-沈方程导出了残量型后验误差估计子,并实现了基于局部加密的网格自适应方法,用于进一步改善数值模拟效率.数值解展示了方法的有效性.