架构于双树轮廓波及GGD模型的纹理图像检索

提出一种基于双树轮廓波变换的纹理图像检索方法.双树轮廓波由塔型双树方向滤波器组构建,它保持了轮廓波灵活的方向选择性,同时克服了传统轮廓波不具有移不变性的缺点.根据双树轮廓波系数的统计特性,本文利用广义高斯分布对各子带进行建模,采用矩估计法提取模型参数,并用KL距离度量图像之间的相似度,实现纹理图像检索.为评价检索性能,从Brodatz图库创建了包含800幅纹理图像的数据库.实验结果表明,本文算法的平均检索率比基于小波和轮廓波的方法分别提高了10.46%和6.94%,而且保持了较高的计算效率.     

新疆欲建中国最大风能基地

风能资源丰富的新疆在今后几年之内有望成为国内最大的风电基地。 新疆风能资源富足,达坂城、吐鲁番小草湖等九大风区总面积15万km^2,风电可装机容量超过8000万kW。其中小草湖风区面积为1000km^2,风能蕴藏量100亿kWh／a,可建装机容量200万kW,与目前国内已建成的最大风力发电场——新疆达坂城风电场遥相呼应。     

基于低频预测的图像多描述编码及其差错隐藏

为了提高图像、视频在丢包或误码环境下的传输性能,提出了基于低频预测的图像多描述编码方法。根据小波系数的独特特点将原始图像小波变换后的系数分为低频,次高频,高频三部分,对各部分进行不同方式的分组;采用低频预测的预处理和后处理方案,实现描述间的冗余插入;实现了差错隐藏算法以提高传输的鲁棒性。仿真结果表明,系统的抗误码能力大为提高,且可提供灵活冗余插入以适应各种网络传输状况。     

复杂体制雷达辐射源信号特征的SPA-FAHP评估

针对复杂体制雷达辐射源信号（ARES）特征评估缺乏有效手段和层次分析决策(AHP)过多依赖专家经验的问题,提出了复杂体制雷达辐射源信号特征的集对模糊层次评价模型(SPA-FAHP)。通过引入三角模糊数对传统层次分析法进行改进,并对复杂体制雷达辐射源信号特征评价指标体系的指标权重作模糊层次分析,以解决对雷达信号大容量数据进行评估时评判者存在不确定或者模糊判断的问题;再引入集对分析(SPA)理论对传统层次分析的专家决策矩阵进行改进,并对特征评估决策矩阵作同一度分析,以解决传统层次分析决策时过多依赖专家经验的问题。最后联合指标权重矩阵和决策同一度矩阵实现对复杂体制雷达辐射源信号特征的综合评估。计算结果表明该模型有效可行,能够更客观地实现对复杂体制雷达辐射源信号特征的分析和评估。     

一种时空联合的视频去噪方法

传统的图像滤波器在模糊程度与去噪能力之间存在不可调和的矛盾。提出了一种基于时空域联合的方法,从视频的角度出发,同时利用信号的时域和空域相关性进行去噪,以解决这一矛盾。新方法首先通过一种基于自适应阈值、搜索方法切换的快速自适应运动估计方法获得运动轨迹,然后使用自适应窗口大小的中值滤波去除空域噪声,中值滤波中使用了运动轨迹上相邻两帧的对应窗口像素,使用一维卡尔曼滤波器行时域去噪,最后用几何均值结合两次滤波的结果,使信号的时域相关性与空域相关性都得到了充分利用。实验结果证明该算法去噪效果显著,超过了各种时域或空域方法,对椒盐噪声的处理效果尤其突出。实验也表明,由于新方法的时间消耗为时域滤波、空域滤波和运动估计时间的简单累加,因时空联合而增加的计算复杂度属于可接受的范围。     

分离燃尽风水平摆角对1 000 MW八角切圆锅炉燃烧特性影响的数值研究

以某1 000 MW八角双切圆锅炉为研究对象,采用数值模拟方法分析了分离燃尽风(SOFA)水平摆角对炉膛出口烟气温度、速度以及炉内主要燃烧产物分布的影响。结果表明:将SOFA水平摆角正向增大5°时可同时降低CO与NO_x排放量;正向增大SOFA水平摆角,即SOFA正旋切圆直径增大,炉膛出口两侧逐渐出现双峰型高温烟气区,烟温偏差有所增大,而烟气高流速区则向炉膛出口中部移动;反向增大SOFA水平摆角,即SOFA反旋切圆直径增大,炉膛出口烟气温度和速度分布的不均匀性均有所减小。     

雷达辐射源信号脉内特征分析

脉内特征提取是新型雷达辐射源信号识别的关键问题。本文提出一种新的雷达辐射源信号脉内特征提取和识别方法．将雷达辐射源脉冲信号的分形维数作为识别脉内调制方式的分类特征，这些特征包含了雷达辐射源信号幅度、频率和相位等的变化和分布信息，反映了雷达辐射源信号脉内调制规律，理论分析和仿真实验结果都证明了这些特征具有对噪声不敏感的良好特性．通过10种典型雷达辐射源信号的特征提取和分类识别的实验结果表明，本文所提取的脉内特征类间距离大、类内距离小、正确识别率高．证实了本文方法的有效性。     

基于宽接收域的实时人体姿态估计网络

为解决人体姿态估计任务的准确率和实时性问题，提出一个卷积宽接收域、检测实时的人体姿态估计网络。构建稠密残差步进网络(dense residual steps network, DRSN),提高模型对输入图像空间信息的提取和全局特征的把握。在激活函数上，以改进的FReLU激活函数替换原始的激活函数，通过采用二维卷积的方式改变ReLU函数中的激活条件，扩大模型的接收域，关键点分类更加准确。该网络在标准MPII数据集上进行测试，在满足较高定位精度的条件下，模型在NVIDIA RTX 2080Ti GPU上的检测速度达到38 FPS,可有效解决检测实时性问题。     

一种改进的DNN算法在雷达信号分选中的应用

针对深度神经网络能自动学习数据深层特征的优点进行了研究，提出一种基于深度信念网络的信号分选方法，来解决传统雷达信号分选中人工提取特征的耗时、特征冗余等问题。通过堆叠多层的深度模型对原算法进行改进，克服单一模型学习力的不足，对不同信号的本质特征进行深入学习，融合各个深度模型的后验概率进行分类决策，从而进一步提高了信号的识别率。采用改进方法对七种不同类型的雷达信号进行分选识别，并与其他信号分选方法进行对比，实验结果表明，该方法取得了更好的分类效果，展现出较强的学习数据本质特征的能力，从而验证了算法的有效性和优越性。