影响甜菜含糖率的因素及提高措施

0 前言甜菜含糖率的高低直接关系到承包户及制糖企业的利益,所以研究影响甜菜含糖率的主要因素以及如何提高甜菜含糖率的问题亟待解决.笔者从以下两方面谈谈自己的观点.     

青海省某清真寺屋架坍塌事故分析

对青海省某清真寺发生的质量安全事故进行深入的调查,对结构进行验算分析,找出事故发生的主要原因为结构荷载过大,结构构件断面偏小,未进行结构分析和验算。     

一种RL算法联合小波变换的中子图像复原方法

提出了一种基于RL(Richrdson-Lucy)算法联合小波变换以解决中子数字图像复原过程中噪声问题的方法,即是将中子数字图像首先进行小波分解,高频子带通常对应于噪声,低频子带对应于图像信息.在高频子带进行软阈值去噪处理,在低频子带应用RL算法进行图像的盲复原,最后,利用小波反变换得到复原图像.实验研究结果表明,该方法不仅提高了抑制噪声的能力,可以获得比单一采用RL算法复原效果好的复原图像,而且可以提高图像复原的速度.     

基于医用X-CT的三维重建系统研究

根据CT图像特点,运用计算机图形、图像和三维可视化技术,开发了一套基于医用X-CT的三维重建原型系统,实现对二维有序CT的浏览、图像分割及重建图像显示等操作.介绍了系统的结构和各种算法的实现.试验结果表明,该系统满足临床辅助诊断和手术计划制定的要求.     

轻便型γ能谱测井仪几个关键技术问题的探讨

为研制性能好，功能强，微机化学程度高的轻便型γ能谱测井仪，针对非油气测井工作的井口径小（〈φ６０ｍｍ）井身浅（〈１０００ｍ）等特点，探讨了γ能谱测井仪的轻便化，测量精度，信号传输技术，稳谱技术及微机化等关键技术问题。     

抗混叠塔型变换的构造

 针对Contourlet变换存在的频谱混叠,提出了一种抗混叠塔型变换,即Non-aliasing Pyramidal Transform-NA-D变换.NAP变换由抗混叠塔式滤波器组(Non-aliasing Filter Banks:NPFB)和方向滤波器组(Directional Filter Banks:DFB)组成,NPFB首先将图像分解为多个不同分辨率的细节子带和一个低频子带,DFB再将各细节子带分解为方向子带.通过设计满足Nyquist采样定理的滤波器,NA-D变换有效地抑制了Contourlet变换的频谱混叠,基函数不仅具有"多分辨率"、"多方向"、"局域性"等特性,满足各向异性尺度关系,而且空频域正则形和局域性均明显优于Contourlet变换.硬阈值去噪实验的结果表明,NAP变换能够更为稀疏的表示图像,并在去噪性能上较Contourlet变换有较大提高.     

一种基于MCU的自动扶梯测量仪设计和实现

从影响现有自动扶梯测量仪性能不够稳定,功能不够完善,操作尚且复杂等因素出发,提出一种基于Freescale S12X系列MCU双通道、多参数自动扶梯测量仪的设计方案.设计通过光电式旋转编码器获取测量参数信息,MCU处理后经由12864液晶显示屏显示的方法实现测量.研究结果表明,设计成的测量仪能够对自动扶梯的运行速度、加速度、梯级与扶带的同步率及制停距离几个重要参数进行自动检测,测量误差及分辨率均符合自动扶梯新的国家标准GB 16899-2011之要求.     

基于CPLD的油气井陀螺测斜仪控制电路的设计

针对油气钻井中恶劣环境条件( 150℃以上高温和100 MPa以上高压)下陀螺测斜仪出现温度漂移的现实问题,设计开发了一种对温度漂移具有补偿功能的陀螺测斜仪控制电路,以便高精度获取陀螺测斜仪的敏感信号,确保仪器在油气勘探中提供准确的钻头走向方位信息。基于CPLD的温度补偿控制电路,主要由校正网络信号预处理电路、A/D采样芯片及CPLD芯片组成。性能测试结果表明,设计的对温度漂移能够进行补偿的控制电路,具有温漂补偿能力强、测量精度高、工作稳定性好等特点,可用于油气钻井中高温高压恶劣环境条件下钻头走向方位信息的测量工作,具有一定的工程应用参考价值。     

一种新颖的中子辐照图像压缩算法

分析了中子辐照图像的持点，提出一种适合于数字中子照相系统的图像压缩算法。将小波和方向滤波器组（DFB）结合，得到非冗余的图像变换WDFB；通过WDFB系数的重新组合，提出一种新颖的图像压缩方案，该方案类似于无表零树编码（LZC）算法；为了充分利用WDFB变换对二维分段光滑函数的良好表达能力，该算法引入线性索引技术并采用不同于LZC算法的零树表达策略。实验结果表明，该算法用于中子辐照图像压缩是有效的，在相同压缩比下，其主观视觉质量和峰值信噪比（PSNR）都明显优于LZC算法，和多级树集合分裂编码（SPIHT）算法相比，具有相当的压缩性能但更易于硬件实现。     

空天地海一体化海洋环境数据多步预测

辅助海洋管理决策的多步预测预警意义重大且极具挑战性。实时、稳定、高效的广域海洋环境数据获取是保障多步预测性能的前提,未来6G空天地海一体化网络部署将有效地提升海洋分布式态势感知能力,提供高质量的数据支撑。众所周知,多步长模式下数据间的时序依赖性被极大地弱化,对此,本文提出了基于多阶段特征学习的海洋环境数据多步预测模型。结构上,该模型主要包括卷积神经网络（Convolutional Neural Networks, CNN）、优化组合的长短期记忆网络（Long Short-Term Memory Network, LSTM）和全连接层。这里,CNN用于提取海洋环境数据的细粒度特征,而基于粒子群优化的多LSTM组合方法,可以有效地挖掘数据间的时序依赖关系（粗粒度特征）。实验结果表明该模型的预测性能明显优于CNN、LSTM以及门控制循环单元,并进行了统计验证。