旧城边缘区整治方法与策略--以天台赭溪治理建设为例

我国多数城市具有一定的历史遗存区,在城市开发中会面临历史遗存区与城市新城区之间的过渡区域的治理问题,将此过渡区界定为旧城边缘区。文章分析了旧城边缘区的特点与优势,提出旧城边缘区面临的问题,并结合天台赭溪治理建设的实例,探讨了该区域的治理方法与策略。     

现代建筑认知教学的思考与实践--以浙江大学建筑系三年级现代建筑认知课程为例

结合浙江大学建筑系三年级的现代建筑认知课程教学,从教学定位、案例选择、教学组织、作业成果几个方面,对基于作品理念与方法解析的现代建筑认知教学思考与实践进行了总结与探讨。     

建筑师引导下基于村民自主的乡村建造实录与探讨--以贵州遵义袁咨桐故居组团改造为例

通过记录遵义袁咨桐故居组团从设计到完工近一年的建筑与心路历程,探讨了建筑师引导下基于村民自主的乡村建造的过程、特征及其启示。在当下模式化的农居建设之中,展示了乡村建造的另一种可能,即抛弃视觉的审美,回归对于村民、邻里、场地的真正尊重与关怀,从而在乡村、资本、权力、技术之间通过有效的交流获得平衡,维系乡村某种固有的节奏与风貌。     

乡村聚落公共开放空间的激活与营建——以广东英德九龙镇牛一村为例

文章以广东英德九龙镇牛一村为例,阐述在美丽乡村建设过程中,以激活公共开放空间为主导的乡村建设的规划设计思路与方法,找准村庄发展定位,通过梳理支撑村庄发展的人文主要轴线和生活次要轴线,对村庄公共开放空间进行由主及次的打造与更新,旨在提升村庄居民生活品质,为村庄发展提供动态式的有机更新策略,助力乡村实现复兴与发展。     

营造宜人的城市空间——舟山市定海区文化广场设计

以舟山市定海区文化广场设计为例,从创造“宜人所用”和“宜人所感”的人性空间的角度,探讨了合乎现代城市设计以人为本基本理念的理论与方法。     

基于SOA架构的陆路口岸物流园区信息化建设

针对我国陆路口岸物流发展现状,结合广西凭祥国际物流园区课题研究项目并基于SOA架构,探索了口岸物流园区的信息化建设。     

测量噪声方差未知的多传感器组合导航集中融合算法

目前,多传感器组合导航系统的信息融合方法是建立在测量噪声方差已知的基础上,然而测量噪声方差会随着内部及外部的干扰而发生变化。为此,本文首先将基于变分贝叶斯逼近的自适应卡尔曼滤波(variational Bayesian approximation based adaptive Kalman filter, VB-AKF)从单一组合导航系统扩展到多传感器组合导航系统;然后,提出了多传感器组合导航系统的两种集中融合算法,即基于VB-AKF的增广式集中融合算法及基于VB-AKF的序贯式集中融合算法,以解决测量噪声方差未知情况下的多传感器组合导航的信息融合问题;最后,通过SINS/GNSS/CNS/ADS多传感器组合导航系统对上述算法进行了仿真验证。实验结果表明,本文所提两种算法滤波精度相同、且接近于测量噪声方差已知情况下的理想集中融合算法(ICKF)。在整个仿真时段内,相对于传统集中式卡尔曼滤波器(TCKF)及具有容错功能的联邦卡尔曼滤波算法(FT-FKF),本文算法可提高位置精度分别为32%和90%、提高速度精度分别为38%和71%。     

多传感器组合导航系统的联邦 UKF 算法研究

多传感器组合导航系统是一种典型的非线性系统,为了提高其滤波精度,本文提出了多传感器组合导航系统联邦 UKF 算法。 首先,在建立多传感器组合导航系统的非线性状态方程及线性量测方程的基础上,对标准 UKF 进行了简化;然后,以简 化 UKF 为基础提出了多传感器组合导航系统的联邦 UKF 算法,并设计了姿态融合算法及其故障检测函数以验证该算法的容 错性能;最后,以 GNSS / CNS / SINS 多传感器组合导航系统为例进行了仿真验证。 仿真结果表明,相对于联邦线性卡尔曼滤波 器,联邦 UKF 算法可提高位置及姿态精度约 25. 8%、22. 2%,同时继承了联邦线性卡尔曼滤波器的容错性能。     

FGSC-23：面向深度学习精细识别的高分辨率光学遥感图像舰船目标数据集

目的 基于光学遥感图像的舰船目标识别研究广受关注,但是目前公开的光学遥感图像舰船目标识别数据集存在规模小、目标类别少等问题,难以训练出具有较高舰船识别精度的深度学习模型。为此,本文面向基于深度学习的舰船目标精细识别任务研究需求,搜集公开的包含舰船目标的高分辨率谷歌地球和GF-2卫星水面场景遥感图像,构建了一个高分辨率光学遥感图像舰船目标精细识别数据集（fine-grained ship collection-23,FGSC-23）。方法 将图像中的舰船目标裁剪出来,制作舰船样本切片,人工对目标类别进行标注,并在每个切片中增加舰船长宽比和分布方向两类属性标签,最终形成包含23个类别、4 052个实例的舰船目标识别数据集。结果 按1：4比例将数据集中各类别图像随机划分为测试集和训练集,并展开验证实验。实验结果表明,在通用识别模型识别效果验证中,VGG16（Visual Geometry Group 16-layer net）、ResNet50、Inception-v3、DenseNet121、MobileNet和Xception等经典卷积神经网络（convolutional neural network,CNN）模型的整体测试精度分别为79.88%、81.33%、83.88%、84.00%、84.24%和87.76%;在舰船目标精细识别的模型效果验证中,以VGG16和ResNet50模型为基准网络,改进模型在测试集上的整体测试精度分别为93.58%和93.09%。结论 构建的FGSC-23数据集能够满足舰船目标识别算法的验证任务。     

一种新的多传感器群内目标精细跟踪算法

为解决多传感器探测下非机动群内目标精细跟踪的难题,深入分析群内目标回波特性,基于形状方位描述符,提出了一种新的多传感器群内目标精细跟踪算法,该算法利用形状方位描述符建立可唯一表示群内各目标组成图形的形状矢量,然后基于落入群内各目标相关波门内的量测集合,以群内各目标可能关联量测构成的所有图形为对象,通过形状相似程度和量测与目标状态一步预测值的空间距离建立相似度模型,同时利用选主站的思想实现冗余图像的剔除,最后利用量测集合与对应的权值集合,基于粒子滤波技术实现群内各目标的状态更新。经仿真数据验证,与传统多传感器多目标跟踪算法中性能优越的基于数据压缩的集中式多传感器多假设算法相比,该算法在跟踪精度、实时性、有效跟踪率三个方面的性能明显优越,能很好地满足群内目标精细跟踪的实际工程需求。