复杂环境扇三角洲沉积结构探地雷达精细探测技术研究

以冲积扇、扇三角洲为主的粗粒沉积扇体规模庞大、体系多样、生储盖配置良好,蕴含巨大勘探潜力。以往主要通过观察露头、分析岩心、测井和地震勘探等方法研究扇三角洲的沉积结构与演化规律,存在获取地下信息不连续、效率低和分辨率低等问题。利用探地雷达可进行快速、高分辨率连续探测,有助于精细解剖扇三角洲浅部沉积特征。文中利用探地雷达对青海希里沟湖扇三角洲内部结构进行探测,通过野外采集实验,分析数据特征和属性,阐明复杂环境对探测结果的影响,提出复杂环境下探地雷达精细探测的最优野外数据采集方案。同时,针对数据中道间距不一致、同相轴交叉和地形起伏等问题,提出距离归一化、偏移和静校正三个关键处理手段。实现了水道和坝体边界亚米级精度的定位,给出了水道和坝体的尺寸信息,阐明了洪水对扇三角洲储层结构的影响,为后期埋深数千米的古代扇三角洲储层建模提供了必要的精细构型组合规律和定量地质信息。     

高动态环境下高阶双二进制偏移载波信号的精确捕获

针对高动态环境下双二进制偏移载波(DBOC)调制信号无法精确捕获的问题,该文提出一种基于部分匹配滤波结合快速傅里叶变换(PMF-FFT)的捕获方法。又针对捕获过程中相关损失和扇贝损失引起的检测性能降低问题,提出一种改进的捕获方法。该方法首先利用离散多项式相位变换(DPT)去除接收信号的高阶动态项,然后针对DBOC信号重新设计PMF-FFT算法;最后利用频谱校正法对FFT后的功率谱最大值进行校正。仿真结果表明,在同一条件下,该方法将检测概率提高了2 dB左右,并且有效缩短了捕获时间。     

一种基于2D时空信息提取的行为识别算法

基于计算机视觉的人体行为识别技术是当前的研究热点，其在行为检测、视频监控等领域都有着广泛的应用价值。传统的行为识别方法，计算比较繁琐，时效性不高。深度学习的发展极大提高了行为识别算法准确性，但是此类方法和图像处理领域相比，效果上存在一定的差距。设计了一种基于DenseNet的新颖的行为识别算法，该算法以DenseNet做为网络的架构，通过2D卷积操作进行时空信息的学习，在视频中选取用于表征行为的帧，并将这些帧按时空次序组织到RGB空间上，传入网络中进行训练。在UCF101数据集上进行了大量实验，实验准确率可以达到94.46%。     

基于人体关节点的多人吸烟动作识别算法

吸烟检测已成为公共场所禁烟的重要措施,基于视频图像的吸烟动作识别已广泛用于吸烟检测中。使用深度学习的方法进行图像处理,需要大量数据集训练模型。现有的吸烟动作识别方法的准确率和实时性不够理想,且多只针对一个人进行动作识别。为解决这些问题,提出了一种通过检测周期性动作来识别多人吸烟动作的方法。在进行了大量的实验后发现吸烟行为是有节奏和周期性的,对此具体分析了吸烟行为的周期性并制定了吸烟行为规范;利用人体关节点信息,关注关节点的运动轨迹,检测运动轨迹是否符合周期性规律从而实现吸烟动作识别;同时跟踪多人关节点的信息,以实现多个人实时吸烟行为的识别。实验结果表明,该方法可以达到91%的准确率,在各种情况下都可以保持较高准确率和鲁棒性。     

基于遗传算法的SVM带权特征和模型参数优化

建立在统计学习理论和结构风险最小原则上的支持向量机(SVM)在理论上保证了模型的最大泛化能力,因此将支持向量机理论应用于入侵检测领域可以获得很好的效果.但是在应用中也存在如何对网络数据进行特征编码和选择适当的支持向量机模型参数的问题.在分析了特征编码和模型参数对分类器识别精度的影响基础上,提出用遗传算法建立支持向量机带权特征和分类器模型参数的自适应优化算法,并在网络入侵检测中成功的运用算法.最后,使用KDD CUP 1999数据进行的仿真实验表明了算法的正确有效性.     

支持向量预选取的域着色Voronoi图方法

支持向量机是建立在统计学习理论基础上的一种机器学习方法,它通过对支持向量的训练而具有很好的分类推广能力。但是从训练样本中选取合适的支持向量很困难,而对噪音样本的训练会使支持向量机的泛化能力下降。在分析了支持向量的分布特性和Voronoi图在特征空间划分的优势后,提出一种利用域着色Voronoi图来选取支持向量的方法。该方法能大量减少训练样本集中的非支持向量,排除孤立噪音样本,最终得到一个包含候选支持向量的训练样本集。仿真实验结果说明了该方法的有效性和可行性。     

组合二进制偏移载波信号的伪码周期及组合码序列盲估计

针对在非协作通信以及低信噪比下组合二进制偏移载波(CBOC)信号伪码周期和组合码序列较难估计的问题,该文提出了2次谱算法与基于径向基函数(RBF)神经网络算法。对输入信号进行2次功率谱计算,可以得到CBOC信号的伪码周期。在此基础上,首先对接收的1周期组合码序列进行重叠分段,其次优化筛选出学习系数,对每段数据向量作为RBF神经网络的输入信号并进行有监督地调节,最后对每段数据向量多次输入并反复训练权值向量就可以恢复原组合码序列。仿真结果表明,利用2次谱可以在低信噪比下估计出伪码周期;在误码率低于1%的情况下,所提出的RBF神经网络相比于反向传播(BP)神经网络与Sanger神经网络,信噪比分别提高1 dB和3 dB,并且在同等条件下所需的数据组数较少。     

机场群建设对区域经济中造纸物流供应链的影响

自改革开放以来，中国民航持续快速健康发展。我国大力推进世界级机场群建设。本文对2005-2022年间机场经济与区域内机场群经济的研究主体、研究速度以及其对造纸物流供应链的影响进行综述概括。总体而言，机场的建设会为物流条件的改善提供动力，而机场所在城市自身也会对空港经济的体量产生很大程度影响。     

BOC及其衍生信号通用无模糊捕获分析

针对BOC(binary offset carrier)及其衍生信号通用无模糊捕获方法匮乏的问题,提出了一种基于伪相关函数(pseudo correlation function,PCF)的无模糊捕获改进方法。首先,根据形状码向量的概念构建了BOC信号的互相关函数统一表达式,并提出了两组新的形状码向量;然后,通过接收信号与形状码向量对应的参考信号做互相关合成得到一个单峰;最后,通过单峰与自相关函数合成得到通用无模糊捕获方法。仿真实验表明,在同一条件下,新提出的捕获方法主峰能量相对于副载波相位消除法提高了23%,并且能够适用于所有类型和所有调制阶数的BOC信号,能够完全消除同步过程中自相关函数的模糊性。