面向植被边坡的地基SAR高相干点选择

基于高相干点进行相位分析,才能有效保证地基SAR（Synthetic Aperture Radar,合成孔径雷达）形变测量的准确性。在差分干涉测量领域中,广泛使用幅度离差法,可以有效地选择出岩石、建筑物等PS（Permanent Scatterer,永久散射体）点作为高相干点,但对于植被边坡,采用该方法选择出高相干点数量较少,不利于差分干涉处理。在星载SAR领域,普遍采用StaMPS方法解决植被边坡的高相干点选择问题。本文探索了StaMPS方法在地基SAR领域的适用性,提出采用非PS点来计算相干系数门限,并引入DS（Distributed Scatterer,分布式散射体）选择技术,进一步提高了高相干点的数量。对一处植被边坡的实验结果表明,相比于幅度离差法和StaMPS方法,改进方法在提高高相干点数量的同时,有效保证了其相位质量。      

基于超像素级卷积神经网络的多聚焦图像融合算法

该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法。该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理,并根据所得的最终决策图融合图像。该文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果。     

结合特征扰动与分配策略的集成辅助多目标优化算法

代理模型利用近似预测代替算法对多目标优化问题的真实评价,大幅减少了算法寻优所需的真实适应度评估次数。为提高代理模型在求解高维问题时的准确性并降低计算开销,提出一种基于特征扰动与分配策略的集成辅助多目标优化算法。将径向基函数网络代理模型与支持向量机回归代理模型作为集成过程中的基模型,降低算法在高维问题上的计算开销。结合特征扰动与基于记忆的影响因子分配策略构建集成代理模型,提高集成准确性。使用集成预测值与不确定信息加权辅助管理集成代理模型,平衡全局搜索与局部探索,增强算法在目标空间中的寻优能力。实验结果表明,该算法在ZDT1~ZDT3和ZDT6测试问题上所得解集的分布性与收敛性相比经典算法更好,并且当决策变量维数增加时,使用集成代理模型相比于Kriging代理模型约减少了90%的适应度评估次数,同时可获得更准确的预测结果。     

泡沫铝三明治板的研究与应用进展

泡沫铝三明治板(Aluminum foam sandwich,AFS)是基于泡沫铝材料开发的一类材料-结构一体化的先进多孔复合结构。AFS是交通运输、建筑以及航空航天等装备结构轻量化的重要材料,具有广阔的应用前景。概述了AFS的几类制备技术的基本原理和研究现状,着重分析了复合预制体制备、合金成分、AFS发泡成型工艺等关键环节中存在的理论和技术难点。介绍了AFS作为结构材料和功能材料的典型应用案例;最后总结提出了AFS材料研究和工程化技术开发的关键点与突破途径。     

钢铁企业能源中心系统设计

在钢铁企业生产过程中,能源的稳定供给是保证正常生产的必备条件之一.如何高效、合理利用能源,已成为当今钢铁企业必须面对和亟待解决的战略问题.为了加强对钢铁企业复杂多样的能源介质和能源设施的综合管理,以国内某大型钢铁联合企业为背景,针对该企业能源管理分散和调度系统独立等问题,从系统总体结构和系统主要功能等方面介绍了能源中心...     

一种实用的温度测控系统设计

为了克服单回路温度测控系统只能测量和控制被控对象某一区域一点的温度而出现的问题,采用以单片机为核心的独立双回路温度测控方法,实现对被控对象某一区域两点的温度同时测量、同时显示、同时控制.实践证明,该系统能了解整个被控对象的温度状况,准确实现对温度的调节.     

两种气象应用分析技术的软件算法研究与实现

以气象水文信息显示系统软件开发为背景,针对风场流线分析与显示和温度对数压力图绘制功能的实现,提出了流线分析算法和温度对数压力图的不稳定能量区分析算法.流线分析算法从流线的基本概念出发,结合其物理连续分布的特征,基于风场格点u/v分量数据直接"跟踪"获得流线,并对过密、过短等情况进行了处理.温度对数压力图的不稳定能量区分析算法利用温压曲线与状态曲线的单调性,分段处理温压曲线与状态曲线的位置关系进行不稳定能量区分析.实际使用结果表明,2种算法均具有良好的显示效果和较高的处理效率.     

基于多传感器数据融合的智能小车避障的研究

针对智能小车避障问题,提出了一种将模糊逻辑和神经网络相结合的融合方法—Takagi-Sugeno(T-S)模糊神经网络方法。基于此方法的数据融合算法应用在智能小车避障运动中,采用多只超声波传感器和红外线传感器探测障碍物的距离和方向,采集的各种数据利用T-S模糊神经网络进行融合。通过实验仿真表明:此方法能够使智能小车对障碍物的灵活避障和导航行进。     

水下定位系统传感器安装误差标定技术研究

提出了一种基于非线性参数估计的水下定位系统传感器安装误差标定技术.水下定位系统由声学传感器,GPS和船体姿态传感器组成,各传感器的坐标系并不能完全重合,需要对传感器之间的误差标定后进行修正才能够获得高精度的定位效果.已有的标定方法多基于高斯-牛顿迭代法,而当非线性系统模型线性化带来较大误差时,常规的基于高斯-牛顿迭代法的标定方法已无法达到高精度的要求,而非线性模型参数估的直接解法则掺人了三阶量,有效减小线性化的模型误差,提高了各传感器安装误差的标定精度.海试数据处理表明:定位精度可由1 m提高到0.7 m.     

组合测试数据生成的交叉熵与粒子群算法及比较

测试数据生成是组合测试的一个关键问题.文中提出以数理统计为基础的交叉熵方法和以仿生学为基础的粒子群优化算法来生成两两组合测试数据,交叉熵方法采用最优选择概率产生测试数据,而粒子群算法则在可行解空间中搜索具有最优适应值的测试数据.文章给出了交叉熵方法最优选择概率的理论推导,并对两种算法所生成的测试数据集进行约简.将两种算法和现有的贪心方法、代数方法及其它启发式搜索方法进行比较,实验表明交叉熵方法和粒子群算法具有一定的优势和特点.