深厚松散层地面注浆压力与扩散半径确定方法

为解决深厚松散层地面注浆压力与扩散半径确定的技术难题,以郭屯煤矿主、副、风井井筒深厚松散层地面注浆为工程背景,基于现场注浆试验结果,获得了受注点注浆压力与该点静水压力比值;给出了考虑黏度时变性以及现场试验所得相关参数的深厚松散层地面注浆浆液扩散半径计算公式。研究结果表明:深厚松散层单位吸浆量随着深度的加深而减小,单位吸浆量由上部的9.69 m³/h下降至底部的7.5 m³/h;受注点注浆压力为该点静水压力的2.0～2.5倍。现场注浆试验与监测表明,按注浆试验确定的注浆压力与扩散半径的实际注浆量与设计基本吻合,且对邻近既有井筒受力变形影响较小,收到了预期效果。     

基于修正SSIM的SAR干扰效果评估方法

该文提出了一种基于修正结构相似度的合成孔径雷达干扰效果评估方法。该方法不仅巧妙地利用了结构相似度作为主客观评价的连接纽带,而且结合梯度模与人眼视觉系统多通道特性相匹配的特点,通过非线性处理得到了修正的评估指标GSSIM。仿真结果表明,GSSIM较均方误差、峰值信噪比及相关系数等传统评估指标具有明显的优势,不仅能够更好地反映出干扰对图像ROI的影响,而且能够与人类视觉系统保持高度一致,进一步提升了整套评估系统的效率和准确率。     

外太空有源假目标的运动学特性

弹道导弹突防过程中释放的有源干扰装置能够产生在能量、波形和相位调制等方面与目标回波高度逼近的假目标,这些假目标会共享雷达信号处理器的相干处理增益,使得传统的信号处理鉴别方法失效,并在数据处理层形成大量虚假航迹。该文从理论上分析了外太空有源假目标的运动学特性,推导了其在典型坐标系下的运动方程,揭示了有源假目标在运动学特性上和实体目标间的根本差异。首先,建立了统一的数学描述模型,推导了假目标在雷达站直角坐标系、雷达站球坐标系和地心坐标系下的运动方程;其次,根据运动方程分析了假目标的轨道、速度和加速度特性;最后,研究了相关因素对假目标运动学特性的影响。该文的分析结果可以为基于运动学信息鉴别有源假目标的系列方法提供理论指导。     

CO2浸渍法加工软枣猕猴桃酒的研究

以软枣猕猴桃为原料,采用CO2浸渍发酵法与传统发酵法对比进行发酵,主要对CO2浸渍发酵工艺参数、浸渍发酵期间的成分变化、软枣猕猴桃干酒感官质量的评价等方面进行系统的研究,实验结果表明:通过正交实验确定CO2浸渍法发酵的最佳条件为发酵温度20℃,接种量0.04%,最适初始pH3.2;CO2浸渍发酵法与传统发酵法比较,CO2浸渍发酵法降酸幅度比传统发酵大18.5%,pH升幅比传统发酵大0.17,乙酸乙酯和总酯含量比对照分别高出0.07g/L和0.2g/L;CO浸渍酒的香气以花香、果香为特征;传统发酵酒以生青、泥土气味为特征。      

运动目标的时分极化测量研究

运动目标极化特性的测量是极化雷达探测与目标识别等领域非常关心的基础性问题。该文针对时分极化测量雷达,建立了动目标的瞬时极化测量模型。在深入分析目标极化回波的基础上,针对互易性目标,提出了一种基于交叉极化分量相位对齐的散射矩阵校准方法。研究结果表明在一定信噪比条件下,该测量和校准方法可以有效地消除因目标运动而导致的散射矩阵两列元素去相关。     

SAR多视图像的Stokes参数的统计分布

该文首先应用散射矩阵的Wishart 联合分布推导了高斯分布散射矩阵的Stokes参数分布,利用极化不变量思想得到了全部4个Stokes参数分布相当理想的理论结果,并与前人的结果进行了对比,体现了此分析算法的简洁性与统一性,他们可以具体描述Stokes参数的起伏性。在此基础上,求出了SAR多视情况下标准化Stokes参数分布的概率密度函数,从另一方面描述了SAR多视图像的随机状态特性,这些结果对于降低斑点噪声、地表分类与背景中的目标识别具有重要的指导意义。     

干扰背景下瞬时极化测量雷达的目标识别预处理技术

该文以瞬时极化测量雷达的攻防对抗为背景,分析了单极化有源干扰机形成的假目标的极化散射特性。分析结果表明,在同样的干扰样式下,干扰机在分时极化测量雷达和瞬时极化测量雷达下生成的假目标具有不同的散射特性。在单极化有源假目标极化散射特性分析基础上,针对对抗条件下极化雷达无法准确测量目标散射矩阵的情况,提出了一种基于不完整极化测量的目标识别预处理方法。该方法能够有效获取目标三个极化散射矩阵序列,它们可以用作目标识别的稳健特征量。     

基于优先采样模型的离线强化学习

离线强化学习通过减小分布偏移实现了习得策略向行为策略的逼近, 但离线经验缓存的数据分布往往会直接影响习得策略的质量. 通过优化采样模型来改善强化学习智能体的训练效果, 提出两种离线优先采样模型: 基于时序差分误差的采样模型和基于鞅的采样模型. 基于时序差分误差的采样模型可以使智能体更多地学习值估计不准确的经验数据, 通过估计更准确的值函数来应对可能出现的分布外状态. 基于鞅的采样模型可以使智能体更多地学习对策略优化有利的正样本, 减少负样本对值函数迭代的影响. 进一步, 将所提离线优先采样模型分别与批约束深度Q学习(Batch-constrained deep Q-learning, BCQ)相结合, 提出基于时序差分误差的优先BCQ和基于鞅的优先BCQ. D4RL和Torcs数据集上的实验结果表明: 所提离线优先采样模型可以有针对性地选择有利于值函数估计或策略优化的经验数据, 获得更高的回报.     

基于自监督增强特征的直推式零样本图像分类

图像的视觉特征对实现零样本图像分类有至关重要的作用.尽管目前VGG、GoogLeNet和ResNet等网络提取的深度特征在图像分类领域获得了广泛的应用,但其在零样本图像分类问题上的表现并不理想,仍旧存在较大的提升空间.此外,由于零样本学习场景下训练集与测试集不相交的设定,导致分类网络不可避免地存在领域偏移问题.为此,提出一种基于自监督增强特征的直推式零样本图像分类框架.首先,通过辅助任务构造伪标签,利用自监督学习获得图像的自监督特征并将其与无监督深度特征进行特征融合;然后,将融合特征嵌入语义空间中进行零样本图像分类,并获得未见类的初始预测标签;最后,利用未见类特征和预测标签迭代地优化视觉-语义映射.所提出框架组件可选择,框架组件自监督网络、主干网络和降维网络分别选用CFN、VGG16和PCA构成网络.在CUB、SUN和AwA2数据集上的实验结果表明,所提出网络能够增强特征的判别能力,在零样本图像分类问题上表现良好.     

雷达目标空频域瞬态极化特性及其在几何结构反演中的应用

该文针对高分辨全极化成像雷达体制,研究了雷达目标的空频域瞬态极化特性及其在目标几何结构反演中的应用.给出了空频域瞬态极化特性的表征及获取方法,将已有瞬态极化理论拓广至空频域,并对典型散射结构的空频域瞬态极化特性进行对比分析.作为应用,提出基于空频域瞬态极化特性分析的雷达目标几何结构反演方法,该方法通过揭示空频域瞬态极化特征与散射结构类型间的对应关系,可以克服传统反演的模糊性和局限性,实现更为准确和可信的反演.基于暗室测量数据验证了该方法的有效性.