一种基于光纤器件的表面增强拉曼散射光谱检测系统

报道了一种基于表面增强拉曼散射(SERS)效应的结构简单、成本低的近红外拉曼光谱探测系统。该系统采用近红外半导体激光器作为激发光源。通过提高激发光源的输出背景抑制比,抑制激发光光纤传输产生的光纤拉曼信号,采用光纤型波分复用器滤除剩余激发光,利用光子计数模式的铟镓砷雪崩光电二极管作为探测器代替昂贵的近红外光电倍增管或近红外电荷耦合器件,实现了对4-胺苯并噻吩表面增强拉曼光谱的检测。该近红外光纤型检测系统具有结构简单、小型化、成本低廉以及远程检测等优势。     

基于感知加权滤波的卡尔曼滤波语音增强

结合人耳听觉掩蔽效应,提出一种基于听觉感知加权的卡尔曼滤波语音增强方法。由于人耳对语音的感知主要是通过语音信号频谱分量幅度获得的,引入听觉感知加权滤波器在频域上使共振峰区域残留噪声更多,而共振峰之间及语音幅度谱较低的区域残留噪声减少,这样符合人耳的听觉特性,从而使得主观感觉到的噪声最小。采用语音质量感知评估对语音增强的效果进行评测,与传统的卡尔曼滤波语音增强算法相比,实验结果显示该算法提高了增强语音的质量。     

基于图割的图像匹配算法

用标号表示视差,建立能量函数,把匹配问题转化为能量函数最小化问题;通过构造网络,使能量与网络的割的容量相联系;利用图的网络流理论给出能量函数的最小化,从而获得图像匹配的视差数据.与目前已有基于图割的匹配算法相比,本算法将标号从1维向量推广到2维向量,适用于更一般情形下的视觉匹配,并且在全局上获得能量函数最小.实验结果表明,所提的匹配算法准确率较高.     

FKAOS：一种面向Agent需求工程方法

面向Agent需求工程重点研究软件系统的面向Agent的抽象组织形式．本文提出一种新的面向Agent需求工程方法——FKAOS方法．该方法作为较高抽象程度的以Agent为核心的软件系统描述方法能辅助用户和系统设计人员更好地分析和设计系统需求．FKAOS方法通过引入Fuzzy Z语言，扩展经典的KAOS方法，描述多Agent系统中的非确定需求问题．FKAOS方法中的描述视图引入了KAOS方法的目标和责任视图，并添加了一些新的专门描述面向Agent的需求问题的视图和表．本文重点介绍了FKAOS方法的基本元模型概念和相关的主要视图描述模型等内容，并通过一个实例演示了FKAOS方法的实际应用过程．     

一种高阶辛时域有限差分法的研究

从电磁场方程的Hamilton函数出发,提出了一种基于辛时域积分技术的高阶时域有限差分方法.该方法对时域的离散采用了能够保证系统的相空间体积不变和总能量不变的辛格式,对于空间的离散采用中心差分格式.计算结果表明与传统的时域高阶差分方法--Runge-Kutta法比较,该方法计算速度和计算精度都有较大的提高.     

基于L1-范数的最大间距准则

在进行线性投影降维时,由于传统的最大间距准则(Maximum Margin Criterion,MMC)算法基于L2-范数,易于受到野值(outliers)及噪声的影响.该文提出一种基于L1-范数的最大间距准则(L1-norm-based MMC,MMC-L1)降维方法,它充分利用L1-范数对野值及噪声的强鲁棒性以及最大间距准则,提出了一种快速迭代优化算法,并给出了其单调收敛到局部最优的证明.在多个图像数据库上的实验验证了该方法的鲁棒性与高效性.     

基于多重核的稀疏表示分类

稀疏表示分类（SRC）及核方法在模式识别的很多问题中都得到了成功的运用.为了提高其分类精度,提出多重核稀疏表示及其分类（MKSRC）方法.提出一种快速求解稀疏系数的优化迭代方法并给出了其收敛到全局最优解的证明.对于多重核的权重给出了两种自动更新方式并进行了分析与比较.在不同的人脸图像库上的分类实验显示了所提出的多重核稀疏表示分类的优越性.     

我国STNL-CD用液晶材料的研究和应用前景

超扭曲液晶显示材料的混配技术和液晶化全物的合成是近几年来国内研究的重要课题。本文综述了国内超扭曲液晶显示材料中所用单晶化合物、手性添加剂和取向剂的合成进展情况,并阐述了超扭曲液晶在显示领域中的应用前景。     

高压LDMOS I—V特性宏模型的建立

目前LDMOS已经广泛应用于功率集成电路和微波集成电路中,建立LDMOS的SPICE等效电路变得很重要。以往的模型都是将LDMOS分为线性区和饱和区两段来分析,公式复杂而且计算量大。因此在数值模拟的基础上提出了全导通区域的伏安特性方程,建立了LDMOSI-V特性的宏模型。该模型的特点是参数少,易于提取,得到的SPICE等效电路简单,仿真容易收敛。     

基于支持向量机的极化SAR图像分类

极化合成孔径雷达可以同时得到地面场景在不同极化组合下的雷达图像,极大地丰富了获取的地物目标信息量。针对极化SAR图像特征提取和目标分类的困难,由4种基本极化组成样本向量,运用基于统计学习理论的支持向量机以及不同的核函数设计分类器,提出了一种新的极化SAR图像分类算法,并对实测极化SAR数据进行分类实验。结果表明,将支持向量机分类器应用于极化SAR图像分类中是可行和有效的,并且通过选择适当的惩罚系数,可以进一步提高分类效果。