GNSS信号体制抗干扰性能分析

以干扰等效载噪比和码跟踪误差为干扰效果评估指标,对当前GPS和Galileo卫星导航信号体制受单频、带限高斯噪声和匹配谱干扰的影响程度分别进行了理论推导和仿真分析,得到信号调制方式和接收机参数设置与增强抗干扰性能的内在联系。在此基础上,将北斗卫星导航系统(BDS)信号体制与GPS和Galileo进行比较,得出BDS的B1-C可优化为CBOC(6,1,1/11)的调制组合方式、B2可设计为导频通道伪随机调制序列相同的TD-AltBOC(15,10)调制、B1-A和B3-A可分别采用TDDM-BOC_c(15,2.5)和BOC_c(15,2.5)调制的信号抗干扰性能增强建议。     

输电线路上行波故障信号的去噪及仿真

高压输电线路在传输电力时容易受到周围环境的影响,不仅可能造成生活供电的影响更有可能造成整个供电系统的瘫痪,造成人力物力上的损失。为了更好的获取纯净的输电线路上的行波故障信号,方便进一步对故障原因的研究,本文通过分析几种常见去噪方法的优缺点,选择了小波阈值去噪这种去噪方式。本论文通过对比4种不同的阈值函数的MATLAB仿真实验,选择出了输电线路上行波故障信号的最佳去噪方法。     

深度分层融合超像素分割的深度视频去噪算法

针对传统的视频去噪方法对深度视频去噪效果不理想,导致丢失轮廓信息和深度值信息的问题,本文提出一种新的深度视频分层去噪与彩色图像超像素分割相结合的深度视频去噪算法。首先获取深度视频的深度信息,根据深度值分布,将深度视频帧分层去噪,然后将去噪后的每一深度层合并为深度帧,将与深度帧相对应的彩色帧进行超像素划分,填补去除噪声后产生的深度值空白区域的深度值,去除深度视频噪声,或根据物体周边深度值,消除并填补由物体遮挡产生的干扰噪声。实验结果表明,该算法能够消除深度视频噪声,有效解决了深度视频噪声导致画面凌乱,目标物体辨识难,无关物体遮蔽深度信息,获取深度信息困难等问题,减少噪声对公共客流统计项目的干扰,具有较好的实时性和鲁棒性。该研究在公共交通客流统计项目以及医院急诊患者数量统计项目上进行了验证,具有一定的实际应用价值。     

高动态范围图像成像技术

基于高动态范围成像技术近年来的最新研究成果,从单曝光高动态范围图像重建和多曝光高动态范围重建两方面进行综述,并针对高动态范围成像研究领域面临的主要难点问题-鬼影去除问题,特别是近年来基于深度学习的鬼影去除研究成果进行了回顾总结。     

旅游助推边缘区域去边缘化的机理及过程分析 ——以海南三亚为例

边缘区域是相对于中心区域在经济、文化、政治、社会心理等方面存在边缘化现象的区域,丰富的旅游资源是边缘区域去边缘化的有利条件。旅游活动的运行,往往伴随着旅游去边缘化作用机制的发生:经济要素流动机制、文化整合机制、文化认同机制、通道机制、心理距离机制是旅游活动作用于边缘区域的5个方面。边缘区域去边缘化是一个长期、复杂的过程,旅游助推边缘区域去边缘化是随着旅游活动各个环节的开展而逐渐发生的,它伴随着旅游活动的始终,是一个不断深入、强化的过程。文章进行理论阗述后以海南三亚为重点,进行了案例分析。     

基于内容加密的安全去重算法研究

随着云存储时代的到来,越来越多的用户选择数据外包给云存储端进行存储和管理,云计算发展得到了质的飞跃。为了提高云存储效率和节约网络通信带宽,云环境下的数据加密安全去重问题成了研究热点。从机密性角度出发,对现有的数据加密安全去重算法进行比较分析和评价,并指出各安全去重算法的优势和存在的问题,最后给出基于内容加密的安全去重算法改进方案。该方案利用用户间文件级和用户内块级的不同安全策略解决传统去重算法存在的暴力破解攻击和时间开销较大等问题,并利用多级密钥来保证密钥安全性,同时减少密钥管理开销,以达到密钥管理开销和可靠性的平衡。     

一种抗噪的高精度圆形阵列靶标特征提取算法

实验发现目前普遍采用的棋盘格靶标角点提取算法对噪声十分敏感,其特征提取耗时及检测误差随着噪声均值增加而明显增大,无法满足高噪环境下的使用需求。本文使用圆点阵列取代棋盘格作为图像靶标,并设计了一种具有良好抗噪性的圆点阵列靶标的特征提取算法。该算法首先采用多级阈值对靶标图像进行二值化,然后对二值化图像序列进行连通域检测,通过矩方法对每一个连通域的形态进行分析计算,排除误检点,采用最小外接圆法优化已检圆的特征位置,最后根据靶标的尺寸信息,从所有已检圆点中,搜寻出靶标的所有特征圆。实验结果表明该算法在同等高斯噪声下特征提取误差较棋盘格小一个数量级,且常用的滤波算法在不会明显影响其特征提取精度的前提下能有效提高检测速度。     

基于小波去噪和BA-SVM的小电流接地系统故障选线方法

针对小电流接地系统的故障选线问题,提出一种基于小波去噪和BA-SVM的诊断方法。该方法将系统零序电流经过小波去噪处理得到特征值,输入SVM模型进行训练和测试,最终得到故障选线结果。针对SVM算法的参数选取问题,使用蝙蝠算法进行优化,提高算法的准确率和效率。采用Matlab仿真35 kV算例,验证该方法的有效性和实用性。     

基于RANSAC分割的点云数据K-近邻去噪算法研究

针对基于TOF深度相机的空间目标表面重建的点云源数据容易受到仪器本身、扫描环境、外界干扰等影响,而含有大量的无效点和噪声点,增加了计算负担且影响了重建质量等问题,提出了一种基于随机采样一致性背景分割的点云K 近邻去噪方法,以消除目标数据的异常值和无效点。首先,改进RANSAC算法,通过设置不同的阙值对原始点云进行背景分割,以确保准确提取待重建目标的主要特征。然后,通过K 近邻点云平均算法和双边滤波算法移除离群点,最后使用体素化网格方法实现点云大数据的下采样,简化了目标点云,保留了局部特征,加快了曲面重建速度。实验结果表明,该算法能够有效的剔除噪声点,准确率高,实时性好,满足应用的要求。