激光诱导击穿光谱技术实时检测蔷薇属植物北大核心CSCD

玫瑰、蔷薇和月季三种花同属于蔷薇属植物,这三种花外貌相似,极易混淆。蔷薇属植物具有重要的观赏价值、药用价值等,因此快速鉴别蔷薇属植物具有重要意义。利用激光诱导击穿光谱(LIBS)技术对三种花进行原位在线检测,可以识别三种花中的主要元素。通过植物中所含元素的差异以及同一元素对应谱线的相对强度的差异,可以辨别玫瑰、蔷薇和月季。此外,在蔷薇属植物光谱中还可以探测到CN自由基,利用LIFBASE软件模拟光谱中的CN,计算CN的振动温度和转动温度,得到的参数可以视为实验参数。在对比分析三种不同花的激光诱导击穿光谱后,选择强度差异显著的特征谱线作为变量,结合广义回归神经网络(GRNN)对花属进行预测,正确率可达93.3%。     

一种基于广义协方差矩阵的欠定盲辨识方法

针对欠定盲源分离模型中的混合矩阵估计问题,研究了一种基于广义协方差矩阵的欠定盲辨识方法。该方法利用观测信号采样数据的广义协方差矩阵性质,将构建的一系列模型函数堆叠为一个张量模型,进而将欠定的混合矩阵辨识转换为张量分解模型中秩一分量的估计。理论分析和仿真结果表明,基于广义协方差矩阵的欠定盲辨识方法比经典的基于二阶协方差矩阵和基于四阶累积量的欠定盲辨识方法具有优越的性能。     

广义AND/OR图的自底向上的启发式搜索算法BFA0

本文首先根据三角模及其扩张运算概念,定义了一类新的更具普遍意义的模糊广义AND/OR图。根据新定义的启发式函数h(n,x)以及模糊广义AND/OR图的最佳解树之所有子树亦是最佳子解树的原理,提出了自底向上的启发式搜索算法BFAO·。文中证明了算法BFAO·的可采纳性。本文还提出了两类新的启发式函数的单调限制概念,并据此研究了算法BFAO·的单调限制性质,研究了两个BFAO·算法间的比较性质。     

闪电通道重构的时间反转和多重信号分类技术

近年来,连续宽带阵列信号处理算法在闪电甚高频(VHF)定位领域取得一系列突破性进展,展现出相对于传统广义互相关闪电定位算法的明显优势,可实现对闪电通道高精度、高分辨反演重建,促进对闪电小尺度精细特征的科学研究。文章梳理了宽带甚高频阵列技术在闪电辐射源定位领域的国内外研究进展和应用情况,详细阐述了宽带甚高频阵列时间反转(TR)和多重信号分类(MUSIC)算法的原理和实现步骤,对比分析了两种算法的定位精度、空间分辨率以及抗干扰能力。针对实际观测应用中面临的问题,对一些可能的研究方向进行了展望,供广大研究人员参考借鉴。     

用于视频监控的特定声实时定位系统

设计了一种用于视频监控的具有较强抗干扰能力的特定声定位实时系统。本系统利用广义互相关算法(GCC)估计声音到达2个传声器的时间差(TDoA),以此计算声源的方向角。本系统具有特定声检测功能,只有特定声出现时才输出定位结果,提高了系统的抗干扰能力。实验证明,该系统能够实时地对枪声进行定位,当枪声在±30°范围的时候,室内测试的定位误差在±3°以内;室外测试定位误差在±5°以内。     

基于独立分量分析的多分辨率遥感图像融合算法

研究了目前常用的遥感图像融合方法,提出了基于独立分量分析的多分辨率遥感图像融合方法,分析了用于独立分量分析的目标函数（如峭度、近似负熵和互信息）,给出了独立分量分析的优化快速算法,并详细描述了提取源信息独立分量的具体步骤。最后,将独立分量分析法应用于高分辨率光学图像和低分辨率光学图像的融合,与采用主分量分析法融合的图像相比,图像质量得到很大的提高。     

基于线性动态模型的雷达高分辨距离像小样本目标识别方法

为了解决雷达高分辨距离像识别系统对训练样本需求量过大的问题,该文提出一种基于线性动态模型的小样本目标识别方法。首先分析了距离像频谱的统计特性,然后从其广义平稳性出发,使用线性动态模型对距离像频谱幅度建模,并用期望最大化算法估计模型参数。实测数据的实验结果表明：即使在很少的训练样本条件下,该方法仍能获得较高的正确识别率和良好的拒判性能。     

含B闪锌矿三元系半导体BxIn1-xP和BxGa1-xP带隙理论预测

利用第一性原理计算方法,用广义梯度近似 (GGA) 处理电子之间的交换关联能,计算了BxIn1-xP,BxGa1-xP的带隙结构.BxIn1-xP的带隙弯曲参数b _Eg (Γ)=4.32eV,b_Eg(X) =1.8eV,它从直接带隙转变为间接带隙时B的含量为0.47;在小量B的掺入下,可使BxIn1-xP的带隙变小,在x=0.15时带隙达到最小值1.33eV.BxGa1-xP的带隙弯曲参数b_Eg(Γ)=1.37eV,b _Eg(X)=2.46eV,在整个组分内是间接带隙.BxIn1-x-P,BxGa1-xP有较大的带隙弯曲参数,是由于组成它们的二元系之间存在较大的晶格失配.     

基于信号子空间的广义回归神经网络频率估计

对淹没在噪声中的载波信号的频率估计可以通过对信号协相关矩阵求取特征向量,分离出信号子空间和噪声子空间,并可基于信号子空间找到与之线性相关,或者基于噪声子空间找到与之正交的载波信号。但要使这两个子空间的矢量函数在某个频率点上得到波峰,仅仅利用噪声子空间的算法,如MUSIC往往需要对一段较大频率范围的频域进行细致搜索,既耗费了大量的时间又会因为搜索步长的选取而造成对识别精度的影响。本文提出一种基于信号子空间的广义回归神经网络频率估计算法,利用广义回归神经网络其极强的非线型拟合和并行计算特性在信号子空间矢量与频率点之间建立良好的非线型映射关系,以达不失估计精度而又提高估计速度的目的。     

一种基于误差系统稳定性的混沌广义同步方法

该文在将混沌系统分为线性与非线性两部分的基础上,利用反馈控制及参数变换,提出了一种新的混沌广义同步方法。该方法基于线性变换,把系统广义同步问题转化为同步误差系统的稳定性问题,并给出了广义同步存在的条件。该方法可以通过配置同步速度,改善混沌广义同步的性能。且不受混沌系统线性部分稳定性的限制,扩大了混沌广义同步的通用性。通过对Lorenz系统进行仿真,结果表明该方法具有很好的适用性。