稀疏脉冲反演技术在井间地震反演中的应用

将传统的波阻抗反演技术应用于井间地震资料反演时，存在着方法适用的域和资料的域不同，井间地震资料的频带比地震资料的频带宽以及频率比地震资料频率高，多对井间地震资料拼接等问题。为此，在胜利油田K71井区，探讨了利用传统波阻抗反演技术（稀疏脉冲反演）进行井间地震资料波阻抗反演的一些技术问题，并用利11对井间地震资料进行了波阻抗反演，获得了较好的反演结果，在井间地震资料反演中，采用匹配滤波方的井间地震资料转换到时间域；利用高分辨率地面三维地震资料，采用统计方法提取反演子波，子波的波形和相位较稳定，频带宽；对测井资料进行标准化处理，在反演的波阻抗剖面上砂体的空间展布形态清晰，对储层的描述更精细；利用时深转换模型，将时间域的波阻抗剖面转换到深度域，直接与测井资料进行对比分析，对储层的描述更直观可靠。     

求解大型线性稀疏方程组的中心线法

本文对熊西文教授于１９８６年提出的求解大型线性稀疏方程组的中心线法做了部分改进，给出了算法的收敛性证明和部分数值实验的结果。     

西电应用数学系在优化理论与应用研究方面的进展情况

本文系统地论述了本校应用数学系在优化理论与应用研究中十个方面的进展情况．     

OPNET环境下的PIM—SM组播路由协议仿真

IPv6组播技术作为下一代互联网的核心技术之一,相对于IPv4组播技术具有更大的优越性。文章首先对PIM-SM组播协议在IPv6上实现PIM-SM涉及的问题进行了论述,然后在OPNET网络仿真模型中实现了对IPv6和IPv4混合网络场景的配置,进行组播的仿真实验比较单播与组播网络的性能,系统地分析了PIM-SM协议在OPNET中的实现。     

自适应回声对消的初期迭代统计学模型及改进算法

为减少滤波器长度,提出自适应滤波算法初期迭代统计学模型及改进的回声消除算法。提出的统计学模型分析了自适应算法迭代初期滤波器各系数的均值和方差。基于该模型提出的改进算法,先检测回声路径峰值,进而确定回声路径延时,然后以延时为中心,用一个短的滤波器辨识原回声路径活跃系数部分。用实际回声路径进行仿真,理论和实验结果均表明,新算法在迭代的前75～100步已可准确检测回声路径峰值并确定延时;而减少滤波器长度,可大幅提高自适应算法收敛速度并降低算法计算复杂度。     

一种新的码片内多径时延估计方法

根据信道冲激响应的稀疏特性,提出了一种频域的时延估计压缩感知模型,将时延估计问题转化为基于欠采样数据的稀疏向量估计问题.利用离散傅里叶变换(Discrete Fourier transform,DFT)矩阵的子矩阵所满足的受限等距性(Restricted isometry property,RIP)以及信道冲激响应的稀疏特性充分降低了时延估计所需数据量的要求.分析了本文模型具有码片内多径分辨能力以及良好抗噪性能的原因,并与多信号分类(Multiple signal classification,MUSIC)和旋转不变技术的信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法的时延估计性能进行仿真比较.仿真结果表明,本文提出的方法不需要预知多径的条数,对码片内多径时延具有较高的估计精度,其时延估计性能在特定条件下优于MUSIC和ESPRIT算法.     

稀疏差分网络和多监督哈希用于高效图像检索

针对基于深度哈希的图像检索中卷积神经网络（CNN）特征提取效率较低和特征相关性利用不充分的问题,提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH（sparse difference networks and multi-supervised hashing）,并将其用于高效图像检索。SDNMSH以成对的图像作为训练输入,通过精心设计的稀疏差分卷积神经网络和一个监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。稀疏差分卷积层能够快速提取丰富的特征信息,从而实现整个网络的高效特征提取。同时,为了更加充分地利用语义信息和特征的成对相关性,以促进网络提取的特征信息能够更加有效地转换为具有区分性的哈希码、进而实现SDNMSH的高效图像检索,采用一种多监督哈希（MSH）函数,并为此设计了一个目标函数。在MNIST、CIFAR-10和NUS-WIDE三个广泛使用的数据集上进行了大量的对比实验,实验结果表明,与其他先进的深度哈希方法相比,SDNMSH取得了较好的检索性能。     

基于压缩感知的无线传感器网络的数据编码

近年来,基于压缩感知的无线传感器网络数据编码的研究取得了一定的进展,但大部分研究是基于"单跳"的传输模型或者没有考虑网络内节点之间的合作。本文提出了一种基于压缩感知和分簇的传感器网络数据编码方法。首先,节点根据自己的编号伪随机的产生一个M维的列向量,把感知的数据xi投影到此向量上,然后把自己的编号和投影的数据一同传输给簇头。簇头把收到的数据进行求和,并且把计算后的结果传送给下一个簇头,直到sink节点。通过仿真实验和理论分析,验证了本文提出的方法比传统的方法能更好地减少网络内数据传输量。