Talbot效应研究新进展

综述了对Ｔａｌｂｏｔ效应研究的进展，着重介绍了对它的新解释。     

Optimal and Suboptimal Quadriphase Sequences Derived from Maximal Length Sequences over Z _{{\bf 4}}

The paper presents families of quadriphase sequences derived from maximal length sequences over having good correlation properties. These are: (i) families of quadriphase sequences of period from maximal length sequences over ; each family consisting of sequences, (ii) families of quadriphase sequences of period from interleaved maximal length sequences over ; each family consisting of sequences. Such sequences are of interest in quadriphase modulated code division multiple access communication systems, where it is desirable to have large sets of sequences that possess low value of , the maximum magnitude of the periodic crosscorrelation and out of phase auto-correlation values. The sequences over are viewed as trace functions of appropriately chosen unit elements of Galois extension rings of . Quadriphase sequences are then obtained from sequences, by a quadriphase mapping, , from to roots of unity, given by, ; where and . Periodic correlation properties (correlation values and their distribution) of the quadriphase sequences are obtained by using an Abelian association scheme on the elements of the corresponding Galois extension ring of . The majority of the families of sequences derived are optimal with respect to the Welch lower bound on ; the rest being suboptimal with bounded by , where is the period\newpage of the sequences. However nearly half of the sequences in these families are balanced. Received July 18, 1995; revised version November 29, 1996     

核诱导距离度量的鲁棒典型相关分析

典型相关分析(canonical correlation analysis,CCA)是寻找同一对象两组变量间线性相关性的一种常用的多元统计分析方法,其采用的欧氏距离度量方式导致了算法的非鲁棒性。核诱导的距离度量不仅在理论上被证明是鲁棒的,而且在(聚类)应用上获得了有效验证。将其进一步应用于CCA,发展出了核诱导距离度量的鲁棒CCA(CCA based on kernel-induced measure,KI-CCA)。该算法不仅克服了CCA非鲁棒的不足,而且使现有基于最大相关熵的鲁棒主成分分析(half-quadratic principal component analysis,HQ-PCA)成为特例,且具有非线性相关分析的能力。一方面,核的多样性使得KI-CCA也具有多样性,从而使其成为一般性的分析算法。另一方面,与CCA刻画上的相似性,使其求解可归结为广义特征值问题。在人工数据、多特征手写体数据库(multiple feature database,MFD)和人脸数据集(Yale、AR、ORL)上的实验验证了该算法的有效性。     

手势数据驱动的头部运动合成方法

非手部手势是手语表达中不可缺少的一部分,头部运动的实现并与手势进行协同表达是其重要研究内容。对真人手语表演数据中的手势与头部动作之间的关系进行了深入研究,提取二者的动作特征,利用核典型相关分析方法(kernel canonical correlation analysis,KCCA)建立起手势与头部动作之间的预测关系模型。动画合成结果以及评价实验表明,KCCA方法能更好地刻画手势与头部动作的协调性,实现虚拟人行为动作合成的逼真性。     

脉冲噪声环境下宽带循环平稳信号DOA估计算法

针对传统二阶循环相关算法在脉冲噪声环境中的显著退化问题,本文以α稳定分布为噪声模型,提出基于分数低阶循环相关的波达方向(Direction of arrival,DOA)估计算法。利用分数低阶循环相关的相移特性,将宽带循环平稳信号的DOA估计问题转化为"中心频率"为ε的窄带问题,解决了宽带情况下DOA估计困难的问题。计算机仿真结果进一步验证了此算法的有效性,且性能优于传统SC-SSF(Spectral correlation signal subspacefitting)算法。     

一种基于相关函数法铁磁谐振波形研究

对铁磁谐振波形进行了系统的分类分级,提出了一种基于Matlab的相关函数方法,并且利用大量数据进行对比,已经得到了效果验证,经过桂林市电力电容器责任有限公司认证,具有良好的实际效果。     

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。     

汉江中下游水体重金属时空分布及污染评价

为探明汉江中下游水体中重金属的污染状况,分别于2019年6月(丰水期)和2020年1月(枯水期)在汉江中下游选取20个监测断面采集水样,监测水体中Cu、Zn、Pb、Fe、Mn、As、Se和Cd 8种重金属的含量,分析汉江中下游水体中重金属污染的时空分布特征,并对水体重金属污染状况进行评价。结果表明:汉江中下游水体重金属污染以Fe、Mn为主,其他6种重金属浓度均满足地表水Ⅱ类水标准。汉江中下游水体中Fe和Mn含量沿程波动较大,二者变化规律基本一致。Fe和Mn含量最大值在支流竹皮河,其中Fe浓度超标4.63倍,Mn超标13%;此外,位于汉川市的S17断面Fe元素含量超标3.89倍。结合历史数据分析,发现近年来汉江中下游水体重金属含量总体呈上升趋势。评价结果表明,汉江中下游大部分水体水质良好,钟祥市和汉川市是汉江中下游重金属污染相对较重的两个城市,支流竹皮河的水体重金属污染问题需引起重视。     

滦河上游植被指数NDVI及EVI对SPEI的响应差异

在全球气候变化和人类活动的双重影响下,干旱呈广发、频发态势,使植被生长受到限制,进而影响生态系统结构,威胁区域生态安全。以滦河上游为研究区,基于2000-2019年归一化植被指数NDVI和增强型植被指数EVI,并结合标准化降水蒸散指数SPEI,分析滦河上游气象干旱和植被生长状况的变化趋势及空间分布特征,探讨植被变化对多时间尺度SPEI指数的响应差异。结果表明：近20年滦河上游SPEI呈波动式增大趋势,年尺度SPEI增大速率为0.040 1/a;干旱面积总体减少,减少速率为-1.430 4％/a;NDVI和EVI空间分布特征和变化趋势大体一致,植被覆盖度呈东南高西北低的特征,NDVI和EVI增大速率分别达0.027/a和0.026/a;大部分区域SPEI与植被指数呈正相关,其中NDVI对SPEI-3的响应最强,EVI对SPEI-6的响应最强,总体上EVI与SPEI的相关性强于NDVI;草地对气象干旱最敏感,农田次之,林地最弱。     

基于上下文感知与自适应响应融合的相关滤波跟踪算法

针对当前相关滤波跟踪算法在抗背景干扰、响应融合方式以及模型更新策略上的不足,提出一种基于上下文感知与自适应响应融合的相关滤波跟踪算法.通过引入上下文感知技术,提高算法在背景杂波及遮挡等跟踪场景下的鲁棒性;通过研究HOG特征和颜色直方图特征二者响应图和响应值的特点,提出一种自适应响应融合方法,提升融合响应图的可靠性;在模型更新方面,采用了高置信度模型更新策略来减轻传统模型更新策略中模型污染及跟踪漂移的问题.实验结果表明,本文算法在OTB50数据集上达到了74.7%的跟踪精度,跟踪成功率为54.8%,均优于对比的主流相关滤波跟踪算法,并且在背景杂波、光照变化、遮挡、运动模糊等复杂跟踪场景中具有较好的跟踪精度与鲁棒性.