排序方式: 共有73条查询结果,搜索用时 31 毫秒
21.
由于空间环境中宇宙辐射无处不在,工作在空间环境的光纤系统必须考虑辐致损伤特性。建立了10GHz的射频光纤链路传输系统,分别采用单模光纤和保偏光纤作为传输媒质。利用60 Co`γ射线源,在剂量率1rad/s总剂量50krad下,对射频光纤链路进行辐照实验,对两种系统做对比分析。实验结果表明,单模光纤链路的辐致损耗绝对值较大,保偏光纤链路的辐致损耗绝对值较小;单模光纤的幂律模型指数较保偏光纤大,即同样的辐照剂量,单模光纤受影响程度大。在辐照起主要影响因素的阶段,单模光纤延时差受辐照影响程度较保偏光纤稍小。辐致损耗和辐致延时差对光纤长度都有线性累加作用。从整体水平看,50krad的辐射总剂量对两种光纤造成的损伤并不大,传输的信号仍在可用的范围之内。 相似文献
22.
基于反射光谱吸收特征勘探天然气的方法研究 总被引:1,自引:0,他引:1
反射光谱学提供了一种高效和低成本的鉴别物质成分和结构的方法;油气微渗漏理论则建立了油气藏与其上部地表的特定异常之间的因果关系。因此,可以通过检测地表异常的反射光谱来勘探油气。野外实地测量和高光谱遥感均能够实现反射光谱的检测。文章通过对青海某地区野外测量的反射光谱的分析,首先提出了典型气田区测点的光谱曲线的宏观吸收特征;然后,完成了反射光谱中的吸收特征的提取,包括吸收波段深度、位置、宽度和对称度,以此分析测区采集的样品光谱,建立了该地区的特征光谱库;提出了检测地表烃类物质的方法;最后基于线性解混模型,实现了半定量地提取测区主要蚀变矿物的丰度信息。 相似文献
23.
24.
一种新的自组织聚类网络及其在数据融合目标分类中的应用 总被引:2,自引:0,他引:2
介绍了一种新的自组织聚类人工神经网络(DIGNET)模型和网络的非监督学习算法。针对数据融合和目标识别的特点,提出了基于DIGNET的决策层数据融合目标分类方法。利用仿真数据研究了DIGNET和自组织特征映射网络(SOFM)的聚类性能以及基于DIGNET的决策层数据融合结构,实验结果表明DIGNET较SOFM正确分类率高、抗噪能力好;基于DIGNET的决策层数据融合能够有效地实现融合识别。将该数据融合方法应用于前视红外(FLIR)和可见光摄像机目标跟踪系统,结果表明该方法是可行的。 相似文献
25.
26.
提出了一种基于Lambert辐射模型的发光二极管光源阵列发射天线光照度计算模型,对室内可见光通信发射天线进行了优化设计.分析了光源的空间分布形式、光源间距、光源中心光束与系统光轴夹角以及空间分布层间距等因素对光照度均匀性的影响.通过仿真模拟和分析,得到了圆形阵列天线在照度均匀性和通信传输信号稳定性方面都优于相同光源数目的矩形阵列天线,并且提高了10%左右;同时得出了在满足室内照明情形下,发光二极管阵列发射天线照度均匀度随光源间距及光源中心光束与系统光轴夹角的增加均呈现出先增加后减小的变化趋势,因此,光源间距和光源中心光束与系统光轴夹角均存在最优值;照度均匀度随空间分布层间距的减小而增加,并给出了5 m×5 m×3 m普通房间内发射天线阵列设计参数的最优值,使发射性能得到了优化,同时节省光源数13%,降低了成本.这些研究为发射天线系统的设计提供了理论依据,具有实用价值. 相似文献
27.
28.
A novel unsupervised approach for regions of interest (ROI) extraction that combines the modified visual attention model and clustering analysis method is proposed. Then the non-uniform color image compression algorithm is followed to compress ROI and other regions with different compression ratios through the JPEG image compression algorithm. The reconstruction algorithm of the compressed image is similar to that of the JPEG algorithm. Experimental results show that the proposed method has better performance in terms of compression ratio and fidelity when comparing with other traditional approaches. 相似文献
29.
基于流形学习和空间信息的改进N-FINDR端元提取算法 总被引:3,自引:0,他引:3
光谱端元提取是对高光谱数据进一步分析的重要前提。由于双向反射分布函数(BRDF),像元内的多重散射和亚像元成分的异质性等因素,高光谱图像中的混合像元实际上是非线性光谱混合。传统的端元提取算法是以线性光谱混合模型为基础,因此提取的端元精度不高。在光谱非线性混合的基础上,提出一种将流形学习与空间信息结合的改进N-FINDR端元提取算法。首先通过自适应的局部切空间排列算法寻找嵌入在高维非线性数据空间的本质的低维结构,将原始高光谱数据非线性降维到低维空间。接着利用地物分布具有连续性的特点,通过增大空间同质区域的像元的权重进行空间预处理。最后通过寻找最大单形体体积进行端元提取。提出算法很好的解决了高光谱遥感数据非线性结构,并利用了空间信息,提高了端元提取的精度。模拟数据实验和真实高光谱遥感数据实验结果均表明,采用该算法得到的结果优于顶点成分分析(VCA) 算法、基于测地线距离的最大单形体体积(GSVM)算法和空间预处理的N-FINDR(SPPNFINDR)算法。 相似文献
30.