基于图像局部特性的自适应块截短编码算法

通过考虑图像分块的局部特性,以实现一种自适应块截短编码算法.该算法无需附加信息以传送各子块编码模式,而是根据重建电平的奇偶性来识别各子块编码模式,以降低比特率.实验表明:与其他BTC算法相比,该算法在较低的比特率情况下能获得更好的图像质量.     

高功率密度光纤激光元器件传输特性测试系统

为了提高高功率密度下光纤激光元器件传输特性测量精度,采用基于光纤标准测试方法的双光路测量结构,设计了自动光功率比测量系统。对双光路系统的特点进行了理论分析和实验验证。利用固体微晶片激光器作为光源输出,建立了折射率匹配法传输特性测试仪实验装置,对掺镱双包层光纤的传输损耗特性进行了测量。实验中测得35m长掺镱双包层光纤对1064nm光的插入损耗为2.645dB,测得100组数据对应的标准偏差为0.026dB。并在不同的条件下进行了多次重复实验,重复测量误差不超过0.07dB。这一结果对于提高光纤激光元器件测试精度是有帮助的。     

红外热成像缺陷检测的形态学处理方法研究

采用形态学处理方法对所采集到的图像进行预处理,并与传统的预处理方法进行比较;同时提出了运用旋转跟踪法检测图像边缘的算法。结果显示这些方法能够有效地去噪、检测图像中的细节,定位准确、效率高。     

高功率激光阵列探测器中光强分布复原方法

根据激光大气传输特性及衍射理论,提出一种对阵列探测器中相邻探测单元测量值之间进行插值的新方法——"高斯"插值法,并且对该方法获得的远场光强分布与"马赛克"及"线性"插值方法获得的光强分布进行了比较。结果表明:当焦平面处83.9%和63.2%环围能量半径上具有相同的探测单元时,"高斯"插值方法比其他两种方法复原的光强分布更为接近原始光斑的光强分布,其中"马赛克"方法复原的光强分布与原始的光强分布相比偏差较大。另外,从光斑大小考虑,"高斯"插值法也能够较好地复原出远场的空间光强分布。     

让机器人技术走进学生社团

"智能机器人"是一门跨专业、高度综合的新兴学科,将成为世界各国知识创新的前沿阵地。自动化专业的毕业生将成为前沿阵地上的指挥官和开拓者,让他们熟悉、了解、掌握机器人技术势在必行。然而利用本科课堂的有限教学时间很难达到好的效果。因此,将机器人技术与学生社团结合,转变学生和教师的角色,利用学生的课余时间以学生为主体开展学习实践活动,能提高学生的学习兴趣,同时提高学生的动手能力、创造能力、协作能力等各方面的综合能力。     

多通道实时数字鉴相技术的FPGA实现

数字式干涉仪测向体制中的相位差信息在频域上提取,与传统的在时域提取相比能大大提高低信噪比条件下鉴相精度及对信号的适应能力。利用相位差信息的频域数字提取方法,实现了单片FPGA完成多通道相位信息的提取。与传统的计算机实现和DSP实现相比,不但提高了速度,而且设备量小,具有明显的优势。     

大规模ad hoc网络拓扑分割探测研究

针对网络中极易导致网络拓扑分割的关键节点,首先证明了关键节点的判定准则,它从本质上揭示了关键节点i的产生与两个决定性因素(邻节点度Ni以及基本回路度Mi)间的关系,指出Ni-Mi≥2是关键节点i存在的充要条件,极大地方便了关键节点的判定.在此基础之上,结合ad hoc网络具体应用背景,提出了一种分布式拓扑分割探测算法--DPDP(distributed partition detection protocol)算法.通过在局部范围内进行关键节点的探测,该算法能够有效达到网络拓扑分割探测目的.理论分析及实验结果表明:DPDP算法具有复杂度低、准确度高、开销小、扩展性好的特点,性能优于其他算法.     

城域网CWDM技术及应用

简述CWDM的基本概念和技术特点,其在成本、性能等方面的特点,使之在城域网中得以应用.通过分析城域网业务特点和发展要求,结合与DWDM技术的比较,介绍应用于城域网的CWDM技术的优势和应用方案.通过与其它传输技术相结合,使CWDM在城域网中的应用越来越广泛.     

Learning Bayesian Networks with the Combination of Evolutionary Algorithm and EMI Method

Most Bayesian network （BN） learning algorithms use EMI algorithm to deal with incomplete data. But EMI algorithm is of low efficiency due to its iterative parameter refinement, and the problem will become even worse when multiple runs of EMI algorithm are needed. Besides, EMI algorithm usually converges to local maxima, which also degrades the accuracy of EMI based BN learning algorithms. In this paper, we replace EMI algorithm used in BN learning tasks with EMI method to deal with incomplete data. EMI is a very efficient method, which estimates probability distributions directly from incomplete data rather than performs iterative refinement of parameters. Base on EMI method, we propose an effec- tive algorithm, namely EMI-EA. EMI-EA algorithm uses EMI method to estimate probability distribution over local structures in BNs, and evaluates BN structures with a variant of MDL scoring function. To avoid getting into local maxima of the search process, EMI-EA evolves BN struc- tures with an Evolutionary algorithm （EA）. The experi- mental results on Alarm, Asia and an examplar network show that EMI-EA algorithm outperforms EMI-EA for all samples and E-TPDA algorithms for small and middle size of samples in terms of accuracy. In terms of efficiency, EMI-EA is comparable with E-TPDA algorithm and much more efficient than EMI-EA algorithm. EMI-EA also out- performs EMI-EA and M-V algorithm when learning BNs with hidden variables.     

Density and Symmetric Potential Dependences of Isoscaling Behaviour in the Lattice Gas Model

Isoscaling behaviour of the statistical emission fragments from the equilibrated sources with Z=30 and N=30, 33, 36 and 39 is investigated in the framework of the isospin-dependent lattice gas model. The dependences of isoscaling parameters α on source isospin asymmetry, temperature andfreeze-out density are studied, and the `symmetry energy' is deduced from isoscaling parameters. The results show that symmetry energy C_sym is insensitive to the change of temperature but follows the power-law dependence on the freeze-out density ρ. The effect of strength of asymmetry of nucleon--nucleon interaction potential on the density dependence of the symmetry energy is discussed.