非物理类理工学科大学物理课程教学基本要求(正式报告稿)

物理基础课程教学基本要求（合理论教学和实验教学部分）即将由教育部发布．本刊自本期起特设“物理基础课程教学基本要求专栏”，陆续刊登基本要求全文以及有关文章．[编者按]     

结合2D-COS和光谱融合技术的小麦淀粉回生特性定量表征

回生是淀粉加工、运输和储藏过程中的重要理化性质,快速检测淀粉回生程度对淀粉制品的品质和保质期有重要意义。为了探究二维相关光谱法(2D-COS)优选回生淀粉特征变量的可行性,研究结合2D-COS和光谱融合技术对小麦淀粉的回生特性进行定量表征。首先,将不同回生时间的小麦淀粉测定结晶度和回生度,从淀粉体系中晶体含量和对淀粉酶水解抗性的角度表征淀粉回生特性。然后,分别采集样品的近红外和中红外光谱数据,对采集的原始光谱进行Savitzky-Golay平滑和标准正态变量变换预处理后,结合偏最小二乘法分别基于近红外光谱、中红外光谱和融合光谱构建全光谱的预测模型。在此基础上,以回生天数为外部扰动,分别选取回生0, 1, 2, 3, 5, 7, 10, 14, 21和35 d的10条淀粉光谱进行2D-COS分析。通过分析同步谱和自相关谱,辨识了近红外13个和中红外11个与回生特性有关的特征波长。最后,基于这些特征波长进一步建立回生度和结晶度的预测模型。结果表明,全光谱模型结果中,光谱融合后的模型预测效果较好,结晶度模型的相对分析误差(RPD)值由1.203 4和2.069 0提高至3.980 9,回生度...     

偏振光谱多维信息的重构融合算法

针对传统光学手段难以实现复杂背景下光谱伪装目标的准确识别,同时,常规的数据融合方法易导致图像信息丢失的缺点,提出了一种基于非下采样轮廓波变换的偏振光谱多维信息融合方法。该方法结合自研的新型偏振光谱多维信息探测仪器,根据其获取的目标空间、光谱、偏振等多维信息,设计了多维信息重构算法流程,提取了偏振态基础数据斯托克斯参量以及偏振度和偏振角,利用NSCT对基础偏振参量进行图像融合,提升图像的信息含量以提高伪装物的识别准确率。先对具有相同边缘信息的图像Q和U采用NSCT分解,低通子带取均值,高通子带取最大值进行初步融合,获得偏振特征S,最后对偏振特征S、强度图像I以及偏振度DoLP进行NSCT分解,对分解所得低通子带进行区域能量加权融合;对高通子带,根据偏振特征图像具有灰度值小,受光照影响大等特点,采用LBP特征进行加权融合。同时,本方法与四类融合方法进行对比,据信息熵、标准差、平均梯度、对比度以及峰值信噪比五项指标对融合结果进行客观评价,并结合普通图像,偏振融合图像,偏振高光谱图像对目标识别精度进行对比。融合后的图像信息熵为6.998 6,标准差为45.599 8,平均梯度为19.808 6...     

基于卷积神经网络与特征融合的天气识别方法

在太阳能热水器及太阳能电池等太阳能发电领域,下雨、下雪、阴天等气候因素将严重影响发电效果,而太阳能随动系统工作也必须消耗能量,所以迅速判断当前的天气状况,并设计自适应的开关随动系统极其重要。当天气状况为阴雨或者雪天时,系统应当关闭从而减少能耗。鉴于传统的天气识别方法效率低、准确度差、计算量大的问题,在公开的天气图像基础上创建了一个具有多种类别的天气分类集,并提供了一种基于卷积神经网络与特征融合的天气图像识别技术。通过采用传统方式获取图像的颜色、纹理、形状3种特征作为整个模型的底层特征,在原本的VGG16(visual geometry group-16)模型基础上进行了改进,从而提取图像的深层特征,最后将底层特征与深层特征融合起来在Softmax上进行输出,总识别率达到94%。     

基于双通道残差密集网络的红外与可见光图像融合

为改善红外与可见光融合结果与源图像间的部分细节特征丢失问题,充分提取红外与可见光图像中的特征信息,提出了一种改进的双通道深度学习自编码网络进行红外与可见光图像融合。其中,双通道结构由密集连接和残差连接模块级联构成,并设置一种综合像素、结构相似度和梯度特征保留的损失函数,使该编码器结构可以充分提取红外与可见光图像的多层次特征,在融合层采用空间L1范数和注意力机制对级联双通道特征分别进行融合,最后设计对应的解码器对融合特征图像进行重构,获取最终的融合结果。通过与传统算法以及近年最新的深度学习算法进行实验对比,结果表明该方法在主观和客观上都具有优秀的综合性能。     

多传感器信息融合技术在水下组合导航系统中的应用

为了提高水下航行器组合导航定位的精度,采用SINS(捷联式惯性导航系统)、DVS(多普勒速度声纳)、TCM2电子磁罗经和GPS浮标组成新型水下航行器组合导航系统,分析了SINS、DVS、TCM2电子磁罗经和GPS浮标的工作原理以及建立了各自输出误差模型,利用联邦Kalman滤波对水下组合导航系统进行信息融合,建立了水下组合导航系统联邦滤波器的观测方程和量测方程,并进行了计算机软件仿真实验。仿真实验表明:使用联邦卡尔曼滤波的水下组合导航信息融合技术导航输出精度满足水下航行器高精度高可靠性的性能指标。采用了SINS,DVS,TCM2,GPS浮标以及联邦卡尔曼滤波的水下组合导航系统可以有效地提高水下航行器组合导航定位的精度和可靠性,从而增长了水下航行器水下作业时间以及提高了水下航行器的水下导航定位性能。     

多传感器融合技术在低成本车辆组合导航定位系统中的应用

采用多传感器信息融合技术，运用位置/航向的输出校正和元件参数误差的补偿校正的方法，利用一阶马尔可夫模型建立了传感器参数的误差模型，提出了基于集中卡尔曼滤波的GPS/INU车辆组合导航算法。仿真结果表明上述方法是行之有效的。     

异质传感器数据的最优线性融合

研究了异质传感器对参数矢量进行的测量，测量数据基于线性均方估计的最优融合算法。提出和证明了异质传感器数据的最优线性融合定理，并得出“精度再差的传感器参与数据融合后都有利于提高系统的测量精度”这一结论。     

一种用于分散化滤波的融合算法及其在组合导航系统中的应用

提出了一种局部估计相关时的最优融合算法，其特点是加权矩阵是对角阵，即全局估计中的各分量分别是局部估计中相应分量的线性组合，在此融合算法中局部估计是最优的，并且不存在由主滤波器向子滤波器的信息反馈，因此具有较好的客措性。给出了最优加权矩阵的存在性和唯一性的证明，并通过与现有类似融合算法的对比，表明该算法具有计算量小的优点。最后，以组合导航系统为例作了仿真计算，结果表明该融合算法是可行的。     

改进遗传人工神经网络在组合导航中的应用

鉴于常规卡尔曼滤波算法组合导航系统数据融合算法中,存在易于发散的缺陷,尝试将遗传优化人工神经网络引入组合导航系统中.针对传统遗传算法存在的易早熟、算法稳定性差、固定的交叉和变异概率影响收敛效果等缺点,采用浮点式编码方式,两两竞争的选择策略、引入突变操作、重新定义交叉算子和自适应的交叉变异算子等措施进行了遗传算法的改进.仿真结果表明,改进后的算法更为有效,并且精度与常规卡尔曼滤波算法相当.