探空湿度测量太阳辐射误差修正流体动力学研究

针对太阳辐射加热导致的误差显著限制了相对湿度测量的准确度,提出一种新颖的相对湿度误差修正方法—–基于流体动力学的数值分析法.在流体-固体耦合传热数值模拟分析中考虑探空湿度传感器的外部热环境情况,施加对流-太阳辐射耦合热边界条件,建立了地面到32 km高空不同气压和温度条件下探空湿度传感器的温度误差分析模型.结合Goff-Gratch饱和水汽压逼近公式,进而提出了相应的相对湿度误差流体动力学数值分析模型,并且着重研究了太阳辐射方向、传感器尺寸、反射率和衬底材料热导率等物理参数对相对湿度误差的影响.分析数值仿真结果表明:随着海拨的升高,其与太阳辐射加热引起的相对湿度误差之间存在非线性的单调递增关系;太阳辐射方向对于湿度测量精度的影响显著,当太阳辐射方向垂直于传感器正面时误差最大、传感器顶部时次之、侧面时误差最小;虽然通过减小探空湿度传感器的尺寸、降低衬底材料的热导率以及提高反射率均可以一定程度地降低太阳辐射加热引起的相对湿度误差,但是在低气压高空条件下,太阳辐射加热误差对于湿度准确性的影响仍然十分明显,需加以修正.与实验结果对比表明,基于流体动力学模拟仿真的相对湿度误差数值分析法为辐射误差修正提供了一种新的途径.     

局部紧的Vilenkin群上的加权局部Hardy空间

该文给出了Vilenkin群上加权局部Hardy空间的定义,它的原子分解及对偶性质,并且研究了一类卷积算子在其上的有界性．     

基于特征重聚焦网络的多尺度近岸舰船检测

针对监控视频中的多尺度近岸舰船检测问题,提出了一种基于特征重聚焦网络的舰船目标检测算法,设计了由多维特征聚合模块(MFAM)与注意力特征重构模块(AFRM)组成的特征重聚焦策略.其中,MFAM基于输入的特征金字塔构建特征聚合块,进一步融合多尺度舰船不同层次特征的语义信息.AFRM基于多分支空洞卷积以及通道与空间注意力机制提升网络对目标非局部信息的表征和对背景干扰的抑制,并构建了用于目标检测的特征重聚焦金字塔.在Seaships7000舰船公开数据集上的实验结果表明,相比其他算法,本算法对监控视频中多尺度近岸舰船的检测效果更好.     

基于Faster-RCNN和Level-Set的桥小脑角区肿瘤自动精准分割

桥小脑角区（CPA）肿瘤的精准分割在手术治疗、放疗中有重要影响,本文结合更快速区域卷积神经网络（Faster-RCNN）和水平集（Level-Set）方法对CPA肿瘤的自动分割进行了研究.首先,采集317名CPA肿瘤患者的T₁WI-SE序列磁共振图像,使用基于Faster-RCNN主干网络VGG16提取特征,结合区域建议网络（RPN）进行学习训练,建立带有CPA肿瘤位置信息的定位模型,再应用Level-Set对肿瘤进行精准分割.本文对比了不同CPA肿瘤区域勾画范围对分割结果产生的影响,并以精确率、召回率、均值平均精度值（mAP）和戴斯系数（Dice系数）等指标评估了模型定位和分割的性能.实验结果表明,结合Faster-RCNN和Level-Set建立的模型能更有效对CPA肿瘤进行精准分割,减轻临床医生的负担,并提升治疗效果.     

一种基于图像融合和卷积神经网络的相位恢复方法

相位恢复法利用光波传输中某一(或某些)截面上的光强分布来传感系统波前,其结构简单,不易受震动及环境干扰,被广泛应用于光学遥感和像差检测等领域.传统相位恢复法采用迭代计算,很难满足实时性要求,且在一定程度上依赖于迭代转换或迭代优化初值.为克服上述问题,本文提出了一种基于卷积神经网络的相位恢复方法,该方法采用基于小波变换的图像融合技术对焦面和离焦面图像进行融合处理,可在不损失图像信息的同时简化卷积神经网络的输入.网络模型训练完成后可依据输入的融合图像直接输出表征波前相位的4-9阶Zernike系数,且波前传感精度均方根(root-mean-square,RMS)可达0.015λ,λ=632.8 nm.研究了噪声、离焦量误差和图像采样分辨率等因素对波前传感精度的影响,验证了该方法对噪声具有一定鲁棒性,相对离焦量误差在7.5%内时,波前传感精度RMS仍可达0.05λ,且随着图像采样分辨率的提升,波前传感精度有所改善,但训练时间成本随之增加.此外,分析了实际应用中,当系统像差阶数与网络训练阶数略有差异时,本方法所能实现的传感精度,并给出了解决方案.     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类,从而判断焊接质量的等级,对传统卷积神经网络进行改进,提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率,并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响,采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理,并在该数据集上验证模型的有效性。与传统卷积神经网络相比,该模型具有良好的性能,在测试集上准确率达到96.77%,同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。     

使用稀疏贝叶斯学习的水声多途信道盲估计

提出了一种使用稀疏贝叶斯学习(SBL)的多途信号盲解卷积方法对水声多途信道的信道脉冲响应(CIR)进行盲估计。该方法利用垂直阵和多频SBL获得宽带舰船声源在不同垂直到达角上的复数域多频点信号,取其相位对垂直阵接收信号匹配滤波,得到每条路径上的CIR,将多路径CIR相干叠加得到最终的多途CIR结果。仿真与海试数据处理结果表明,相比于原有的基于交替投影的多途信号盲解卷积方法,所提出方法有以下几个好处:(1)无需准确预估多途信号数目;(2)分离的多途信号的方位更准确且信号相位更可靠;(3)有效获取了舰船与阵列之间的CIR.并且将弱路径CIR的平均时间估计误差从4.7 ms缩小到1.0 ms.显著提高了弱路径CIR的时间估计精度。使用稀疏贝叶斯学习的多途信号盲解卷积方法能够有效提高多途环境下水声信道盲估计的性能。     

基于卷积神经网络气动力降阶模型的翼型优化方法

针对非线性大扰动翼型气动力优化问题,提出了基于卷积神经网络气动力降阶模型的优化方法.该方法用不同形状参数下翼型的气动力数据作为训练信号,训练卷积神经网络翼型气动力降阶模型.采用该气动力降阶模型,以最大升阻比为目标,对翼型进行优化,结果表明该方法可用于大扰动下翼型气动力的预测和优化.该文同时还讨论了池化法和径向基法的训练...     

基于DCSBM模型的受访者驱动抽样调查估计量改进

大数据背景下,将受访者驱动抽样(RDS)用于网络抽样调查,解决了传统抽样调查难以获得可用抽样框、难以接触被调查者以及难以获得回答等问题,也使得网络调查可以实现概率抽样,得到一定误差范围内的总体参数估计.然而,在实际抽样过程中,同质性问题(即样本单元在推荐同伴时倾向于推荐那些与自己有相同属性的同伴)会导致RDS估计量的方...     

调和映照的星象半径

基于对单叶调和函数系数估计的猜想,对定义在单位圆盘上的调和映照类的星象半径进行研究.首先研究系数在满足一定条件下的调和映照类的星象半径,得到其精确的估计,其次研究两类调和函数的卷积的星象半径,所得到的结论也是精确的.