基于最小二乘法的空间坐标转换的非迭代算法

利用最小二乘法讨论三维空间的坐标转换问题,先对已知数据进行中心化处理使得坐标转换化为向量形式的最小二乘线性拟合问题,进而化为矩阵形式的最小二乘问题,最后得到法方程以及最小二乘解.如果已知数据量大且维数高,可通过奇异值分解确定相应的转换参数.和现有方法比较,方法的拟合过程不需迭代,简单易行.算例结果表明,拟合结果和原文数据吻合较好.     

分裂的正则Hom-Leibniz-Rinehart代数

作为Hom-Leibniz代数胚的代数类比, 本文引入Hom-Leibniz-Rinehart代数的概念. 证明了分裂的正则Hom-Leibniz-Rinehart代数$L$写成$L=U+\sum_{\gamma}I_\gamma$, 其中$U$为极大交换子代数$H$的子空间和$I_\gamma$为$L$的理想, 若$[\gamma]\neq[d]$, 满足$[I_\gamma, I_d]=0$. 随后分别发展了分裂Hom-Leibniz-Rinehart代数的根和权的连通技术.最后研究了紧致的正则Hom-Leibniz-Rinehart代数的结构.     

关于B-凸空间及其上黎斯算子West分解

给出 Ｂａｎａｃｈ空间列｛Ｘｉ｝ｉ＝１∞的 ｌｐ乘积Ｂ－凸的特征刻划, 证明Ｂ－凸空间上的每个黎斯算子可Ｗｅｓｔ分解,即分解成一个紧算子和一个拟幂 零算子的和．     

空分复用弹性光网络多链路故障快速识别研究

随着空分复用弹性光网络规模的不断扩大,链路故障发生率持续增加,提出空分复用弹性光网络多链路故障快速识别方法。利用小波包分解方法将空分复用弹性光网络多链路信号分为高频和低频部分,使用Mallat算法快速重构链路信号,提取小波包能量谱特征和故障复合特征。根据特征提取结果采用改进贝叶斯算法对多链路故障进行定位,将定位结果输入到BP网络模式分类器中,完成多链路故障快速识别。实验结果表明,所提方法的故障定位时间最低仅为3.21 s,故障识别成功率在96%以上,故障误识率变化相对稳定,综合性能较为优越。     

基于SURF-HOG与显著性特征的红外可见光图像配准融合北大核心CSCD

针对现有红外与可见光图像配准不精确,边缘及细节纹理缺失,融合时间较长,不能突出重点目标等不足,提出一种基于SURF-HOG描述符与红外显著性特征的红外与可见光图像融合方法。首先,在红外与可见光图像配准阶段,在SURF(Speed-Up Robust Features,SURF)框架内构建基于HOG(Histogram of Oriented Gradient,HOG)的特征点描述符,并通过NNDR(Nearest Neighbor Distance Ratio,NNDR)进行红外与可见光图像的特征点匹配;其次,在显著特征提取阶段,先通过四叉树算法对源红外图像分解,然后通过贝塞尔插值法重建红外图像背景,接着分别对红外图像中的背景及目标进行自适应抑制以提取目标红外显著性特征;最后,结合已配准的可见光图像与重建后的红外图像以获取最终融合结果。实验结果表明,所提方法对不同场景下的红外与可见光图像具有较高的配准精度,不同场景下的融合结果不但主观视觉上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间最短,并且在客观评价指标上也取得了较好的效果。     

基于双引导滤波的红外和可见光图像融合算法

图像融合是将多幅图像中有用或互补信息整合成一幅图像的过程。本文提出了一种基于引导滤波多尺度分解的红外和可见光图像融合算法。在传统的引导滤波图像融合算法的基础之上,利用双引导滤波器代替均值滤波器将源图像分解为小尺度纹理细节、大尺度边缘和基础图像;直接利用纹理细节及边缘层图像构建显著性映射图,用其代替额外的特征提取操作,可很好地突出源图像显著性信息的同时大大降低算法复杂度;利用显著性映射图、Sigmoid函数构造权重图,将源图像中具有视觉意义的信息注入到融合图像中;利用色彩模型转换融合方式,可更好保留图像的色彩信息。定性和定量实验结果证明,相比于传统的基于引导滤波的图像融合算法,本文算法的融合效果得到进一步提升。     

基于MELMD-ICA的光纤振动信号降噪方法

针对分布式光纤传感系统所采集含噪信号,提出一种改进集成局部均值分解(MELMD)联合独立成分分析(ICA)的降噪方法,引入排列熵判决机制提高抑制模态混叠与虚假分量能力。首先使用MELMD方法分解含噪信号得到乘积函数(PF)并进行信号重构;将含噪信号和重构信号求差得到虚拟噪声,构造虚拟通道;然后使用ICA对含噪信号和虚拟通道进行信噪分离,得到最终结果。通过实验验证,该方法与EMD-ICA,EEMD-ICA,MELMD相比,能更好地消除信号中的噪声,保留信号的特征信息。     

FMQL45T900平台千兆以太网三层交换功能实现

随着以太网通信技术的发展,局域网子网间的通信业务增长迅速,而适用于子网间数据通信的传统路由器因为其转发速度慢、用户配置复杂等缺点,难以满足当前大量跨子网以及虚拟局域网之间通信数据量的需求。基于片上系统(System-on-Chip, SoC)平台FMQL45T900型号的FPGA芯片,采用VHDL硬件描述语言,自主研发了12端口的千兆以太网三层交换功能,并已在相应的硬件平台上进行了功能验证和性能测试。实验结果表明,基于固定长度链表的哈希查找方式实现简单、查找高效、复杂度低,该研究成果可在某些需要进行数据灵活交换的特殊的场景下进行应用。     

云计算环境下的QR码双重加密复合数字水印算法

为了确保上传到“云”端环境下的数字产品的隐蔽性和安全性,在逐渐向“云”端转移的快速响应(Quick Response, QR)码的理论基础上研究并提出了一种QR码双重加密复合数字水印算法,防止QR码“云”端丢失的可能性。对“云”水印图像进行QR码编码生成QR码水印图像,确保水印信息的安全性,再对QR码水印信息实施加密置乱;对“云”上载体Lena图像进行非下采样轮廓波变换(Non-subsampled Contourlet Transform, NSCT),选择储存信息更多的低频部分进行离散小波变换(Discrete Wavelet Transform, DWT),对图像抵抗力较强的低频图像进行奇异值分解(Singular Value Decomposition, SVD),在分解的奇异值中加权加密的QR码水印。通过对算法进行实验验证,该算法在视觉效果较好的前提下,考虑实用性,将复合算法和加密相结合,提高了算法的抵抗力,尤其是旋转攻击和JPEG压缩攻击。     

基于BEMD和KELM的路面病害检测算法

受外界环境以及道路材料本身影响,路面会出现破损。尽管裂缝是路面破损的首要表现形式,但是其他类型病害仍然占重要比重。针对传统路面病害检测算法对常见线性裂缝分类准确度较高但对车辙、松散等复杂病害识别效果一般且适应性较差的问题,提出一种基于二维经验模态分解（BEMD）与核极限学习机（KELM）相结合的复杂路面病害识别方法。该方法首先采用二维经验模态分解对路面病害图像进行筛分,然后结合主成分分析法对分解后得到的固有模态分量进行降维,最后将上述得到的新特征输入到核极限学习机中进行训练。实验结果表明该算法对复杂病害有较高的识别率,其中松散病害识别率为95.6%,车辙病害识别率为92.1%,坑洼病害识别率为96.9%,网状裂缝识别率为97.3%,与传统脉冲耦合卷积神经网络相比,该算法提高了约9.85%。