A Space-Time Polynomial Collocation Method for Solving 3D Burgers Equations北大核心CSCD

Burgers方程是一类应用广泛的非线性偏微分方程,方程中的非线性项难以处理。该文提出一种新的时空多项式配点法——多项式特解法求解三维Burgers方程。求解过程分为两步:第一步,对三维Burgers方程中的线性导数项(包括时间导数项),求出相应的多项式特解。第二步,将求出的多项式特解作为基函数,对三维Burgers方程中剩余的非线性项进行迭代求解。与时空多项式函数作为基函数对三维Burgers方程进行直接求解相比,该算法简单易行,得到的近似解精度非常高,算法极其稳定,对于教学过程中提高学生的编程能力,加深对高维Burgers方程的理解能力以及Burgers方程的实际应用具有重要意义。     

可调激光通信传输系统的信号调制方法研究

考虑到可调激光通信传输系统的信号振幅控制效果较差的问题,导致信号误比特率较高、安全性能差。为此,设计新的应用于可调激光通信传输系统的信号调制方法。根据信号种类,构建可调激光通信传输系统信号模型。设计新型振幅调制方法,控制系统中信号噪声量。对通信信号多比特差分进行检测,剔除信号中高斯白噪声,降低噪声影响。仿真实验结果表明,本方法在最大信号增益下误比特率最低达到0.02;信号脉冲为L=8时误比特率最低达到0.01;增加干扰信号分量情况下误比特率最低达到0.01,在多种实验环境中均可降低信号调制误比特率,同时对信号进行调制的精度始终保持在90%以上,具有较好的性能。     

基于三维激光点云的枕簧几何尺寸测量方法

枕簧是铁路货车减振装置的关键部件,发挥着承载和缓冲的作用,其尺寸直接影响车辆的减振能力与特性。为保证行车安全,铁路货车段修和厂修时必须对枕簧几何尺寸等进行测量与检查。为提高枕簧检修过程中的测量效率,提出了一种基于三维激光点云的枕簧几何尺寸测量方法。该方法采用线激光传感器获取了枕簧三维点云数据,利用下采样和k-means聚类等算法实现了点云数据的预处理,然后通过平面拟合利用高度测量算法测量了枕簧高度;经过点云降维、边缘提取、圆分割后利用改进的圆拟合算法测量了枕簧内、外直径。搭建试验平台进行了测量算法的精度、可靠性和重复性试验。结果表明：测量10组不同枕簧,最大平均误差在±0.35 mm内,平均测量时间为2.7 s;测量4组枕簧10次,最大平均误差在±0.35 mm内,重复性小于3%。测试结果具有良好的精度和稳定性,满足检修规程和检修工艺要求。     

融合曲率信息的点云配准方法

针对点云配准时受原始位姿局限及配准效率、鲁棒性低的问题,提出一种融合曲率信息的点云配准方法。首先,将海量点云进行重心邻近点体素下采样,采用融合曲率信息的提取算法提取特征点;其次,通过三维形状上下描述符进行特征描述并利用改进的随机抽样一致性算法进行粗配准;最后,在具有较好位姿的情况下采用Symm-ICP进行精配准。试验结果表明,该算法对于不同位姿的点云数据均保持较高的配准精度。本文提出的算法配准效率优于其他算法,并具有较好的鲁棒性。     

结合局部增强与反向残差的点云语义分割网络北大核心CSCD

激光点云是3D传感器的输出,且对它的语义分割任务是理解真实世界的基础。基于图卷积的点云分割网络在许多场景下都展现了优异的性能。然而,现有的图卷积方法存在部分问题:点云局部表示的能力未得到加强,忽略了全局几何信息,并且聚合操作只保留局部最大响应值信息,而次最大值信息丢失。为了处理这些问题,本文提出GRes-Net网络。利用局部几何加强(Local Geometry Augment,LGA)模块,使网络对Z轴具有旋转不变性,以便加强点云局部信息表示;采用全局几何特征(Global Geometry Feature,GGF)模块,计算局部与全局的球体体积比,将其与坐标特征X进行连接,使全局几何信息特征得以保留;通过多个对称聚合操作将局部信息多方面地保留;网络中每层都使用残差操作,将上一层信息传递到下一层,以及利用反向残差模块(Reversed Residual MLP,RevResMLP)挖掘更深层次的语义信息。本文在S3DIS数据集上进行语义场景分割实验,验证网络分割的性能。实验结果表明该方法在分割精度上达到61%,相比于基准网络DGCNN提高14%,有效地提高了模型性能。     

基于WHI及ICP的点云配准算法

针对两步点云配准中精度差、计算效率低、易受噪声干扰的问题,提出一种基于WHI特征描述符结合改进的ICP点云配准算法。首先,对大数据量的点云通过ISS算法提取特征点集作为配准点云;然后,计算特征点云的WHI特征描述符,利用随机采样一致性算法完成粗配准;最后,基于安德森加速迭代ICP算法对粗配准点云进行精确配准。通过多组点云数据集对所提算法进行验证,实验表明,该算法配准精度高、速度快,在含有噪声数据集的优势更明显。在不同的点云模型下,所提算法的配准效率提高2倍以上,在噪声环境下具有一定的鲁棒性。     

基于PSF的太赫兹图像分辨率增强算法（英文）

近年来,太赫兹成像技术在多个领域具有广阔的应用。一套完整的太赫兹成像系统的数学模型是非常有必要的。基于点扩散函数的太赫兹图像增强模型是很好的选择。该方法将目标函数与点扩散函数进行褶积,实现了太赫兹图像的模拟传输。然后根据光学成像的过程,计算成像系统的点扩散函数。最后,基于点扩散函数对图像进行反褶积增强。该模型用于探测图像增强的结果表明,该方法有效地提高了图像的分辨率。恢复的映像包含更多细节。     

基于引导调制的彩色点云无参考质量评价方法

彩色点云(color point cloud, CPC)作为三维场景和对象的有效描述形式,在虚拟现实、增强现实等许多领域得到重要应用。CPC在其采集、压缩、传输、重建等过程中会引入相应的失真,需要设计有效的评价方法对失真CPC质量进行评测。本文提出一种基于引导调制的CPC无参考质量评价方法。考虑到几何信息与彩色纹理信息的联合失真,利用引导调制的方法联立两者,以综合考虑几何失真、彩色纹理失真、联合失真。结合人眼的多通道性,利用剪切波变换提取特征。最后,将所有特征构成的特征向量输入到支持向量回归模型(support vector regression, SVR)学习预测点云质量。实验结果表明,所提出的方法与人类主观感知具有很好的一致性。     

基于瑞利分布的弱小目标能量计算方法研究

随着科学技术的不断进步,军事目标也向着小型化、超高速、低可探测度的趋势发展,因而对目标的探测与识别能力也提出了更高的要求。文中在深入分析点目标成像过程及其能量分布的基础上,提出基于偏态瑞利分布点目标能量计算方法,并通过红外辐射特性测量精度对比实验进行验证,得出应用该方法的辐射强度测量偏差可控制在8%以下,而且测量离散程度更小,可有效区分弥散点目标和背景灰度值,证明该方法具有良好的工程适用性,较高的测量精度且广泛的应用前景。     

点面复合红外诱饵空中动态散布特性仿真及使用研究

点面复合红外诱饵是国内外飞机平台使用的先进红外干扰装备之一,具备较好的对抗红外制导导弹的能力。为获得点面复合红外诱饵空中动态散布特性,为其使用提供理论基础,提升点面复合红外诱饵使用效能,对点面复合红外诱饵的点源诱饵和面源诱饵进行动力学和运动学分析,联立方程组并进行求解,获得了点源诱饵空中运动轨迹和面源诱饵在空中的散布情况,然后改变飞机平台速度进行仿真,获得了点源诱饵和面源诱饵的相对运动趋势和平台速度影响规律。基于点面复合红外诱饵空中动态散布特性仿真,开展使用研究,阐述了点面复合红外诱饵的干扰特性和干扰机理,干扰特性主要包括辐射强度值、辐射强度变化率和辐射面积,分析了点面复合红外诱饵在红外制导导弹导引头视场的形成特点,并基于此开展干扰机理研究,分析了点面复合红外诱饵在红外制导导弹的成像阶段和非成像阶段的干扰机理,能够为诱饵使用策略的制定提供参考和借鉴,提升飞机平台战场生存能力。