基于图像数据库的动态场景生成系统

实现各类目标和背景下动态场景的计算机编辑和生成，首先应对组成动态场景的要素进行分析，即目标，目标运动规律和特殊事件四个要素，然后通过编程由四个模块完成相应功能。目标，背景编辑模块可对目标，背景图像进行各种处理，并对重要特征量进行计算，运动路径模块可指定目标的运行规律，包括路线，大小和角度变化等。特殊事件模块可加入独立目标的各类典型事件，如运动的干扰物等。最后通过动态场景合成由计算机自动生成所需的动态场景图像。所需的原始目标，背景图像来源于图像数据库管理系统，通过索引项可便携地找到。     

智能化多业务网络

首先从不同角度分析了通信服务商目前面临的环境,包括通信服务业的投资趋势、业务发展趋势、服务提供商的业务收入情况以及用户的需求;接着介绍了朗讯的智能化多业务网络的整体架构和解决方案;其中重点描述了智能化多业务网络在网络传输层、业务控制层和应用层上的智能化以及包括核心网络、城域网络在内的六大解决方案。     

基于空间平滑的矩阵分解算法

本文研究了协方差矩阵分解算法解相关的问题,提出了一种修正的矩阵分解算法-基于空间平滑的矩阵分解（SSMD）算法。SMMD算法能在低信噪比条件下的估计相干信源,且估计精度比原修正的算法高,计算量比原修正算法小,最后通过大量的计算机仿真实验来说明矩阵修正算法的性能。     

12-Ring Network Coordination Polymer——{[Cu(C_4N_2H_(10))_4]_2·H_4V_4O_(14)}_n Formed by Linking cyclo-[H_4V_4O_(14)]~(4-) with Cu(C_4N_2H_(10))~(2+)_4 Cation Clusters

IntroductionThe interest in polyoxometalates that are widelyused in medical chemistry, catalyst reactions, and ma-terial sciences stems from their complicated aggregatesformed by means of corner-, edge- and face-sha-ring[1—4]. The exploitation of new str…     

用多焦点全息透镜实现多重谱分数傅里叶变换

提出用多焦点全息透镜实现多重谱分数傅里叶变换.利用全息方法通过一次曝光制作出多焦点的全息透镜,分析了用此全息元件实现这种变换的条件,并在实验上实现了多重谱分数傅里叶变换. 实验结果表明这种变换方法简便可行,可广泛应用于多通道光学信息处理系统及多目标图像识别系统中.     

论网络升级方式与光纤选择的关系

在重点说明影响传输光纤设计的主要问题的同时，简要介绍了各种升级方式所面临的主要技术挑战，并详细说明这些挑战对传输光纤提出的技术要求。     

利用液晶光阀实现的光学形态变换

提出了基于液晶光阀的光学二值图像领域处理器，利用它完成了扩、蚀和边缘检测等形态变换操作，并给出了实验结果。     

准分子激光的应用

本文介绍了准分子激光器的基本类型、主要应用领域及其与材料相互作用的机理。对准分子激光在电子工业、生物医学和材料加工方面的一些重要应用做了比较详细的论述。     

微机在应变测量中的应用

微机在应变测量中的应用，采用上位机和下位机组合方式．上位机为一台ＩＢＭ－ＰＣ／ＸＴ微机，用于对数据进行后处理．下位机以Ｚ８０－ＣＰＵ为控制器，由传感器、转换器、接口及外设等组成数据采集器，实施对应变、压力和位移等参数的采集、显示和打印（即数据的预处理）．上位机和下位机之间的数据传输，采用串行的方式，通过ＲＳ－２３２接口完成．本文主要以应变的采集处理为例，介绍系统功能、硬件配置及软件设计．     

GENERALIZED INVERSE GROUP OF SIGNAL AND ITS IMPLEMENTATION WITH NEURAL NETWORKS

A new concept, the generalized inverse group (GIG) of signal, is firstly proposed and its properties, leaking coefficients and implementation with neural networks are presented. Theoretical analysis and computational simulation have shown that (1) there is a group of finite length of generalized inverse signals for any given finite signal, which forms the GIG; (2) each inverse group has different leaking coefficients, thus different abnormal states; (3) each GIG can be implemented by a grouped and improved single-layer perceptron which appears with fast convergence. When used in deconvolution, the proposed GIG can form a new parallel finite length of filtering deconvolution method. On off-line processing, the computational time is reduced to O(N) from O(N2). And the less the leaking coefficient is, the more reliable the deconvolution will be.