基于局部几何特征的稠密点云配准方法

针对现有的稠密点云配准方法依赖初始位置设定、计算成本高、配准成功率不高等问题，提出了一种基于点云局部几何特征的稠密点云配准方法。采用深度卷积网络模型提取点云的局部几何特征，从而减少了三维点云数据的噪声、低分辨率和不完备性等带来的影响。在此基础上，使用K维树搜索完成局部几何特征描述子的关联工作。最后，通过随机采样一致算法对点云的相对位姿进行鲁棒的估计。通过对开源数据集上5个典型场景中的数据测试表明，该方法的配准成功率达到92.5%，配准精度达到0.0434m，配准时间相对最邻点迭代配准算法缩短了74.7%，实验结果验证了该方法的有效性、实时性和鲁棒性。     

高比强低密度的Al—Li合金

本文对Al-Li合金的基本特性和近来国外研制动态进行了综述。高比强、低密度的新型Al-Li合金是一代大有希望的新型航天、航空材料。在发达国家中该合金的研制与生产发展迅猛,但目前在研制和生产中仍存在许多问题有待进一步研究。为满足我国航天、航空工业发展的需要,加速研制和生产Al-Li合金,已势在必行。     

面向多用户环境的弹性云缓存系统研究与实现

由于在改善网络带宽性能、缓解堵塞、提升用户体验等方面的优势,缓存技术在网络应用中被广泛使用,然而当前越来越多的网络应用迁移至云平台,原来针对单一业务和主机环境的缓存管理机制在面对云计算下多用户、多业务混杂环境时暴露出诸如不具备多业务类型的普适性、管理策略与云平台的资源配置脱节、未考虑多用户环境下缓存数据的复杂性、重复性等不足,最终影响缓存效果和资源利用效率,因此研究一种面向多用户环境的弹性云缓存系统,首先分析多用户、多业务的云环境对缓存管理的需求特点,提出基于双层映射的缓存存取模型,然后设计缓存系统框架与功能模块,并研究相应的逻辑、物理资源的配置算法及其他功能的实现方案,最后在校园网环境下实现缓存系统并对其进行验证,分析结果表明本文提出的缓存系统能够有效满足用户需求同时提高资源利用率。     

基于BDS-GD的低截获概率雷达信号识别

针对在信号特征提取与识别中使用双谱估计数据量大、维度高的问题,提出了双谱对角切片（BDS）与广义维数（GD）相结合的识别方法。通过提取信号双谱对角切片减少数据量,并利用多重分形理论中的广义维数降低数据维度,对切片内部特性进行细微描述,基于距离测度提出特征评价指标,从而选出最具有区分度的3个阶数对应的广义维数作为特征向量,输入到最小二乘支持向量机中进行分类识别。使用4种低截获概率（LPI）雷达信号作为待识别信号,仿真结果表明,本文方法提取的信号特征在特征空间中有良好的聚集性和离散性,在0 dB信噪比下,识别准确率能达到92.2%,与选取的其他方法对比说明其具有很好的识别性能。