解卷积算法性能研究

针对卫星导航应用中多路径问题,解卷积算法被提出用来补偿多径信号造成的定位误差。该算法估计出信道的冲激响应,采用信道均衡的方法补偿多径信号造成的定位误差。算法的噪声性能取决于相关峰的形状,仿真表明解卷积算法能够很好的估计信道的冲激响应,估计的噪声性能和理论推导一致。     

中国民航产业发展困境与政策选择的思考

一、中国民航产业发展的历史背景民用航空运输业是国民经济的重要组成部分,是国家重要的基础性、先导性产业,也是推动经济社会发展的战略性和创新性产业。由于民航运输业本身的特殊性,民航同空军曾经几分几合。上世纪80年代初,中国民航开始实行"政企分开"的改革,组建了七大国家直属航空公司,民航运输业开始步入较快发展的通道。2002年,为应对中国加入世界贸易组     

“好奇号”探测器首尝火星土壤发现“地球味道”

2012年10月30日,美国宇航局(NASA)宣布,"好奇号"探测器对火星土壤样本的首次分析显示,火星部分土壤与夏威夷火山周围土壤相似。这是"好奇号"自美国东部时间2012年8月6日在火星盖尔陨石坑成功着陆后,首次用自带的化学矿物仪器对摄入的土壤样本进行矿物学鉴定。也是X射线衍射技术第一次用于分析地球以外星体的土壤。     

钢球碰撞柔性杆动力分析的有效数值方法(英文)

柔性物体的碰撞动力学是工程实际中的一个重要问题。获得问题的动力响应是一个有挑战性的任务,通常通过数值计算来完成。首次采用离散奇异卷积法分析碰撞动力学问题,并通过钢球碰撞柔性杆的算例来研究几种数值方法的有效性。数值方法包括常规的有限元法、离散奇异卷积法、谱有限元法和提出的改进谱有限元法,将各种方法获得的算例的数值结果与理论解比较来研究方法的有效性。研究结果表明,采用恰当的常规有限元长度后,提出的改进谱有限元法给出的接触应力的结果最精确。另外还发现,离散奇异卷积法可以用于求解碰撞问题。     

基于CWT-CNN的齿轮箱运行故障状态识别

针对传统故障诊断中提取的特征不具有自适应能力、很难匹配特定故障的问题,提出了一种基于连续小波变换（CWT）和二维卷积神经网络（CNN）的齿轮箱故障诊断方法。该方法对齿轮箱故障振动信号采用连续小波变换构造其时频图,以其为输入构建卷积神经网络模型,通过多层卷积池化形成深层分布式故障特征表达。利用反向传播算法调整网络各层的结构参数,使模型建立从信号特征到故障状态之间的准确映射。在不同工况和不同故障状态下的实验中,故障识别准确率达到了99.2%,验证了方法有效性。采用这种自适应学习信号中丰富的信息的方法,可以为故障诊断智能化提供基础。      

基于Transformer和动态3D卷积的多源遥感图像分类

多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解决上述问题,提出了基于跨模态Transformer和多尺度动态3D卷积的多源遥感图像分类模型。为提高多源特征表达的一致性,设计了基于Transformer的融合模块,借助其强大的注意力建模能力挖掘高光谱和LiDAR数据特征之间的相互作用;为提高特征提取方法对不同地物类别的适应性,设计了多尺度动态3D卷积模块,将输入特征的多尺度信息融入卷积核的调制,提高卷积操作对不同地物的适应性。采用多源遥感数据集Houston和Trento对所提方法进行验证,实验结果表明：所提方法在Houston和Trento数据集上总体准确率分别达到94.60%和98.21%,相比MGA-MFN等主流方法,总体准确率分别至少提升0.97%和0.25%,验证了所提方法可有效提升多源遥感图像分类的准确率。     

基于注意力机制与条件卷积的行人重识别方法

行人重识别是计算机视觉领域的一个重要部分,但是容易受到行人图片实际采集环境的影响,导致行人特征表达不充分,进一步导致模型精度不高。提出一种基于注意力机制和条件卷积改进的行人重识别方法,使行人特征得到更充分的表达。将注意力机制引入特征提取网络ResNet50中,对输入图像空间和通道上的关键信息进行加权强化,同时抑制可能的噪声;将条件卷积模块引入主干网络,动态调整卷积核参数,使模型能够在保持高效推理的同时提高容量和性能;利用Market1501、MSMT17和DukeMTMC-ReID主流数据集对改进方法进行评估,Rank1分别提升1.1%、2.4%、1.3%,mAP分别提升0.5%、2.3%、1.3%,结果表明：改进方法能够使行人特征得到更好的表达,识别精度得到提升。     

引入图像复原技术的遥感卫星图像压缩解码算法

针对遥感卫星基于小波变换的光学图像有损压缩算法,提出了一种引入图像复原技术思路的算法,对遥感图像解码处理过程中获得的低频信息进行复原,可以获得更多的用于在频域范围内描述图像结构信息的高频分量增益,从而提升整个解码图像的质量。通过此算法与传统的小波压缩算法进行对比,结果表明:压缩恢复图像的峰值信噪比(PSNR)较传统算法有0.1~0.3dB的改善,压缩恢复图像表现出更为丰富的纹理特性,可降低对遥感卫星图像数据处理和天地链路数据传输的要求。     

基于DCNN和全连接CRF的舌图像分割算法

针对中医舌诊中舌体分割不准确、分割速度较慢且需要人工标定候选区域等问题,提出了一种端到端的舌图像分割算法。与传统舌图像分割算法相比,所提算法可以得到更为准确的分割结果,并且不需要人工操作。首先,使用孔卷积算法,可以在不增加参数的条件下扩大网络的特征图谱。其次,使用孔卷积空间金字塔池化（ASPP）模块,令网络通过不同的感受野学习舌图像的多尺度特征。最后,将深度卷积神经网络（DCNN）和全连接的条件随机场（CRF）相结合,细化分割后的舌体边缘。实验结果表明:所提算法优于传统舌图像分割算法和主流的深度卷积神经网络,具有较高的分割精度,平均交并比达到了95.41%。