对行星起源的思考——“康德一拉普拉斯星云说”质疑

德国哲学家康德和法国天文学家拉普拉斯于18世纪下半叶由提出来的“星云说”，描述并详细论证了太阳系是由一块星云收缩形成的。“星云说”用自然界本身演化的规律性来说明星球演变的一些性质，为天文学的发展建立了不朽的功勋。到今天，结合丰富的观测资料，加上运用各种科学原理和方法，“星云说”有了崭新的面貌，     

BLKF方法抑制MEMS惯性传感器随机噪声

针对微机电系统（MEMS）惯性传感器应用卡尔曼滤波（KF）处理数据时随机噪声难以估计的缺点,提出一种基于贝叶斯拉普拉斯卡尔曼滤波（BLKF）的随机噪声更新方法。该方法利用拉普拉斯近似算法,将贝叶斯边缘分布近似表示,能够避免贝叶斯方法更新过程中由于数据维数较大造成后验边缘分布较难估计的情况,提高对随机噪声的更新效率和精度。通过陀螺仪转台实验采集实验数据,运用KF与BLKF分别滤波。对比滤波结果可发现,BLKF比KF能更好地反映真实角速度状态。同时,在陀螺仪角速度变化时,BLKF的可靠性和准确性更高,滤波效果更具优势,能够达到抑制MEMS惯性传感器随机噪声的目的。     

线性世界与非线性世界的对话

世界是非线性的，但是，人类对它的认识却是从简单的线性开始的。早在公元前500年左右，古希腊的毕达哥拉斯学派就发现了自然数是按照均匀的线性关系增加的。到了18世纪，法国大数学家拉普拉斯首先认识到，自然界也许不是一个简单的线性世界。他曾说，如果世界是线性的，则一旦初始条件确定，则世界就按简单、均匀的规则发展，那么，这个世界也未免太简单、太单调了。     

基于卫星云图的大区域云层预测方法

云层覆盖是影响对地观测卫星成像的一个重要问题,如果遥感图像中云层比例太高,或者特定目标不可见,则遥感图像就会失效。对地观测卫星能够根据云层预测信息,在多个观测目标之间进行选择。面向对地观测卫星任务规划的应用,设计了大区域范围的短期云层预测方法,首先通过光流法获取云运动矢量,然后依据云运动矢量外推获得预测的云层图像,同时引入拉普拉斯算子刻画云层运动过程中的扩散现象,利用风云二号卫星的真实云图序列数据,通过神经网络的反向传播算法优化扩散因子,以提升云层预测的效果。通过对结果进行分析,引入的拉普拉斯算子方法能够提高云层预测的精度,80%分位数的云层覆盖率误差约为11.7%,该精度的云层预测可以用于指导对地观测卫星任务规划。     

神奇遥远的天王星

谁发现了天王星？ 在1781年以前，人们一直把天空中天王星这个亮点当作是一颗恒星，直到天文学家威廉．赫胥尔一系列观察才改变了人们的看法。最初，赫胥尔感觉“天王星在接近圆形的轨道上运动，不像是恒星，也不像是彗星，因为彗星是在很扁的椭圆轨道上移动，而且也没有发现它的彗发或彗尾，很像是一颗行星”。但他不敢肯定自己的感觉。后来他继续观察天王星的运动并推算出了它的轨道，最终确定它是一颗行星。两年后，也即1783年，法国科学家拉普拉斯证实赫胥尔发现的是一颗行星。     

一种适合于大尺寸航拍图像的特征点提取方法简

 一些航拍图像的尺寸较大,现有的特征点提取算法在对其处理时均要耗费大量的时间,针对这一问题,提出一种快速有效的特征点提取算法。首先构造原始图像的拉普拉斯金字塔,以获得图像的尺度信息,同时保留图像的方向信息;再使用非均匀多方向滤波器组将金字塔图像分解在不同方向上,在分解后的图像中提取局部极值点作为候选特征点集;采用特定的合并策略合并候选特征点最终得到特征点集,并根据方向滤波器组为特征点分配方向向量。试验结果表明,本文算法在基本保证提取到的特征点匹配率及正确率的前提下,有较高的效率。     

基于拉普拉斯正态混合分布概率密度函数估计的语音分离算法

由拉普拉斯分布概率密度函数推导得出的符号函数作为语音信号分离算法中的激活函数,目前广泛应用在基于独立分量分析的语音分离算法之中.为了提高语音分离算法的收敛速度以及分离性能,提出把拉普拉斯正态混合分布概率密度函数作为语音信号概率密度函数的估计,得到一个更加适合语音信号分离的激活函数,基于此函数提出一种快速语音分离算法.把推导出的激活函数应用于独立分量分析(ICA)的自然梯度算法中进行计算机仿真实验,可验证本文算法的收敛性能和分离性能.     

Weighted marginal fisher analysis with spatially smooth for aircraft recognition

Due to limitations to extract invariant features for recognition when the aircraft presents various poses and lacks enough samples for training, a novel algorithm called Weighted Marginal Fisher Analysis with Spatially Smooth （WMFA-SS） for extracting invariant features in aircraft rec- ognition is proposed. According to the Graph Embedding （GE） framework, Heat Kernel function is firstly introduced to characterize the interclass separability when choosing the weights of penalty graph. Furthermore, Laplacian penalty is applied to constraining the coefficients to be spatially smooth in this algorithm. Laplacian penalty is able to incorporate the prior information that neigh- boring pixels are correlated. Besides, using a Laplacian penalty can also avoid the singularity of Laplacian matrix of intrinsic graph. Once compact representations of the images are obtained, it can be considered as invariant features and then be performed in classification to recognize different patterns of aircraft. Real aircraft recognition experiments show the superiority of our proposed WMFA-SS in comparison to other GE algorithms and the current aircraft recognition algorithm; the accuracy rate of our proposed method is 90.00% for dataset BH-AIR1.0 and 99.25% for dataset BH-AIR2.0.     

交互式棱柱网格生成中翘曲现象形成机制及消除算法

在基于径向基函数插值的交互式棱柱网格生成中,当物面网格单元空间法矢变化范围较大或变化剧烈时,棱柱网格生成会发生翘曲问题,降低棱柱网格质量。针对该问题,首先采用DLR-F6机翼外形算例对翘曲现象进行了介绍和初步分析,并结合平板外形棱柱网格生成,通过不同波长推进位移扰动模拟法矢变化对推进位移的影响,研究棱柱网格翘曲现象的形成机制。不同位移扰动下平板棱柱网格生成结果证实边界棱线网格点推进位移不光滑会通过空间插值放大,引起棱柱网格发生翘曲,且网格翘曲的表现形式与推进位移的分布有关。从而间接表明棱柱网格生成中翘曲现象是由法矢变化带来推进位移分布不光滑引起的。然后从翘曲现象的形成机制出发,基于拉普拉斯方法发展了推进位移光顺技术,并通过DLR-F6机翼算例进行了验证。测试结果表明,光顺技术能够完全消除棱柱网格的翘曲,获得光顺的高质量棱柱网格。最后通过DLR-F6翼身组合体外形棱柱网格生成,展示了添加光顺技术的棱柱网格生成算法的应用潜力。     

基于拉普拉斯变换的空间目标碰撞概率计算方法

碰撞概率是空间碎片碰撞预警中评判碰撞发生可能性大小的重要依据,对航天器机动规避具有重要意义。基于拉普拉斯变换的碰撞概率计算方法利用拉普拉斯变换以及幂级数的定义,推导了在短时间接近情况下碰撞概率的幂级数表达式,分析了碰撞概率的截断误差并确定了在不同精度要求下的幂级数项数。针对2009年美俄卫星的碰撞事件,将基于拉普拉斯变换的碰撞概率计算结果与Chan方法、Monte Carlo方法的计算结果进行比较,验证了基于拉普拉斯变换方法在计算精度上的优势。