一种基于局部窗口的SAR图像目标检测算法

针对合成孔径雷达(SAR)目标检测精确性、实时性和鲁棒性的要求,设计了一种基于局部窗口的SAR图像目标检测算法。该算法在对获取的SAR图像进行去噪和分割处理的基础上,基于尺度不变特征变换(SIFT)实现了亚像素精度快速配准策略;同时,通过SIFT特征的描述结果降维和基于局部窗口的最大期望算法(EM)实现了目标检测。实验结果表明,该算法对复杂背景和光照、旋转变化有较强的自适应性,获得了理想的目标检测效果。     

钻井液密度窗口下限的三维数值计算格式

为了得到准确的安全泥浆窗口,结合有限单元法提出了用于计算钻井液密度窗口下限三维数值解的数值计算格式.计算包含了井孔轨迹全长的油田区块整体模型的应力场,利用有限元子模型技术逐点计算井孔轨迹上关键点的泥浆窗口下限值.在数值求解过程中,施加足够泥浆压力保持井孔围岩处于弹性状态,并施加反向载荷形成实际卸载,逐步试算求出泥浆窗口的下限值.利用一个包含直井段和90°转角圆弧段井孔轨迹的简单井孔模型,计算了沿井轴全长各处不同井孔倾角对应的泥浆窗口下限值数值解,并把该数值解和利用经典解析解取得的结果作了比较,证明了算法的有效性.     

上证综合指数波动情况研究——基于滚动窗口的马尔科夫链预测模型

文章运用基于滚动窗口的马尔科夫链预测模型,对上证综指的变动进行研究,创新的给出概率转移矩阵、极限概率以及预测准确率的时变特征,并给出马尔科夫链预测模型的最优窗口长度和状态定义阀值。研究揭示,大盘波动幅度与大盘的极限概率有着密切的关系;股指期货推出后大盘平盘概率占据主导地位,平稳性显著提高,马尔科夫链预测模型的预测准确率也有了较大提高。     

沿层中值滤波在消除深拖浅地层剖面电干扰中的应用

声学定位系统的充电会在深拖搭载的浅地层剖面上造成竖条形噪声,严重影响海底地层资料的处理与解释。本文分析了上述电噪声信号特征,采用了中值滤波方法,对其进行了处理。文中设计了水平和沿层位两种不同窗口进行滤波,并改变窗口长度进行了滤波效果比较。实验结果表明,沿层位窗口可以更好地消除噪声并实现信号保真。     

高马赫航空遥感器光学窗口的光机热分析

为了获得航空光学遥感器高质量成像,分析了高马赫飞行下温度和压力对光学窗口光学性能的影响。首先利用有限元分析软件计算出窗口玻璃在指定温度场或压力场和边界条件作用下的变形量;然后根据得到的窗口玻璃表面节点的位移变化,再以Zernike多项式为接口拟合镜面变形,将计算出的Zernike拟合系数带入光学分析软件ZEMAX中进行分析;最后结合某光学系统对比分析了温度场和压力场作用下的光学系统传递函数图。通过对比结果分析可知,高马赫飞行时,窗口玻璃上产生的温度场对光学系统的传递函数的影响比窗口上的压力场大得多。结果表明,高马赫飞行中,窗口玻璃的设计应更多程度的考虑温度影响。此分析可为高马赫工况下光学窗口的设计提供一定参考。     

一种鲁棒的基于小波变换的语音参数提取算法 *

提出了一种基于小波变换的新型语音参数提取算法 ,提高语音识别系统对环境噪声的鲁棒性。由于引入了多分辨率小波分析技术 ,识别既在高频提供高的频率分辨又在低频提供高的时间分辨率。这样 ,提出的改进算法在语音词汇的识别更准确的同时 ,还大大简化了计算。将该算法和传统提取 MFCC系数的算法进行了比较,实验结果表明 ,利用小波计算语音特征具有更优的性能。     

泥页岩地层区域三维地质力学建模与应用

印尼A油田在钻井过程中泥页岩地层井壁坍塌严重,为安全快速钻井,减少复杂事故,文章提出了一种多源地质力学建模方法,该方法综合利用岩心实验数据、已钻井测井数据、地震反演数据和泥页岩失稳机理,对印尼A油田的地质力学参数进行了精细刻画,并建立了该油田三维孔隙压力空间分布、三维弹性模量空间分布、三维泊松比空间分布等三维属性体;利用有限元的方法,计算了该油田三维地应力分布,得到三维安全钻井液密度窗口。该模型有效耦合测井数据、岩心数据、地震数据等多源数据,可在钻井设计和钻井施工过程中根据目标井的坐标位置和井眼轨迹准确获取目标井的安全钻井液密度窗口,已在该油田B-8井中现场应用,模型所得到的安全钻井液密度窗口满足现场实际需要,实钻过程中无复杂,钻井周期相对油田前期平均钻井周期缩短40%。本模型为钻井设计及现场施工确定合理钻井液安全密度窗口提供了技术支撑,为解决泥页岩等易坍塌地层的井壁失稳提供一套地质工程一体化的解决方案。     

基于峰值检测的自适应时间窗口计步算法

针对现有的计步算法无法适应用户行走状态、手机姿态多样性的问题,以及有效解决静止状态下的虚假步态周期的判别问题,提出基于峰值检测的自适应时间窗口计步算法。该算法通过检测加验证的方式进行计步,利用双重滤波对原始加速度进行预处理,根据峰、谷值时间差的自适应时间窗口消除伪峰值,再利用方差与标准差对检测到的峰值进行验证。实验结果表明,该算法相比传统方法(固定窗口峰值检测、条件判断峰值检测)在不同运动状态、不同手机姿态下的平均计步精度分别提高了7.7%、3.4%,并且优于目前流行的商业步数计算应用。     

Trajectory-based human action segmentation

This paper proposes a sliding window approach, whose length and time shift are dynamically adaptable in order to improve model confidence, speed and segmentation accuracy in human action sequences. Activity recognition is the process of inferring an action class from a set of observations acquired by sensors. We address the temporal segmentation problem of body part trajectories in Cartesian Space in which features are generated using Discrete Fast Fourier Transform (DFFT) and Power Spectrum (PS). We pose this as an entropy minimization problem. Using entropy from the classifier output as a feedback parameter, we continuously adjust the two key parameters in a sliding window approach, to maximize the model confidence at every step. The proposed classifier is a Dynamic Bayesian Network (DBN) model where classes are estimated using Bayesian inference. We compare our approach with our previously developed fixed window method. Experiments show that our method accurately recognizes and segments activities, with improved model confidence and faster convergence times, exhibiting anticipatory capabilities. Our work demonstrates that entropy feedback mitigates variability problems, and our method is applicable in research areas where action segmentation and classification is used. A working demo source code is provided online for academical dissemination purposes, by requesting the authors.     

Greedily computing associative aggregations on sliding windows

We present an algorithm for combining the elements of subsequences of a sequence with an associative operator. The subsequences are given by a sliding window of varying size. Our algorithm is greedy and computes the result with the minimal number of operator applications.