基于灰靶理论的城市应急供水方案评价研究

针对城市应急供水方案选择面临的多目标评价问题,从水量、水质、工程难度、工程投资等方面建立城市应急供水方案评价指标体系,运用灰靶理论,通过建立标准模式、灰靶变换、构建灰关联差异信息空间、计算灰关联系数和靶心系数,逐层次识别模式接近靶心度的程度,从而对方案进行评价及排序,最终选定方案6作为德阳市应急供水方案,为德阳市灾后重建城市供水提供了重要的科学依据.该方法适合处理信息不完全、少数据不确定性问题更简洁、高效、可行.     

观测几何对目标探测性能影响的仿真分析

在光电武器作战探测目标性能问题的研究中,不同大气/气溶胶模式、不同观测几何条件下的光电武器作战效能差异显著.针对上述问题,通过分析大气传输和观测几何对视在对比度的影响,建立了视在对比度传递模型,结合TIP准则提出了观测几何对目标探测性能的影响模型.利用Modtran软件离线计算的基础数据,提出了探测性能模型快速仿真计算方法,实现了典型地区、全天时、不同观测几何和观测距离条件下的成像系统探测性能的快速仿真计算.采用快速仿真计算方法,选取典型参数,计算并分析了不同大气/气溶胶模式、观测几何等因素对视在对比度、探测概率和探测距离等指标的影响.结果表明:观测几何对目标探测性能影响显著,50％探测概率条件下,顺光探测距离是逆光探测距离的1.38 ～1.7倍;不同大气/气溶胶模式条件下,观测几何对探测距离影响差异明显,海洋性气溶胶模式下影响较大,乡村型气溶胶模式下影响较小.文中提出了观测几何对目标探测性能的影响模型和快速仿真计算方法,为光电武器系统任务规划和作战效能评估提供了理论和技术支持.     

基于目标跟踪的粒子群粒子滤波算法研究

针对粒子滤波方法在重采样阶段容易造成样本有效性和多样性的损失,导致了样本贫化问题,提出了一种改进的粒子滤波算法.算法将粒子群优化思想引入粒子滤波中,在粒子采样过程前先利用粒子群算法进行优化.粒子群算法将最新观测值融合到粒子进化公式中,大部分粒子经过粒子群优化后,朝着后验概率分布比较密集的区域运动,聚集在最优粒子附近,使粒子的权值被提高,避免了在重新采样过程中被舍弃,进而缓解了样本被贫化问题.目标跟踪系统中的位置估计由于物体运动具有突然性,很难准确估计.采用非线性目标跟踪模型和分时恒定值模型分别研究改进粒子滤波算法对误差均方值的影响.仿真结果表明改进算法与常规粒子滤波算法和扩展卡曼滤波算法相比,更加有效地降低变量的误差均方值,从而提高了滤波性能.     

基于AHP方法在课程学习质量评价中的应用

以河源市职业技术学校的课程学习质量评价表为评价基础,采用AHP方法研究“VB程序设计”课程学习质量评价,解决各评价指标相比较无法定量处理的问题,构建出权重比例合理的“VB程序设计”课程学习质量评价体系,并应用“学习评价系统”软件实现评价,以更好地对学生的学习质量给出更客观、更科学和更公平的评价,为该课程的改革和质量提高提供科学依据.     

基于深度学习的miRNA靶位点预测研究综述

MicroRNAs(miRNAs)是一类长约22~23碱基(nt)的单链非编码RNA,在生物进化方面有着重要意义。成熟的miRNA会通过其种子序列(5’第2-8位核苷酸)与message RNAs(mRNAs)的3’UTR区域靶位点进行完全或不完全配对,实现切割mRNA及抑制mRNA翻译等功能。由于miRNA结合mRNA靶位点的机制仍未明确,因此预测miRNA靶位点的工作一直是miRNA研究领域的一大挑战和难题。实验方法虽然准确,但耗时长且昂贵。在生物信息领域,基于规则匹配的常规计算方法虽然能进行靶位点的预测,但存在着准确率偏低的问题。随着深度学习的兴起及实验验证数据及具体靶位点信息的丰富,基于深度学习的方法成为了miRNA靶位点预测领域的研究热点。首先介绍了常用的miRNA预测数据集、预测类型和常见特征;之后对预测研究中常用的深度学习模型进行阐述;接着介绍了常规的预测方法及基于深度学习的预测方法,并对这些方法进行了分类总结和性能的对比分析;最后对使用深度学习的预测工作当前存在的问题及未来的发展进行了探讨。     

氩离子轰击清洗铜和不锈钢靶

利用不同压强的氩气分别对铜靶(直径为14cm)和不锈钢靶(直径为30cm)进行了离子轰击清洗试验;测量了伏—安曲线,得出了清洗铜靶的最低电压为800伏,最大电流为54毫安,不锈钢靶的最低电压为500伏,最大电流为108毫安。     

基于自动获取彩色目标的手臂运动轨迹跟踪

将计算机视觉应用于对示教者动作的分析,控制机器人完成动作轨迹的复现,成为机器人智能化的一个研究方向。针对机器人模仿示教者动作的视觉需求,提出一种基于自动获取彩色目标的目标跟踪算法。该算法在L*a*b空间采用k均值聚类算法对彩色图像分类;在HSV空间基于H分量采用直方图门限法识别彩色目标,最后采用camshift算法实现在图像序列中对目标轨迹的跟踪。通过对人体手臂关节点运动轨迹跟踪的实验表明,该算法能自动准确地识别多个彩色目标,并自动生成手臂关节运动轨迹,是机械臂模仿示教者动作的关键技术之一。     

基于系统误差和状态联合估计的目标跟踪算法

针对线性系统中系统误差对状态估计精度造成的不利影响,在卡尔曼滤波算法框架下提出一种基于系统误差和状态联合估计的目标跟踪算法。在算法实现过程中,首先定量分析了系统误差对目标状态估计及其估计误差协方差矩阵的影响,进而结合状态扩维技术构建系统误差配准的实现过程,最终依据标准卡尔曼滤波迭代流程设计了算法实现步骤。仿真实验结果表明: 在系统误差恒定和时变两种情况下,新算法在系统误差配准和状态估计上具有可行性和有效性。     

基于高斯差分模型的雪地扰动痕迹遥感识别

雪面上人或动物的活动信息涉及冬季动物迁移追踪、人员活动轨迹检测、安全防卫等各领域应用,利用遥感技术监测人或动物的活动痕迹可以及时掌握动物的迁移情况、江上人员活动范围等信息,进而可为相应的管理决策提供依据。利用高分辨率遥感技术,通过图像滤波等增强处理,可以识别冰雪覆盖区域经人或动物活动后产生的微弱线状扰动痕迹,为后续分析提供帮助。提出了利用高斯差分滤波器(DoG)进行冬季冰雪覆盖区域扰动痕迹识别的监测方法。通过对吉林省龙井市结冰江面上活动痕迹的实验表明,当σ取1.5时,DoG带通滤波频率与人员过江痕迹频率一致,对痕迹增强效果最明显,此时的滤波器为最佳滤波器,痕迹总体提取精度达到83.67%,优于传统的Laplacian算子、Sobel算子和Prewitt算子滤波方法。说明通过DoG滤波器处理,能够有效地突出雪面上人或动物的活动痕迹,可为进一步识别人或动物活动类型、追踪路线以及相关部门的安全巡逻提供服务。     

Joint underwater target detection and tracking with the Bernoulli filter using an acoustic vector sensor

In this paper, we study the problem of joint underwater target detection and tracking using an acoustic vector sensor (AVS). For this challenging problem, first a realistic frequency domain simulation is set up. The outputs of this simulation generate the two dimensional FRequency–AZimuth (FRAZ) image. On this image, the random finite set (RFS) framework is employed to characterize the target state and sensor measurements. We propose to use the Bernoulli filter, which is the optimal Bayes filter emerged from the RFS framework for randomly on/off switching single dynamic systems. Moreover, to increase the performance of detection and azimuth tracking in low signal-to-noise ratio (SNR) scenarios, a track-before-detect (TBD) measurement model for AVS is proposed to be used with the Bernoulli filter. Sequential Monte Carlo (SMC) implementation is preferred for the Bernoulli filter recursions. Extensive simulation results prove the performance gain obtained by the proposed approach both in estimation accuracy and detection range of the system.