基于曲波变换和快速非局部均值的地震数据随机噪声压制

在常规的地震勘探中,由于受到激发、接收环境或仪器等因素影响,地震数据中会不可避免地混杂随机噪声,导致有效信号被淹没,从而无法被清晰识别,因此随机噪声的压制至关重要。本次研究提出一种改进曲波变换阈值去噪结合快速非局部均值去除地震随机噪声的方法:首先将循环平移和块状复数域阈值方法引入到曲波变换阈值去噪中,改进传统的曲波阈值去噪方法,得到最佳去噪结果;然后将去除的噪声利用快速非局部均值方法进行滤波,得到有效信号;最后将上述两步得到的数据相加得到最终的去噪结果。将该方法与曲波变换阈值方法、小波阈值方法及快速非局部均值算法的去噪结果进行比较,模型试验和实际地震数据去噪效果表明,该方法去噪结果的信噪比更高,信号保真度更高。因此本文方法压制随机噪声的效果更佳。     

Analysis of damage localization for ductile metal in process of shear band propagation

1 Introduction Shear localization is an important and often dominating deformation and failure mechanism for Ti and Ti alloy in dynamic loadings[1—10]. The eventual outcome of localized deformation is ductile rupture and material separation. Shear locali…     

GAFSA优化SVR的网络流量预测模型研究

现有的诸多网络流量预测模型存在预测稳定性不好、精度较低等问题。针对此类问题, 研究了一种通过GAFSA(全局人工鱼群算法)优化SVR模型的网络流量预测方法。GAFSA是一种群智能优化算法, 寻优效果显著。采用GAFSA对SVR预测模型进行参数寻优, 可以得到使预测效果最佳的训练参数; 使用这组最优参数训练SVR, 建立网络流量预测模型, 可以很好地改善基于其他智能优化算法改进的SVR网络流量预测模型多次预测结果相差较大的问题, 使预测结果趋于稳定, 同时也可以提高预测精准度。仿真结果表明, GAFSA-SVR网络流量预测模型与其他模型相比, 预测结果基本稳定, 精准度提高到89%以上, 对于指导网络控制行为、分析网络安全态势有重要意义。     

Static solution on four-region spherial cavity expansion model in a pressure sensitive medium

Spherical cavity expansion model is often used to study the mechanic characteristics of pressure sensitive mediums. The most important one we do in the paper is that we construct a four-region model with σθ≠0 in damage region,which is different from what Satapathy did before and is more reasonable. By adopting this model,different constitutive equations were constructed by different method-elastic mechanics in elastic region,damage mechanics and fracture mechanics in damage region,and macro-micro mechanics theory in plastic region. Then using Durban's self-similarity assumption,the control differential equations with boundary conditions were established,and the static numerical solution of stress field and displacement field in the three different regions of elastic,damage and plastic area were discussed respectively. Results showed that this four-region model can describe precisely the mechanic characteristics of pressure sensitive mediums under initial pressure.     

基于分形理论P2P流量行为的自相似性

针对单个主机单个协议流量的自相似性和非宏观上流量的自相似性,分析了端到端（P2P）网络流量的自相似性. 对常见的端到端(P2P)应用进行分析后发现,其应用层数据存在自相似性,且在时间尺度与行为尺度的比较中,P2P应用层流量在行为尺度上的自相似性表现得更加明显和稳定. 为了将行为尺度上的自相似性应用到业务感知领域,提出了一种新的P2P流量识别算法,该算法通过计算网络流量不同行为尺度下的容量维,再辅以主动系数来识别P2P流量. 实验结果证明,新算法在P2P流量识别方面的准确率高于同类算法,在加密流量的识别上表现尤为突出.     

移动通信网中基于级串框架的网络流量性能分析

根据湍流尺度分析中的对数无限可分级串方法(LIDC),对从某移动运营商处获取的无线分组网络流量进行了多尺度行为分析,以GPRS为例,发现现网GPRS流量符合对数无限可分级串框架,并由此对无线分组流量数据进行了深入的特性分析. 结果表明,LIDC方法在分析无线分组网络流量的多尺度行为方面非常有效. 该方法不仅在全尺度范围内能刻画网络流量的尺度特性,而且能确定出某一尺度下的有效分析范围. 同时,经过该分析框架分析表明,无线分组网络流量中的尺度保持了幂律关系、单一尺度及尺度不变性等特点.     

基于自适应权值滤波的深度图像超分辨率重建

目的 越来越多的应用都依赖于对真实场景深度图像的准确且快速的观测和分析。飞行时间相机可以实时获取场景的深度图像,但是由于硬件条件的限制,采集的深度图像分辨率较低,无法满足实际应用的需要。为此提出一种结合同场景彩色图像通过构造自适应权值滤波器对深度图像进行超分辨率重建的方法。方法 充分发掘深度图像的非局部以及局部自相似性先验约束,结合同场景的高分辨率彩色图像构造非局部及局部的自适应权值滤波算法对深度图像进行超分辨率重建。具体来说,首先利用非局部滤波算法来有效避免重建结果的振铃效应,然后利用局部滤波算法进一步提升重建的深度图像质量。结果 实验结果表明,无论在客观指标还是视觉效果上,基于自适应权值滤波的超分辨率重建算法较其他算法都可以得到更好的结果,尤其当初始的低分辨率深度图像质量较差的情况下,本文方法的优势更加明显,峰值信噪比可以得到1dB的提升。结论 结合非局部和局部自相似性先验约束,结合同场景的高分辨率彩色图像构造的自适应权值滤波算法,较其他算法可以得到更理想的结果。     

微信流量特性分析与建模

微信是现代互联网的主要应用之一,到目前为止有关微信流量特性分析与建模的研究较少.本文以微信流量为研究对象,分析验证微信流量同时具有自相似性和突发性.针对这两种特性进行微信流量建模,采用线性分形稳定噪声模型刻画微信流量特性,完成了模型的参数估算和效果分析.本文的研究成果是后续的网络性能分析、网络流量监管等的基础.     

三维点云模型特征张量描述符的构造及自相似性分析

三维模型局部自相似性是物体形状分析中的一个基本问题,其中,局部形状描述符的构建对自相似性分析的最终结果至关重要.针对此问题,提出了一种基于张量融合特征描述符的自相似性分析方法.首先利用相关面和反向点对点云模型进行形状直径函数(shapediameterfunction,SDF)的近似计算;然后利用谱聚类对模型进行过分割成模型子块,由K近邻(K-nearest neighbor, KNN)邻域点的SDF、形状指数(shape index, SI)和高斯曲率(Gauss curvature,GS)矩阵构造三维特征张量;最后利用张量范数构造映射得到形状描述符,并定义相似性度量分析模型子块之间的自相似性.对几种最新的方法(包括部分匹配和显著性检测)进行了实验,无论是直观视觉效果,还是相似性测度和相对误差上的评价指标,结果均表明,该方法可有效地对形状进行描述,提高了点云模型相似子块的识别精度.     

PolSAR快速贝叶斯非局部均值相干斑抑制方法

从单极化合成孔径雷达(SAR)贝叶斯非局部均值算法出发,推导了极化相干矩阵在复Wishart分布下的块相似性度量函数,给出了无先验知识下的极化SAR贝叶斯非局部均值模型,并采用积分图实现了该算法的快速计算.最后,通过机载合成孔径雷达实测旧金山地区的极化SAR数据进行了验证.实验结果表明,文中方法能够有效抑制相干斑的同时,保持了极化特征,并大幅提升了运算效率.