一种大场景环境下实时降雨模拟的新方法

在分析已有的降雨模拟方法的基础上,提出了一种大场景环境下降雨模拟的新方法.该方法是使用一张纹理,以降低性能开销,采用与视点相关技术雾化场景,真实再现了雨的三维视觉效果.基于牛顿动力学控制雨点粒子的运动,以模拟风力作用的效果;同时简化了雨滴的泼溅效果.与传统的雨模拟算法相比,该算法既正确模拟了雨的运动行为,又降低了性能开销.在满足实时漫游的前提下表现出较强的真实感,实验结果表明了改进方法的实用性.     

三维泊松方程的一种解析解法

本文提出了在规则边界条件下,求解三维泊松方程的一种解析解法。利用格林函数及拉氏方程的特征值、特征函数理论,导出了方程的一般解,讨论了解的收敛性、唯一性,并举例进行了说明。又将这一数学公式应用到了电磁场理论中静电场电位的求解。     

一种积雪场景的实时绘制方法

探讨了真实感积雪场景的实时绘制技术。基于四叉树的层次细节模型确定了积雪存储的有效点并使这些积雪有效点自适应地形变化。积雪收集因子的引入使得积雪过程的模拟更加符合地形的特点。在渲染中通过计算每个有效点的法向量增强光照效果,并采用混合方法模拟积雪逐步增多的过程,使积雪产生了厚度感。实验结果也进一步验证了该方法满足了真实感与实时性这两个方面的要求。     

泊松过程的随机模拟及参数估计

研究了泊松过程的随机模拟，给出泊松过程的最大后验密度可信区间，借助Matlab软件对此展开探讨并给出了模拟程序。     

一种实时模拟烟雾的新方法

烟雾具有高细节、快速变化和湍流的特点,而传统的烟雾模拟方法都是通过提高网格精度的方法表现烟雾细节,耗费了大量的计算时间。本文提出了一种全新的粒子系统与物理模型相结合的方法,在不影响实时性的前提下生成了逼真的烟雾细节。首先用低精度粒子系统描述烟雾的大致运动轨迹,然后将三维空间中的烟雾粒子投射到平行于视平面的一系列二维平面上,利用二维平面上MacCormack方法求解欧拉方程对流项的快速性,实时地再现了高精度烟雾细节。实验证明,该方法在视觉真实感和实时性方面都取得了令人满意的结果。     

一种常见类型的泊松方程的通解及其应用

本文求解了一种常见类型的Poisson方程,给出了级数形式的通解。这种Poisson方程对解决某些实际问题如传热学、流体力学和电磁学方面的问题是非常有用的。为了说明如何应用本文给出的通解,还列举了例题。     

复合泊松分布和泊松过程的可加性

在泊松分布可加性基础上,应用特征函数,证明了与泊松分布有着紧密联系,分别在精算数学和随机过程领域中有着广泛应用的复合泊松分布和泊松过程也具有类似的可加性.     

一种基于局部加速的实时精确虚实融合方法

在虚实融合中,虚实场景显示的较高精确性和较好实时性是良好用户体验的必要条件。然而,环境干扰、算法时间空间复杂度以及高帧频处理速度等问题严重影响虚实融合效果,现存的虚实融合方法很难同时满足精确性和实时性的要求。针对此难点问题,提出了一种基于局部加速的精确虚实融合方法,利用明显特征建立虚实场景映射关系,同时对融合区域进行局部搜索匹配。具体创新体现在以下2点:1)提出了一种虚实场景的普适标定配准方法;2)提出了一种待融合目标的局部搜索加速策略。实验证明,提出的方法具备较好的鲁棒性并达到高帧频处理速度,已成功应用在电力培训仿真系统中。     

一种基于面向对象技术的模拟电力系统实时数据库开发

介绍了电力系统调度自动化的基本原理和功能,针对动模实验对模拟电力系统调度自动化的要求,基于动模实验室现有的数据采集系统,采用面向对象编程技术,设计了相应的实时数据库系统,实现了动模实验室调度自动化数据的实时存储。测试结果表明,此系统满足动模模拟系统电力系统调度自动化的基本要求。     

一种改进的泊松点过程概率多假设跟踪方法

多目标跟踪方法的核心是获取量测点与目标间的最优关联.传统的多目标跟踪方法从穷举出的所有可能关联中估计出最优关联,随目标数目指数倍增的关联复杂度制约了雷达跟踪多目标的能力.因此提出了一种低运算复杂度、高跟踪精度的多目标跟踪算法和与其配套的航迹管理方法,目标和杂波产生的量测点被建模为泊松点过程,以量测的来源为缺失信息,通过...     

基于泊松分布的两种治疗方法的非劣性评价

针对在样本量不等的情况下基于泊松分布的两种治疗方法的非劣性评价问题,考虑了该问题下的Score检验、Wald检验以及对数变换的几种不同的检验方法,并以一个来自于乳腺癌研究的实际例子考察了以上这几种统计量的经验表现。     

基于泊松分布的报文抽样性能衡量

提出了事件触发的泊松抽样测量过程。从平均报文长度、报文长度分布及总通过量等方面对时间触发和事件触发的2种泊松抽样技术进行了性能衡量,分析结果表明,基于事件触发的泊松抽样性能优于基于时间触发的泊松抽样性能,且事件触发抽样平均测量误差是时间触发测量误差的1/2～1/3,而抽样算法复杂度仅为O(n),因而更适合于将来的高速网络精确测量环境。     

实时雷达情报模拟的一种实现方法

在分析雷达网面临的作战环境、任务及信息处理流程的基础上，给出了一种分布式的雷达情报模拟方法，它将空中目标模拟和雷达探测模拟作为两个相对独立的模块，从而使产生的雷达情报更符合实际情况．提出了一种交互式目标航线的建立和推演方法以及雷达目标探测时间的判定方法．     

基于马尔科夫专家场的泊松噪声图像去噪方法

提出一种基于贝叶斯概率模型的泊松噪声图像去噪方法. 该方法基于贝叶斯最大后验概率模型框架,结合泊松概率分布,构建图像去噪模型. 考虑到马尔科夫随机场不能对复杂自然图像有效表征,引入高阶的马尔科夫专家场作为模型先验正则项,以表征图像自身概率分布. 利用二次惩罚函数,优化求解去噪模型,还原清晰图像. 将所提方法与其他去噪算法进行仿真实验对比,并采用峰值信噪比和结构相似性2种评价指标对去噪效果进行客观评价. 实验结果表明：与传统去噪方法相比,该方法的峰值信噪比至少提升了0.18 dB,去噪性能显著优于其他方法,能更好地保留图像的细节信息.     

基于非齐次泊松过程的软件可靠性增长模型

非齐次泊松过程软件可靠性增长模型是评测软机可靠性的重要工具,影响软件可靠性的2个重要参数是软件中初始的故障数和故障检测率.通过对软件错误分布进行定义,建立了非齐次泊松过程软件可靠性模型,并对不同参数下的模型进行了分析和比较.讨论了非齐次泊松过程模型的使用条件,对模型初始的故障数和故障检测率参数进行了推导,并给出了评估方法.     

基于Shearlet变换的泊松噪声图像复原问题研究

为了解决泊松噪声图像的复原问题,几种正则化方法已被提出,其中最著名的是全变差（TV）模型,但TV模型会引起阶梯效应。总广义变差（TGV）是全变差的推广,用TGV作为正则项来恢复泊松图像,可以消除阶梯效应,但图像的边缘细节信息不能很好地保持。为了克服这个缺点,基于TGV和Shearlet变换,该文提出了一种新的正则化模型,并用交替方向乘子法（ADMM）求解。数值结果有效地展示了该模型在保持图像边缘细节上的优越性。     

基于泊松分布的航材周转件库存量数学模型

在分析了航材周转件需求规律的基础上，提出一种适用于基于泊松分布的库存量确定的数学模型，并根据实际数据，定义泊松分布的参数λ，α的概率含义，再将含有时间、概率、库存量三个变量的泊松分布，得出周转件的库存模型。     

一种基于图像拼接的场景绘制方法

提出一种基于图像拼接的场景绘制方法，采用一种新的三维全光函数，将沿直线采集的前向序列图像按一定规划处理之后形成一个线性拼接（Linear Mosaic）。线性拼接的数据结构是二维数组，有利于数据的压缩、存储和传输。另外，线性拼线图像的一行对应一个特定视的全方向的全景图，可以绘制其任意方向的视图，降低了对绘制系统内存的要求。     

基于马尔科夫专家场的泊松噪声图像去噪方法

提出一种基于贝叶斯概率模型的泊松噪声图像去噪方法.该方法基于贝叶斯最大后验概率模型框架,结合泊松概率分布,构建图像去噪模型.考虑到马尔科夫随机场不能对复杂自然图像有效表征,引入高阶的马尔科夫专家场作为模型先验正则项,以表征图像自身概率分布.利用二次惩罚函数,优化求解去噪模型,还原清晰图像.将所提方法与其他去噪算法进行仿真实验对比,并采用峰值信噪比和结构相似性2种评价指标对去噪效果进行客观评价.实验结果表明：与传统去噪方法相比,该方法的峰值信噪比至少提升了0.18 dB,去噪性能显著优于其他方法,能更好地保留图像的细节信息.     

一种多特征融合的复杂场景动态目标跟踪算法

针对传统目标跟踪算法在目标形变、遮挡或光照变化等复杂场景下容易丢失目标的问题,提出了一种融合多特征的复杂场景动态目标长时间视觉跟踪算法,该算法基于跟踪学习检测(TLD)框架,首先,利用高斯二阶滤波器提取跟踪目标在不同方向的纹理信息,通过纹理信息采用Hessian矩阵计算图像曲面的主曲率,融合主曲率与RGB颜色信息建立目标特征概率直方图模型;然后,使用融合多特征的Mean Shift算法替代TLD框架中的光流法,降低跟踪模块的计算复杂度;最后,采用P-N学习策略构建快速级联检测器,实现跟踪失败时准确检测并重新初始化跟踪器快速修正跟踪结果.在OTB-50公开数据集和煤矿井下巷道视频上进行动态目标跟踪测试.结果表明:所提算法能够实现目标形变、遮挡或光照变化等复杂场景动态目标长时间跟踪,具有较高的鲁棒性和跟踪精度.