基于Oracle 10g Spatial的栅格数据存储、管理及关键技术

在Oracle 10g Spatial可以存储管理矢量数据的基础上,研究栅格图像的存储与管理,分析了栅格数据、元数据、波段、图层、坐标系、物理存储结构等几个相关概念,探讨了存储管理中分块、索引、影像金字塔、地理参照等关键技术,最后用实验证明,采用Oracle 10gSpatial选件可以进行栅格图像的有效存储与管理.并设计了空间数据表结构,将空间对象的栅格数据、矢量数据及属性数据存储到同一数据库,实现了空间数据的一体化管理.

一种新的正弦波频率估计方法研究

对相关阵的最大特征值所对应的特征矢量按一定规则排列的非对称矩阵,其奇异值/奇异矢量分解(SVD)的右奇异矢量同样存在两个子空间,并因此提出了一种新的谱估计方法,即基于相关阵信号子空间的正交矢量(Orthogonal Vector spectral estimation based on correlation matrix Signal-Subspace),简称OVSS法。OVSS法源于相关阵信号子空间,对噪声和数据长度敏感性较小,同时它又是正交矢量法,且源于高阶模型,具有高阶MUSIC法的分辨率,而且是低阶矩阵SVD,没有伪峰。大量模拟试验显示OVSS法是一种具有高分辨率、高统计稳定性、计算量相对增加较小的高质量谱估计方法。

基于Contourlet与HIS变换的SAR与多光谱影像融合方法

为了提高SAR影像的解译水平,本文利用Contourlet变换在影像表述上能够弥补小波变换不能有效捕捉二维空间实体的特点,提出了一种基于Contourlet与HIS变换的SAR与多光谱影像融合方法。实验选取了一组TM多光谱影像与ERS-2 SAR影像进行融合研究,并将融合结果与基于HIS变换、DWT结合HIS变换融合方法的融合结果进行视觉比较与统计分析。结果表明,无论是目视比较还是统计分析,本文方法都很好的将SAR影像的空间细节与多光谱影像的色彩信息集成到了一起,显著地提高了SAR影像的解译水平,相对于基于HIS、DWT+HIS变换的融合方法获得了更好质量的融合影像。

基于a’trous小波与广义HIS变换的SAR与多光谱影像融合

为了提高SAR影像的解译水平,避免通常基于小波变换的融合方法造成的SAR影像信息损失,本文提出一种基于a’trous小波与广义HIS变换的SAR与多光谱影像融合方法,在将多光谱影像转换到HIS空间后,应用a’trous小波对I分量进行分解,通过加法的形式将多光谱影像的高频分量信息与SAR影像信息集成,并根据解译的需要,通过改变阈值来控制对多光谱影像信息的集成幅度。实验选取一组TM多光谱影像与ERS-2SAR影像进行融合研究,并将融合结果与另一小波融合方法融合结果进行视觉比较与统计分析。结果表明,另一小波融合方法的融合结果与本文方法融合结果阈值τ=1时的结果接近,而本文方法却可以根据不同的应用需要,在完整保留了SAR影像信息的基础上,通过调节多光谱影像信息的注入程度,为获取更能满足解译需要的SAR融合影像提供更多选择,拥有更好的鲁棒性。

基于信号子空间的正交矢量谱估计新方法-OVSS法

频谱估计被广泛的应用于工程中。在自相关阵的特征值分解中，存在着两个特征矢量子空间──信号子空间和嗓声子空间。基于信号子空间的频谱估计方法具有较好的统计稳定性；基于噪声（正交）子空间的频谱估计方法则具有很高的谱分辨率。本文提出的新方法具有更高的谱分辨率和更好的统计稳定性。新方法对信号自相关阵的最大特征值所对应的特征矢量按一定规律排成矩阵，进行奇异值分解，其右奇异矢量同样存在信号子空间和正交子空间。基于正交子空间的正交矢量谱估计法，源于信号自相关阵的信号子空间，有着高统计稳定性，同时又是正交方法，具有很高的分辨率；由于主特征矢量排出的矩阵阶数较低，也不会出现伪峰。将此方法称之为OVSS谱估计法。大量模拟试验显示OVSS谱估计法，是一种高质量谱估计方法。

数据加窗对MUSIC方法的分辨率和抗噪性能的改进

基于矩阵特征分解的频率及功率谱估计方法中的MUSIC(MultipleSignalClassification)方法有很高的分辨率,但它的缺陷在于抗噪声性能还有待提高,而且由于是对有限个观测数据进行处理,导致了误差的存在。在大量反复实验的基础上,结合几种常用窗函数的特点,提出了一种改进方法,这种方法先对数据进行加窗,进一步提高了MUSIC方法频率分辨率和抗噪声性能,同时提高了频率估计的准确性。

基于Canny和Hillbert-Huang变换的改进的SIFT算法研究

在传统的SIFT算法之上,结合Canny和Hillbert-Huang变换,提出一种改进的SIFT算法。Canny算子可以有效地避免边缘响应,但是出现平滑过度和边缘移位。利用Hillbert-Huang变换增强图像轮廓。然后提出一种基于Canny算子和Hillbert-Huang变换的改进算法。与原算法所提取的特征点进行比较,可以发现改进的算法获得的特征点更加精确,消除了一些错误特征点,精确率提高,而且提高了抗噪声性能。

基于DCT变换的多光谱与全色影像融合方法

针对IHS融合法的融合影像相对于原多光谱影像光谱扭曲严重、小波变换融合法运算量大的缺点,依据影像成像时传感器像素间的对应关系,提出应用遥感影像空间分辨率比值关系对影像进行分块,采用离散余弦变换与IHS变换相结合的融合方法进行多光谱影像与全色影像融合,以提高遥感影像的应用能力。仿真实验表明,该方法融合结果的光谱保持性与小波变换方法相近,均优于IHS变换融合影像,对全色影像空间信息集成能力稍弱,但计算效率明显改善,适合于对大数据量的遥感影像融合。

单个正弦波时正交矢量谱估计方法的改进

单个正弦波频率估计在很多领域有广泛的应用。文中针对单个正弦波频率估计的一些特殊性进行讨论 ,提出了两种各具特色的正交矢量谱估计的改进方法。其中 ,OV- LP法 ,即基于线性预测的正交矢量法 ,只需改变线性预测误差滤波器第一个系数即可变成正交矢量谱估计方法 ;而MOVSS法是 OVSS方法的特殊修正法 ,其巧妙的构思 ,使得它既是正交矢量谱估计法 ,同时计算量又很小。两种改进算法的共同特点是 :谱估计质量提高大 ,而相对计算量很小 。

单个正弦波下二维线性预测谱估计方法的改进

针对二维复正弦信号，提出了一种简单的线性预测的谱估计改进算法。其思想是利用可分离二维信号的性质，把单个二维复正弦信号分解成2个一维复正弦信号之积，然后分别对2个一雄信号进行谱估计。其间对一维线性预测误差滤波器系数进行适当修正，这样可得到较高分辨率和稳定性的正弦信号的谱估计结果。大量仿真结果表明，简单的修正可使二维信号功率谱第1峰更加尖锐，第2峰值比未修正前要小10-15dB。

谱估计方法的通用矩阵表示与新的谱估计方法

本文指出几种常见的谱估计方法可以归结为同一数学问题并可用同一矩阵方程表示。从这通用矩阵表示可导出许多新的谱估计方法。本文还具体研究了相关阵特征矢量空间谱估计方法,得出一些有益的结论。

光WDM系统用Mach Zehnder型滤波器新结构研究

提出一种马赫曾德型（简记为ＭＺ型）滤波器的级联的新结构，即让各个ＭＺ型滤波器的耦合长度符合二项式分布，以降低滤波器的旁瓣电平，同时在ＭＺ干涉计的短臂上引入一个共振环，改进了滤波器的过渡带和通带特性。理论设计和计算机模拟表明，这种新型滤波器具有理想的带通特性。

正弦波模型下线性预测谱估计方法的一种修正算法

基于正弦波信号模型,文中提出了一种简单的线性预测谱估计修正算法。首先,用流行的有效算法求得线性预测误差滤波器系数矢量 A^(?),然后简单地令口α_0=1—W_(opt)构造新的线性预测误差滤波器系数矢量 A_0^(?)。理论和计算机模拟实验都显示这种算法对提高谱估计性能效果显著。

基于灰色预测模型的图像边缘检测

简要地介绍了灰色系统理论和灰色预测模型 GM( 1 ,1 ) ,并将该模型和图像边缘检测有机地结合在一起 ,提出了一种新的图像边缘检测算法 ,对提出的算法进行了相应的仿真实验。仿真结果表明 ,该算法能有效地检测出图像的边缘 。

基于蝙蝠算法优化ELM的模拟电路故障诊断研究

极限学习机(extreme learning machine,ELM)具有学习速度快、测试精度高的优点。近年来被广泛用于模式识别和故障诊断等领域,但是ELM固有的随机性对其泛化性能和精度有很大的影响。蝙蝠算法(bat algorithm,BA)是一种新型的智能优化算法,具有良好的全局搜索能力。将蝙蝠算法引入到极限学习机输入权值和阈值的优化中,有机结合2种算法的优点,建立了基于蝙蝠算法优化极限学习机的故障模型,以带通滤波器作为测试电路,并和ELM、DE-ELM、SAE-ELM进行对比,仿真和实验结果表明蝙蝠算法有效地改善了ELM网络的诊断精度和泛化能力。

基于LBP算子与多尺度分析的高分辨率遥感影像道路自动提取方法改进研究

提出一种基于LBP算子与多尺度分析手段的高分辨率遥感影像道路提取方法。首先使用邻域均值作为阈值进行二值化,以改进一般LBP算子;再根据局部方差与尺度间的关系,找到适合道路LBP纹理值的最佳尺度;最后利用区域生长和形状指数提取最佳尺度下的影像道路信息,并通过尺度收缩关联到原始影像。实验结果表明本文方法可取得较好效果。

基于TCP/IP的分布式通用网管平台的研究与实现

目前,传统网络管理系统多是针对个体需求,缺乏通用性,适应部署环境变迁的能力差,在异构网络中远程通信效率较低;针对此问题,基于面向服务架构(SOA)提出一种轻量级的通用分布式通信策略,策略以TCP/IP中的的TCP协议为基础,摒弃中间件与第三方软件,采用组件方式搭建系统,平台具有较强的可重用性、集成化和通用性,基于该平台开发的网管系统可按需共享和重用。实际工程运用表明,通用网管平台和提高网络管理的可扩展性和可维护性。

基于互相关矢量重构的解相干实值Root-MUSIC算法

实值Root-MUSIC算法是一种计算量小、精度高的波达方向估计算法,但其最多能处理两个相干信源,阵元利用率很低。为了解决此问题,提出了一种新的实值Root-MUSIC算法,利用阵列接收数据的互相关矢量重构相关矩阵,使其具有Toeplitz特性。新算法无须空间平滑,无阵列孔径损失,可估计的相干信源数更多。实验仿真表明,与原算法相比,新算法实现更简单、计算量更小、性能更好,对于八阵元的阵列,原算法只能分辨两个相干信源,新算法可以成功估计四个相干信源,为实值类算法在多径环境领域的DOA估计提供了一条新途径。

相干信号源DOA估计ESPRIT改进算法研究

ESPRIT算法是空间谱估计中的经典算法,算法仅适用于非相干信号。提出了一种基于SVD思想的ESPRIT改进算法,算法对接收数据阵列的协方差矩阵进行特征值分解,取能代表信号全部信息的最大特征值所对应的特征向量,并将它按照一定的方式进行矩阵重构,对重构后的矩阵进行SVD分解,从中取出信号子空间,然后按照LS-ESPRIT算法求解。通过大量仿真结果表明:该算法适用于解相干信号,并且效果优于基于空间平滑思想的改进ESPRIT算法;在解非相干信号的时候,改进算法效果优于常规的LS-ESPRIT算法。

高效相干源DOA估计的ESPRIT新方法

ESPRIT算法是一种速度快、精度高的常用算法,但它不能解相干。针对此缺陷,提出了一种新的高效相干源DOA估计的改进ESPRTIT方法,新方法对数据协方差矩阵的最大特征值对应的特征向量按一定方式进行重排处理,以此来重构需要解相干矩阵。它不仅解决了常规ESPRIT算法不能解相干的问题,同时相对常规ESPRIT算法计算过程大大简化。计算机仿真实验证明了该方法在解相干方面的良好性能,为解相干的ESPRIT算法在阵列信号处理的超高分辨领域开辟了新的途径。