复合负泊松比蜂窝超结构板低频减振特性研究

为实现低频宽带减振,将星型蜂窝与内凹六边形蜂窝组合,形成复合负泊松比蜂窝结构.利用多物理场软件COMSOL Multiphysics通过施加Floquet周期性边界条件获得了复合蜂窝元胞的色散曲线,并计算有限周期结构的传输特性,验证色散曲线中带隙的存在.设计并制备了复合蜂窝超结构板样件,通过试验分析其弹性波激励下的响应,验证有限元分析结果.以低频宽带为目标,利用遗传算法对结构参数进行优化,在1000~2000Hz打开了多条宽频带隙,可以为带隙设计提供有益指导.最后,将地铁实车测试获取的地板振动频谱作为激励,对超结构的减振性能进行了仿真测试,结果表明,复合蜂窝超结构板能够有效衰减列车地板1000~2000Hz的振动峰值.

自适应服务功能链动态调整策略研究

服务功能链动态调整是应对网络变化、提升服务性能的重要方法。本文提出了一个基于带内网络遥测的服务功能链动态调整方案,通过带内流量采集服务功能链流信息,实时发现并调整性能下降的服务功能链。实验结果表明,该方案在请求接受率、资源利用率等方面都明显优于传统方案。

波段比算法结合高光谱图像技术检测柑橘果锈

为克服柑橘表面不平整导致光线反射不均匀的影响,研究提出了波段比算法,使高光谱图像技术能够快速有效地检测柑橘果锈。首先根据Sheffield指数(SI)确定最佳波段(625nm和717nm),经比值变换后得到第一幅比值图像;然后选取特征波长625nm的邻近波段(621nm),与其比值变换后得到第二幅比值图像,提取轮廓,构建掩膜以消除第一幅比值图像的背景噪声,最后进行阈值分割和数字形态学运算,完成果锈区域的特征检测。试验结果表明,基于波段比算法的高光谱图像技术可有效检测柑橘果锈,检测率达到92%。研究表明波段比算法在高光谱图像技术快速无损地检测柑橘果锈中,能够有效地降低光照反射不均匀的影响,增强谱间差异,提高检测的精度。

高光谱荧光成像技术在识别早期腐烂脐橙中的应用研究

腐烂是发生在柑橘类水果中最普遍、最严重的病害,早期腐烂果的自动化检测有助于提高水果加工业的市场竞争力。然而,目前没有有效的自动化检测技术。以脐橙为研究对象,利用荧光高光谱成像检测早期腐烂果。最佳指数OIF理论用于识别腐烂果的最优波段组合(498.6和591.4nm)。基于最优波长的比图像及双阈值分割算法,识别率达到100%。研究表明,该方法能有效克服梗伤果及果梗在紫外线诱导下所产生的荧光效应对腐烂果识别的影响。该研究为基于多光谱成像技术对早期腐烂果的在线检测系统的开发奠定了基础。

南黄海辐射沙洲邻近海域表层悬浮颗粒物浓度遥感反演

利用2003年春、秋季南黄海辐射沙洲邻近海域水体表观光谱测量与同步水体取样数据,分析该海域不同季节表层水体遥感反射率光谱响应特性。结合常用水色传感器波段光谱响应模拟,建立春、秋季表层水体总悬浮颗粒物浓度(TSM)与悬浮泥沙浓度(SSC)的最适单波段、双波段(波段比值)和3波段统计反演模式。结果表明,不同季节水体上述3类算法的最优波段均不相同,欲寻求适合所有季节水体的统一反演算法,仅能选择次优波段。通过比较,3种不同反演模式中三波段模式更适于反演近岸水体悬浮颗粒物浓度。

基于光谱特征的MODIS影像东海水体类别信息提取

近年来东海海洋环境由于赤潮频发日趋恶化,为了进行基于水体类别信息提取的水体宏观分异规律探究,本文在对不同水体光谱曲线分析的基础上,提出了两种基于光谱特征波段运算的MODIS影像水体类别提取模型,通过优化并确定各类水体阈值,最终得到了2004年6月11日和2007年10月2日东海赤潮期悬浮泥沙水体、富营养化水体、赤潮水体、赤潮边界水体和远洋洁净水体五大类的分布和变化特征,并分别对两个时期的影像进行了叶绿素a(Chl-a)和海表温度(SST)反演辅助分析,研究结果不仅能从宏观上有效识别悬浮泥沙和赤潮等水体的分布范围,同时也能反映出不同水体因子从海岸带向远洋深海的变化规律,为海洋环境进一步探讨提供了研究基础。

基于高光谱成像技术的马铃薯外部缺陷检测

为了实现马铃薯的准确快速分级,提出基于高光谱成像技术的马铃薯外部缺陷检测方法。通过反射高光谱成像技术采集马铃薯干腐、表面碰伤、机械损伤、绿皮、孔洞以及发芽等6类外部缺陷样本及合格样本的高光谱图像。提取合格及各类缺陷样本感兴趣区域的光谱曲线并进行光谱特性分析,采用主成分分析法确定了5个特征波段(480、676、750、800和960nm),以5个波段的主成分分析的第二主成分图像作为分类图像,识别率仅为61.52%;为了提高识别率,提出波段比算法与均匀二次差分算法相结合的方法,使缺陷识别率提高到95.65%。试验结果表明:通过高光谱成像技术可以准确有效地对常见马铃薯外部缺陷进行检测,为马铃薯在线无损检测分级提供了参考。

基于实测数据的北海区海水表层叶绿素a浓度遥感定量反演

为提高我国海洋水色遥感技术和海水环境监测水平,文章根据北海区海水遥感现场监测数据,基于经验算法和荧光基线高度法的回归分析,开展海水表层叶绿素a浓度的遥感定量反演,并选取北黄海近岸海域样本数据进行算法检验。研究结果表明:辽东湾等9个北海区典型海域具有相同或相似海水表层光学特性,适宜建立海水表层叶绿素a浓度遥感定量反演模型;典型海域海水表层叶绿素a浓度与遥感反射率之间的相关关系较强,模型均为简单波段比值模型;二类海水研究区域海水表层叶绿素a浓度与荧光基线高度之间的相关关系不明显;北黄海近岸海域海水表层叶绿素a浓度的最优模型遥感定量反演值的相对误差的平均值为0.669μg/L。

关于轧机生产板材轧辊偏心控制优化研究

在板材的生产过程中,由于轧辊偏心扰动影响板材厚度的精度,而传统FFT算法在轧辊偏心控制中存在识别误差。针对上述问题,提出了一种基于单子带重构改进算法和比值校正法相结合的偏心信号重构新方法。首先采用单子带重构改进算法对偏心信号进行分频,并且有效的去除噪声,在信噪比低和频率相近时能够准确的提取偏心信号的频率及谐波个数,弥补了比值校正法对噪声敏感的弱点及对各谐波分量间隔大的要求。然后使用比值校正法对各次谐波幅值和相位进一步估计。仿真及实验结果表明,利用结合方法重构得到的轧辊偏心模型可以很大程度减小厚度波动,使轧辊偏心控制精度达到了补偿要求。

基于高光谱成像的水果损伤分析研究

高光谱成像技术包含图像信息和光谱信息.本文利用高光谱成像技术检测苹果摔伤, 主要采用主成分分析、 波段比算法和支持向量机分析所采集的高光谱图像数据.实验结果表明, 波段比算法和主成分分析法分类识别正确率为93.3%, 与支持向量机相比更适用于苹果摔伤的实时快速检测.

低信噪比下的语音端点检测算法研究

为了解决传统方法在强噪声环境下,语音检测性能急剧下降的缺陷,提高信号在低信噪比(0 db以下)语音端点检测的准确性,本文提出了一种将多窗谱估计谱减法和自适应子带能熵比相结合的检测算法。该算法利用增益因子可变的多窗谱估计谱减法对低信噪比信号进行降噪,提高其信号的信噪比,再将每帧信号分为若干个子带(其数量可自适应选择),提取每个子带能熵比参数进行端点检测。实验结果表明,当信噪比为-10 db时,信号检测准确性维持在95%左右。该方法能在低信噪比情况下,显著提高端点检测准确性和可靠性。

基于波段比值参数的PSO-BP内陆水体叶绿素a估算方法

文中针对BP神经网络收敛速度慢和易陷入局部最优的问题,构建了基于波段比值参数的PSO-BP内陆水体叶绿素a浓度估算模型。选择特征波段比值作为BP神经网络输入变量,借助PSO算法优化了BP网络的初始连接权值和阈值,利用机载的CASI高光谱数据进行了相关试验,分析了PSO-BP模型的估算精度。结果表明:(1)PSO-BP模型测试集的决定系数R2为0.87,均方根误差RMSE为2.27 ug/L;(2)与直接以波段反射率为参数的BP模型相比,该模型的均方根误差降低了1.93 ug/L;与波段比值为输入参数的BP模型相比,该模型的均方根误差降低了0.64 ug/L。

多角度偏振成像仪的海洋场景定标与水色反演

为拓展陆地生态系统碳监测卫星多角度偏振成像仪(DPC)的应用领域,首先对其进行海洋场景可见光波段的瑞利散射定标,而后采用Terra星中分辨率成像光谱仪(MODIS)光学厚度产品结合查找表的方法估算大气程辐射,并进行大气校正,最后采用辐射定标前后DPC的443、490、565 nm波段作为叶绿素a(Chl-a)反演的输入。选择2022年8月22日探测的澳大利亚西北部海洋区域作为反演区域,并利用MODIS在相同区域、日期的水色反演数据做真实性检验。检验结果证实定标后DPC测量的Chl-a质量浓度与MODIS数据之间相关性有所提升。

基于高光谱成像结合波段比和改进分水岭分割算法的草莓早期损伤检测

为解决成熟草莓在采摘运输过程中存在的早期损伤难以快速检测的问题,保障草莓的商业价值和食品安全,本研究提出一种基于高光谱成像技术的新方法,结合波段比和改进的分水岭分割算法,实现对草莓早期损伤的无损检测。在Vis-NIR(480.19~1015.63 nm)、Vis(480.19~780.0 nm)和NIR(780.0~1015.63 nm)3个光谱范围内进行主成分聚类分析,并通过主成分载荷图选定特征波长。此外生成对应的主成分图像和波段比图像,并采用改进的分水岭分割算法进行草莓损伤区域的分割。结果表明:1)在Vis-NIR和NIR光谱范围内,沿PC1的方向可以有效区分不同损伤部位的草莓。2)在波段比图像效果比较中,Q758.64/1015.63波段比图像在增强损伤对比度方面效果表现最佳,因此被选为最适合后续分析的波段比。3)改进的分水岭分割算法相较于传统的分水岭分割算法和改进的大津法,对损伤区域的分割效果更好,总体检测准确率达到95.5%,表明该方法在检测草莓早期损伤方面具有可靠性和有效性。综上,通过高光谱成像技术与改进的分水岭分割算法结合对草莓的早期损伤进行快速无损检测具有一定可行性,为草莓品质保障和食品安全提供了理论和技术支持。

基于分段主成分分析与波段比的鸡胴体表面粪便污染物检测

以鸡胴体为研究对象，应用高光谱图像技术结合分段主成分分析和波段比等数据处理方法来检测鸡胴体表面粪便污染物。首先采集400～1000nm的鸡胴体表面高光谱图像；然后应用分段主成分分析获得7个特征波长（520．64，542．12，561．61，577．04，595．6，703．82和852．1nm），并以577．04／520．64nm／波段比图像和852．1／703．82nm波段比图像进行一次波段加运算后的图像作为检测鸡胴体表面粪便污染物的特征图像；最后运用阈值分割和数学形态学完成粪便污染物的提取。实验结果表明，对60个鸡胴体样本进行检测，盲肠、直肠和十二指肠粪便污染物检测正确率分别为100％，100％和96％，检测总正确率为93．3％。

PCA和布谷鸟算法优化SVM的遥感矿化蚀变信息提取

为了进一步提高遥感矿化蚀变信息提取的精度,本文提出了一种基于主成分分析PCA (Principal Component Analysis)和布谷鸟算法优化支持向量机SVM (Support Vector Machine)的遥感矿化蚀变信息提取方法。首先,通过波段比值法增强研究区遥感图像中的矿化蚀变信息,并获得比值图像;然后,对比值图像进行主成分分析,进而提取训练样本;接着,利用SVM对训练样本进行训练,同时采用布谷鸟算法求取SVM的最优核参数及惩罚因子,构造最优SVM模型;最后,运用最优SVM模型完成矿化蚀变信息提取。选择青海省五龙沟地区为研究区,提取羟基及铁染蚀变信息。实验结果表明,与主成分分析法、基于光谱角法和SVM的方法、基于粒子群和SVM的方法及基于波段比值、PCA和粒子群优化SVM的方法等4种方法相比,本文方法获得的遥感矿化蚀变信息和已知矿点的吻合度最高,提取效果最好。