Detection method of forward-scatter signal based on Rényi entropy

The application scope of the forward scatter radar(FSR)based on the Global Navigation Satellite System(GNSS)can be expanded by improving the detection capability.Firstly,the forward-scatter signal model when the target crosses the baseline is constructed.Then,the detection method of the for-ward-scatter signal based on the Rényi entropy of time-fre-quency distribution is proposed and the detection performance with different time-frequency distributions is compared.Simula-tion results show that the method based on the smooth pseudo Wigner-Ville distribution(SPWVD)can achieve the best perfor-mance.Next,combined with the geometry of FSR,the influence on detection performance of the relative distance between the target and the baseline is analyzed.Finally,the proposed method is validated by the anechoic chamber measurements and the results show that the detection ability has a 10 dB improvement compared with the common constant false alarm rate(CFAR)detection.

基于时间序列预测模型的5G-R无线重联主备链路切换流程优化

针对重载铁路场景下传统无线重联设备主备链路同时发送信息所导致的传输效率较低、易造成传输资源浪费、存在链路切换时延或误判等问题,在5G-R时代探究如何对无线重联进行高效监测与控制,并建立一种更为智能的优化机制成为支撑重载铁路安全保障的迫切需要。提出的优化机制首先根据终端在5G-R网络下测量得到的SS-RSRP、SS-SINR等信号质量评估参数确定主备链路;再结合LSTM、Informer等时间序列预测模型,根据采集的实时传输时延样本,对未来主备链路状态进行预测,在预期不良时提前切换链路,避免进一步导致传输质量的恶化。结果表明,使用LSTM模型和Informer模型优化机制预测曲线的平均百分比误差MAPE分别为11.2%和10%,预测结果与实测样本一致性较好;相同线路下主备链路需要切换的频率较不使用优化机制减少75.12%和89.31%;在同样保留主备双冗余条件下传输效率较原有方式提升56.37%和75.01%。该优化机制在保留无线重联列车间通信链路冗余的情况下大幅提升通信资源的利用效率,可大幅降低重载铁路无线重联业务5G-R网络的传输负荷和重联系统设计的复杂度,对提升重载铁路运输生产安全和效率具有指导意义。

Expert recommendation system based on analyzing expertise and networks of human resources in National Science & Technology Information Service

This work aims to implement expert and collaborative group recommendation services through an analysis of expertise and network relations NTIS. First of all, expertise database has been constructed by extracting keywords after indexing national R＆D information in Korea （human resources, project and outcome） and applying expertise calculation algorithm. In consideration of the characteristics of national R＆D information, weight values have been selected. Then, expertise points were calculated by applying weighted values. In addition, joint research and collaborative relations were implemented in a knowledge map format through network analysis using national R＆D information.

基于改进PPYOLOE-R的信息码矫正研究

信息码识别技术推动着社会的进步,使人们的生活更加便捷。由于受所处拍照环境影响,信息码识别效果有待提高,而且信息码角度倾斜也会影响解码正确率。以基于信息码的电力互感器误差实验接线判断为背景,提出一种基于改进PPYOLOE-R的信息码矫正算法。首先以PPYOLOE-R检测算法为基础,融合轻量级网络ESNet,在提升精度的同时降低模型参数量;其次引入动态卷积进一步加强特征提取,减少模型因下采样丢失信息,加强模型通道特征提取能力;最后为满足人工智能(AI)边缘设备上的实时性要求,采用模型融合技术将推理模型进行融合,保证在模型精度不变的情况下提升模型检测速度。为丰富数据集,采用两步旋转数据增强和Mosaic+Mixup数据增强方法,充分利用数据集中已有信息,提高模型学习能力。实验结果表明,改进后算法精度达到89.46%,较原模型提升了1.95%,检测照片速度从每张154 ms提升至每张50 ms。相较其他算法,改进算法具有体积小和速度快的优势,通过算法矫正后的信息码,可显著提高解码效率和正确率。

多模式出行信息对小汽车出行者转向P+R的影响

为倡导绿色出行理念,解决以往研究在处理重复观测数据时容易忽视的潜在相关性和个体异质性问题,针对如何利用智能手机APP提供的多模式出行信息引导小汽车出行者转向停车换乘(Park-and-Ride,P+R)模式进行了探究,同时引入广义线性混合模型(Generalized Linear Mixed Model,GLMM)分析了多模式出行信息对小汽车出行者转向P+R意向的影响。首先,基于上海市路网设计意向调查问卷,整合了自驾和P+R两种出行方式的道路拥堵程度、出行时间、停车费用及地铁车厢座位情况等信息,并运用全因子设计法构建了24种不同信息水平组合的假设情景。然后,通过智能手机APP界面示意图向小汽车出行者展示这些多模式出行信息,并收集其转向P+R的意向数据。最后,运用GLMM方法处理同一个体重复决策数据中潜在的相关性和捕捉个体间的异质性。结果显示,GLMM的应用不仅解决了同一个体重复决策间的相关性,还揭示了不同个体对道路拥堵程度和地铁车厢座位情况的差异化关注;智能手机APP整合的多模式出行信息显著提升了小汽车出行者转向P+R的意愿,且这一转变占比达29.2%;高收入、长驾龄以及对P+R政策不了解的出行者转向P+R的意愿较低。研究表明,通过智能手机APP整合自驾和P+R的多模式出行信息能显著增强P+R方式的吸引力,可为提升P+R的普及率提供新思路,有效促进小汽车出行者向绿色出行方式的转变。

The Effect of Information Disclosure Quality on Stock Price Crash Risk： Evidence from Listed Companies in China

From most prior studies, the effect of information disclosure quality on stock price crash risk is negative. However, using a large sample of Chinese firms for the period of 2001-2012, we fmd a nonlinear U-shape link between information disclosure quality and crash risk. Using synchronicity risk indicator R2 as the proxy of information transparency, we find that opaque In＇ms, as well as excessive transparent firms, are both more prone to stock price crashes. We identify one possible mechanism through which excessive transparency increases crash risk： excessive volatility augments volatility feedback effect and overreaction effect and then increases crash risk.

基于LTE-R网络的高速铁路机车通信信息集成方法

现有的针对高速铁路机车通信的信息集成方法效果并不理想,为此,文章提出基于铁路长期演进(Long Term Evolution for Railway,LTE-R)网络的高速铁路机车通信信息集成方法。基于LTE-R技术构建高速铁路机车通信信息集成模型,结合LTE-R网络算法提取高速铁路机车通信信息,采用Revit软件和收集器收集数据,实现高速铁路机车通信信息的统计与集成。实验结果证明,文章设计的基于LTE-R网络的高速铁路机车通信信息集成方法,对高速铁路机车通信信息集成的自动化程度较高,可节省99.99%的时间,具有较好的应用性能。

Statistical Approach to Basketball Players’Skill Level

In basketball, each player’s skill level is the key to a team’s success or failure, the skill level is affected by many personal and environmental factors. A physics-informed AI statistics has become extremely important. In this article, a complex non-linear process is considered by taking into account the average points per game of each player, playing time, shooting percentage, and others. This physics-informed statistics is to construct a multiple linear regression model with physics-informed neural networks. Based on the official data provided by the American Basketball League, and combined with specific methods of R program analysis, the regression model affecting the player’s average points per game is verified, and the key factors affecting the player’s average points per game are finally elucidated. The paper provides a novel window for coaches to make meaningful in-game adjustments to team members.

基于特征点Rényi互信息的医学图像配准

针对医学图像配准有鲁棒性强、准确性高和速度快的要求,文中提出一种基于特征点Rényi互信息的医学图像配准算法.起初从模板图像与待配准图像中依次提取出多尺度特征点,其次使用其空间坐标计算特征点Rényi互信息目标函数,实现图像配准.该算法有效地避免了多模噪声图像间的灰度差异影响,减少了待处理的数据量,同时使用Rényi互信息来消除目标函数所受的局部极值的影响,进一步提高了配准精度.实验证明该算法适于单模和多模医学图像配准,速度较快、精度高、鲁棒性强,是一种有效的自动配准方法,并且具有较好的临床应用价值.

采用Rényi多样性曲线法评价昆嵛山林下灌草层多样性排序效果

采用Rényi多样性曲线对昆嵛山不同林分类型和不同立地特征所代表的林下灌草层多样性进行排序,评价其应用效果。结果表明,物种累计曲线分析显示实际采到的物种占全部物种数(估计值(ACE)=131.26)的92.9%,表明抽样充分。方差分析表明,除了不同林分类型的Shannon指数(F=4.665,p=0.002)和Simpson指数(F=2.465,p=0.044)有显著差异外,不同海拔、坡位、坡度以及土壤厚度的灌草多样性各个指标,如物种丰富度、Shannon多样性指数、Simpson多样性指数等均无显著差异。Rényi多样性曲线排序明确显示针叶树-杂木林和阔叶林林下灌草层多样性较其他5种林分类型(黑松林、赤松林、赤松-黑松混交林、日本落叶松/刺杉、针叶树-麻栎林)的高,而这5种林分的灌草层多样性曲线相互交错。从立地条件来看,低海拔(<200 m)、下坡位、缓坡(坡度0°～10°)的灌草多样性明显偏低;土壤厚度>5 cm和土壤厚度在1～3 cm的灌草多样性曲线处于其他3个土壤厚度梯度的下方。因此,Rényi多样性曲线在反映群落多样性指标方面更加直观。

应用Rényi熵的显著图生成与目标探测

为了在复杂的地面场景中实现准确的自动目标检测,分析了地面场景图像经二维加窗的伪Wigner-Ville分布(PWVD)后,归一化的Rényi熵与其出现概率间存在的基于e指数的统计特性,以及人造目标的出现引起的地面场景中Rényi熵的统计特性变化,提出了一种新的基于Rényi熵的显著图生成和目标探测方法。对Renyi熵图像进行了均值滤波,然后滤波前后的图像相减得到熵残余图像,并经过高斯滤波获得显著图,最终通过简便的阈值分割,完成目标探测。实验结果表明,该方法对8幅不同场景图像中共计14个目标的探测概率为100%,虚警概率不大于7.1%。与传统方法相比,本文提出的方法能够更为有效地检测复杂地面背景中的军事目标。

密度泛函活性理论中的Rényi熵,Tsallis熵和Onicescu信息能（英文）

根据密度泛函理论,分子的电子密度确定了该体系基态下的所有性质,其中包括结构和反应活性.如何运用电子密度泛函有效地预测分子反应活性仍然是一个有待解决的难题.密度泛函活性理论(DFRT)倾力打造这样一个理论和概念架构,使得运用电子密度以及相关变量准确地预测分子的反应特性成为可能.信息理论方法的香农熵和费舍尔信息就是这样的密度泛函,研究表明,它们均可作为反应活性的有效描述符.本文将在DFRT框架中介绍和引进三个密切相关的描述符,Rényi熵、Tsallis熵和Onicescu信息能.我们准确地计算了它们在一些中性原子和分子中的数值并讨论了它们随电子数量和电子总能量的变化规律.此外,以第二阶Onicescu信息能为例,在分子和分子中的原子两个层面上,系统地考察了其随乙烷二面角旋转的变化模式.这些新慨念的引入将为我们深入洞察和预测分子的结构和反应活性提供额外的描述工具.

基于时频分布Rényi熵特征的雷达辐射源识别

针对复杂体制雷达辐射源识别,提出一种基于时频分布Rényi熵的雷达信号特征提取和识别方法。该方法首先对雷达辐射源信号进行时频变换,然后提取信号时频分布的3阶、7阶和11阶Rényi熵作为特征向量,得到具有维数低、类间差异较大的识别特征。最后采用支持向量机分类器实现信号的分类识别。文中对8种常见雷达信号进行了仿真实验,结果表明在较大的信噪比范围内,该方法能获得较为满意的正确识别率,当信噪比为-3dB时,采用时频分布Rényi熵特征的平均识别率仍能达到90.75%,验证了提出方法的有效性。

基于区域联合Rényi熵的多模医学图像配准

针对医学图像配准对准确性高、鲁棒性强和速度快的要求,本文提出一种新的基于区域联合Rényi熵的多模配准算法.该算法将区域信息融入到联合Rényi熵中,并使用最小生成树来估计区域联合Rényi熵.这样,不仅改善了传统配准方法由于忽略像素空间信息造成的配准鲁棒性的降低,而且避免了使用直方图估计高维熵遇到的"维数灾难"问题.实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有鲁棒性强、速度快的优点.作为一种一般性的配准算法,基于区域联合Rényi熵的配准方法还可以应用到图像配准以外的更广阔的领域,如图像检索、对象识别等.

基于Rényi熵的q-指数分布及其可靠性分析应用

基于最大Rényi熵原理,在归一化和均值约束下,提出了一种具有封闭表达式的双参数广义指数分布,记为q-指数分布。该文研究了该分布的统计性质,指出可以分别利用极大似然法和信息似然法估计q-指数分布参数,并将该分布用于可靠性分析。利用两个已知的数据集进行了验证,实验结果表明,所提出的q-指数分布比其他常用分布,如韦伯分布和线性失效率分布,能够更好地拟合数据集。此外,锂电池剩余寿命估计实验表明,采用q-指数分布比采用传统指数分布,估计精度至少提高17.857%。

基于Rényi熵图的医学图像自动弹性配准

提出一种基于Rényi熵最小生成图和multi-quadric径向基函数的医学图像自动弹性配准方法。应用图像金字塔的思想,对图像分层分块,将Rényi熵最小生成图作为相似性测度对子块进行配准,在对应的子块中选取对应的标记点,用multi-quadric径向基函数插值这些标记点,从而实现医学图像弹性配准。实验结果表明,该方法配准速度较快,精度较高,是一种有效的自动弹性配准方法。

基于Rényi熵的互补尺度空间关键点医学图像配准

针对医学图像配准对鲁棒性强、准确性高和速度快的要求,本文提出一种基于Rényi熵的互补尺度空间关键点配准算法。该算法首先从图像上提取Harris-Laplace(HL)和Laplacian of Gaussian(LoG)两种互补的尺度空间关键点,然后将关键点对应的灰度信息融入到联合Rényi熵中,最后使用最小生成树来估计联合Rényi熵。新算法结合了互补关键点的鲁棒性,和最小生成树估计Rényi熵的高效性。实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度。

基于Rényi信息增量的机动目标协同跟踪算法

针对基于多传感器组网进行机动目标跟踪的传感器管理问题,提出了一种基于Rényi信息增量的机动目标协同跟踪算法。首先结合"当前"统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法,来进行机动目标的状态估计;然后以Rényi信息增量为评价准则,选择使Rényi信息增量最大的单个传感器进行目标跟踪;最后利用得到的最优加速度估计进行网格划分,更新变结构多模型中的模型集合。在一般机动及强机动场景下进行了算法性能分析,仿真结果表明,该算法能够合理地选择传感器,提高了对机动目标的跟踪精度。

基于梯度相似性与Rényi熵图的图像配准算法

图像配准技术是图像处理与分析中的基本任务。针对图像配准对鲁棒性强、准确性高和速度快的要求,文中提出一种基于梯度相似性与Rényi熵图的图像配准算法。该算法首先提取图像特征点集,以Rényi互信息作为目标函数,然后使用特征点集的广义近邻图来估计Rényi熵与互信息,最后将特征点梯度信息融入到配准框架中。新算法结合了特征点梯度信息的鲁棒性和Rényi熵图理论的高效性。在真实遥感图像上进行的配准的实验表明,与传统方法相比,新算法在鲁棒性、速度和准确度上都达到很好的结果,是一种有效的图像配准方法。

基于Rényi熵的铣削过程稳定性预测研究

颤振现象会严重制约铣削加工的质量与效率。为实现无颤振高效铣削,提出了一种基于Rényi熵的铣削过程稳定性时域预测方法。即先用变步长龙格-库塔法求解铣削动力学微分方程,获得振动位移、切削力等时域信号;再计算仿真时域信号的Rényi熵并依据设定的颤振阈值确定给定切削条件的铣削稳定性。将仿真得到的稳定性叶瓣图与颤振验证试验结果进行对比,验证了所提出预测方法的正确性。