事件驱动的B/S系统开发框架Echo研究

传统的B/S开发框架受HTTP协议及浏览器功能的限制,开发的程序在界面、功能上存在着一定的不足。同时,混用HTML、JavaScript等语言增大了开发的难度,并且使得程序的性能、可移植性大大下降。文章介绍了新出现的一种纯事件驱动和面向对象的B/S开发框Echo的技术和应用,给出了解决这一系列问题的一个思路:利用Echo框架,可以完全使用单一的面相对象的Java语言,开发出事件驱动的具有良好可维护性和可移植的B/S系统。

Phase synchronization processing method for alternating bistatic mode in distributed SAR

In the distributed synthetic aperture radar （SAR）, the alternating bistatic mode can perform phase reference without a synchronization link between two satellites compared with the pulsed alternate synchronization method. The key of the phase synchronization processing is to extract the oscillator phase differences from the bistatic echoes. A signal model of phase synchronization in the alternating bistatic mode is presented. The phase synchronization processing method is then studied. To reduce the phase errors introduced by SAR imaging, a sub-aperture processing method is proposed. To generalize the sub-aperture processing method, an echo-domain processing method using correlation of bistatic echoes is proposed. Finally, the residual phase errors of the both proposed processing methods are analyzed. Simulation experiments validate the proposed phase synchronization processing method and its phase error analysis results.

基于变分模态分解与鲸鱼算法优化回声状态网络的风速预测模型

风速受多种因素影响常伴随着随机性和非平稳性,给风电接入电网造成了相当大的困难,准确的风速预测对风力发电有着极大的研究意义。将变分模态分解算法与鲸鱼算法优化回声状态网络模型相结合,提出了一种风速预测模型。首先通过变分模态分解算法将风速序列分解成多个分量以减少风速内部信号间的耦合性,降低建模难度。然后对这些分量分别建立对应的回声状态网络预测模型。针对回声状态网络模型性能受储备池参数影响较大的问题,采用鲸鱼优化算法对储备池参数进行优化。风速的最终预测值由分解后各分量预测值相加得到。最后,将实际采集的短期风速数据作为研究对象,通过与其他4种预测模型的对比分析表明提出的风速预测模型具有更高的预测精度,能够更好地对风速的变化趋势进行预测。

基于激光雷达回波信号的雾天船舶航线快速辨识

激光雷达所处环境噪声较大,船舶航线辨识困难,为解决该问题,提出基于激光雷达回波信号的雾天船舶航线快速辨识方法。采用信号累积增强算法增强雾天激光雷达回波信号,利用改进经验模态分解算法去噪处理增强后的回波信号,结合回波信号通过最小类内方差获取得到船舶航线和水面最佳分割阈值,提取船舶航线特征点。利用最小二乘法拟合法拟合船舶航线特征点,完成雾天船舶航线辨识。实验结果表明,所提方法应用后激光雷达回波信号更平滑,输出信噪比更高,均方根误差更低,船舶航线辨识准确率更理想。

用于土壤温湿度检测的声表面波标签设计

针对土壤温湿度的并行检测提出了基于声表面波标签的解决方案。采用耦合模理论对阻抗负载型声表面波标签进行建模与仿真,得到负载反射栅回波幅值和相位随电容值变化规律。在此基础上,根据声表面波标签对土壤温湿度不同的敏感机理,设计了一种双通道双边带标签结构,采用时分多址的方法解决了对不同深度层级土壤同时检测时存在的回波信号混叠问题。通过回波信号的相位和幅值比实现了土壤温湿度检测,结合矢量网络分析仪和阅读器对标签进行测试,测试结果表明了标签的有效性。

基于MI-EMD的激光引信回波信号去噪方法研究

为解决激光引信回波信号容易被噪声污染、信噪比低的问题,提出一种基于互信息经验模态分解的激光引信回波信号去噪方法。该方法融合了互信息相关性和经验模态分解自适应性的特点,对基于雷达原理建立的激光引信回波信号进行经验模态分解,通过互信息及相关阈值区分噪声模态和信号模态,提取出分解信号中的有用信号分量,并将其相关模态进行重构实现噪声的有效去除。实验结果表明:该方法处理后的信噪比提高到了18.8854 dB,均方根误差减小到2.81×10^(-6),且去噪后信号曲线的平滑度较高。该方法能有效滤除激光引信回波信号中的噪声,很好地还原激光引信回波原始信号,保证信号的完整性,为后续激光引信在噪声条件下的精确定距奠定了坚实的基础。

基于EMD-DESN的无人机集群航迹目的地预测

无人机(unmanned aerial vehicle,UAV)集群作战样式多样、运动模式复杂,导致集群航迹目的地难以预测。为解决上述问题,本文提出了一种基于经验模态分解(empirical mode decomposition,EMD)和深度回声状态网络(deep echo state network,DESN)的UAV集群航迹目的地预测算法。为使集群运动模型更真实地模拟UAV集群作战过程,本文引入航向误差时变方差,改进了Olfati-Saber集群运动模型的虚拟领导项。为处理因群内的协同作用和集群航向误差导致的运动非平稳性,引入了EMD,对UAV航迹序列进行重构。考虑到获知航迹的时序性,设计了滑窗结构,采用DESN对重构航迹的不同时段进行目的地预测。仿真实验结果表明,本文提出的EMD-DESN算法较基本DESN算法能以更高的准确度预测UAV集群航迹目的地,并能更早地实现稳定的正确预测。

异步传输模式下电路探测激光回波信号增强

激光回波信号是电路探测传输的常用信号,信号强度是保障集成电路探测效果的关键,因此提出大数据异步传输模式下的电路探测激光回波信号增强方法。利用多权重混合分布模型消除激光回波信号的背景噪声;根据异步传输模式的通信方式,建立激光回波信号接收机,接收保留完整信号信元;利用整形脉冲信号处理方法完成信号累积和自适应匹配滤波,实现大数据异步传输模式下电路探测激光回波信号的增强。实验结果表明,所提方法的信号增强结果在任意波长处的能量和光谱强度均较高。

基于NGO-VMD-SSA-ESN的短期电价预测

针对电价波动性和非线性的特点,为提高电价预测的精度,提出了一种基于回声状态网络的短期电价混合预测模型。首先,基于北方苍鹰优化算法(NGO)优化后的变分模态分解(VMD)对原始电价进行分解,降低电价的波动性;然后,利用麻雀搜索算法(SSA)对回声状态网络(ESN)的参数进行优化,使其能针对NGO-VMD分解后的不同子序列自适应地调整参数进行预测,降低参数经验设置的随机性;最后,根据分解子序列与原始数据的皮尔逊相关系数,选择合适子序列的预测结果重构合成最终预测结果,消除了噪声的影响。以美国PJM电力市场为例,与其他电价预测模型对比验证所提出的混合模型具有更好的预测精度。

基于信号模态分解在降水估计中的研究与应用

极端强降雨是造成的社会经济损失自然灾害之一,运用雷达回波功率进行降水估计是气象降水监测中的重要应用趋势,如何准确地获取地表降雨信息是广大学者的研究目标。本文针对回波信号包含的大量噪声问题,综合多种信号模态分解算法,对信号进行降噪处理,并建立信号功率与雨强估计的模型。以江西市某地的降水情况为例,综合结果表明,经过模态分解的信号功率经过模型输出的雨强更加贴近理论值,基本上实现了对雨情的准确判断。

基于HIFU回波信号和多尺度模糊熵的生物组织变性识别研究

为了解决高强度聚焦超声(HIFU)治疗中的监测问题,在无需引入其他监测源的情况下,通过研究HIFU回波基波与二次谐波的多尺度模糊熵(MFE),提出了一种生物组织变性辨析新方法。HIFU回波信号通过谱减法去噪后,利用信息散度优化的变分模态分解(KLD-VMD)提取其基波与二次谐波分量,然后结合基波与二次谐波的MFE对组织进行变性识别,并使用等错误概率(EER)评价了该方法的有效性。最后,研究还比较了KLD-VMD与VMD、经验模态分解(EMD)和固有时间尺度分解(ITD)等其他分解方法,结合MFE分析了其辨析变性组织的能力。试验结果表明:基于KLD-VMD和MFE的组织变性识别其EER达到5.1%,相较于其他方法表现出了更好的识别效果;结合基波和二次谐波的识别结果比使用单一特征参数更好。该研究为HIFU治疗提供了一种新的监测方法,具有潜在的实际应用价值。

基于改进鲸鱼算法的数字助听器回声消除方法

在数字助听器应用中,回声消除能力是检验助听器效果的标准之一。针对回声消除算法中自适应滤波器权重设置主观性较强以及实际语音信号波动性较大导致数字助听器回声消除精度不高的问题,提出了一种结合集合经验模态分解(EEMD)方法及鲸鱼算法(WOA)的最小均方误差算法(LMS)。该新方法在鲸鱼算法的基础上引入集合经验模态分解方法,采用集合经验模态分解方法将采集到的语音信号分解为若干个平稳的子序列,运用鲸鱼算法收敛速度较快的特点帮助自适应滤波器更快找到更适宜的权重,对自适应滤波器进行权重向量的优化,从而建立EEMD-WOA-LMS模型,通过回声消除效果的常用性能指标对所提方法进行验证。仿真实验表明,将改进方法与WOA-LMS算法相比,能获得较快的收敛速度和较低的失调量,并且均方误差有所降低,失调量降低了0.73 dB,回声损失值提升了2.87 dB,验证了EEMD-WOA-LMS算法的回声消除能力更优。

基于镜面回波估计的热壁加氢反应器堆焊层缺陷多模式全聚焦成像

热壁加氢反应器长期在高温、高压和氢腐蚀等恶劣工况下运行,其内壁堆焊层的缺陷检测对设备安全至关重要。针对加氢反应器堆焊层的外侧超声检测技术难点,提出了一种基于镜面回波估计的多模式全聚焦成像检测方法。首先,使用镜面回波估计器进行仿真分析得到多模式全聚焦成像区域灵敏度,确定对缺陷敏感的超声路径;然后,获得不同路径下裂纹缺陷的全聚焦成像特征;最后,使用多模式全聚焦成像方法对试块堆焊层表面裂纹缺陷进行检测与定位。仿真及试验结果验证了该方法在内壁裂纹检测及缺陷定位精度上的可靠性,为行业提供了一种更经济高效的检测方案。

基于ESN模型的制造商库存需求预测

准确的库存需求预测对制造商提升库存管理能力具有重要意义。首先,针对制造商库存需求非平稳性、非线性和高波动的特点,使用奇异谱分析(SSA)和变分模态分解(VMD)实现特征工程,将原始数据分解为趋势信号和多种不同周期的信号,作为模型的输入。然后,引入回声状态网络(ESN),提出SSA-VMD-ESN模型,对库存需求进行预测。最后,将所提模型应用到Kaggle平台真实的制造商库存需求数据集中,与6种模型对比,并单独使用9个产品实验,结果表明所提出模型各项误差指标均属最优。由此证明,研究所提出模型可以有效提高库存需求预测的准确率,对库存管理具有较强的应用价值。

集群创新网络演化的动力和合作机制研究

依据霍兰的复杂适应系统理论,运用刺激—反应模型和回声模型对集群创新网络形成的动力、合作机制进行了深入地阐释。在剖析集群创新网络形成的特征、影响因素以及合作条件的基础上,提出了4条促进集群创新网络快速发展的政策建议。

山东中西部后向发展雷暴初步研究

基于山东济南新一代天气雷达多年资料,首先提出后向发展雷暴的概念,并规定了普查标准。通过普查2005—2012年8年济南多普勒天气雷达资料,选取了75个后向发展雷暴个例,分析了山东中西部后向发展雷暴的统计特征,给出了常见的3种后向发展雷暴概念模型。选取典型个例,分别对3种类型后向发展雷暴的演变方式及其物理机制进行了初步分析,为山东中西部后向发展雷暴的生成和演变提供了初步的认识。结果表明:(1)后向发展雷暴主回波以带状为主,生命史1—5 h,最大反射率因子在50 dBz以上,移动路径有西—西北、西南、原地新生3种类型;(2)新回波初生时间发生在16—17时(北京时)最多,初生地点在鲁西北和鲁中山区一带,强度一般在30 min内超过40 dBz,生命史在1 h以上,74.7%的新生回波与主回波合并或连接;(3)山东省中西部具有后向发展特征的对流系统产生的灾害性天气以冰雹和雷暴大风为主,很少伴随暴雨灾害;(4)新回波的源地特征可以分为随主回波移动、沿同一方向延伸以及位于两雷暴群之间3种类型;多个雷暴群共存时,新回波的源地介于两个回波带之间,使二者逐渐趋为一体;(5)当主回波传播方向与其长轴相交时,其长轴方向转向,距离新回波较远的一侧减弱;当主回波传播方向与其长轴方向一致,新回波源地位于主回波长轴的延长线上时,主回波加强;(6)天气尺度系统为后向发展雷暴提供了条件不稳定的大气层结和丰富的水汽,地面辐合线和冷池前沿阵风锋是产生新雷暴的主要抬升触发机制;适当的低层垂直风切变有利于新雷暴持续产生并加强;地形的阻挡使新回波源地在同一地点停滞,冷池阵风锋在低层风引导下沿地形向下游移动,新回波源地也随之移动。

基于季节与趋势模式的基坑顶部变形预测

提出一种通过粒子群算法(PSO)优化变分模态分解(VMD)控制参数,并结合回声状态网络(ESN)和自注意力机制的基坑顶部变形预测方法。首先,利用粒子群算法优化VMD的控制参数,将基坑顶部变形序列数据分解成不同的本征模态函数(IMF),根据不同频率特征,将变形序列分解成季节项、趋势项与随机项。将自注意力机制与回声状态网络结合,对重构后的长时间序列数据进行建模,并对比筛选不同时长的输入数据,以确定最佳输入时长,从而提高预测精度。以广州某基坑的变形监测数据为例,对所提方法进行验证。实验结果表明,在输入步长为3的情况下,模型的MSE(均方误差)为0.62,R2为0.986,有效提升了基坑顶部变形预测的准确性与稳定性。

基于经验模态分解和S变换的缺陷超声回波检测方法

为对金属材料超声无损探伤中的微小缺陷回波进行检测,建立了金属材料背散射信号模型,讨论了调幅回波模型的中心频率估计的无偏性,并提出基于经验模态分解(EMD)和S变换的缺陷回波检测方法。首先对原始信号作EMD,通过时间尺度滤波重构信号,实现初步去噪;为抑制EMD去噪后信号的信噪混叠现象,执行基于S变换和最大类间方差法的去噪算法,进行二次去噪,得到信噪比较高但缺陷回波幅值衰减较大的信号。最后采用二次S变换修正二次去噪中因S变换导致的缺陷回波幅值降低量。对仿真信号和实际棒材检测信号的处理结果证明了该方法在去除噪声和缺陷回波检测方面的有效性。

梅雨锋暴雨中尺度对流系统的组织特征和触发条件分析

利用常规气象观测、地面加密自动站和多普勒天气雷达资料,结合WRF(Weather Research and Forecast)模式模拟资料,对2015年6月26—28日长江中下游的一次梅雨锋暴雨过程中尺度对流系统(Mesoscale Convective System,MCS)的组织特征和对流触发条件进行分析。结果表明:1)暴雨过程线状MCS在发展初期表现为东西向雨带不断的"后部建立"以及随后对流单体的"列车效应";在发展成熟期,对流单体向东北—西南向发展,形成多个近乎平行的东北—西南向短雨带。呈现2种尺度的对流组织方式:新生对流单体沿着单个雨带向东北方向的"列车效应"和短雨带沿着线状M CS向东平流的"列车带"效应。2)低空急流的持续加强为对流的发生发展提供了条件性不稳定和对流有效位能,偏南暖湿气流在向东北推进的过程中,在风速辐合处被强迫抬升至自由对流高度,释放不稳定能量,触发对流。3)对流雨带内近地面向南的冷出流与低层西南暖湿气流的持续交汇和相互作用有利于新单体生成发展,使雨带得以维持。

STEAM和PRESS序列对磁共振频谱绝对定量的影响

目的:比较PRESS和STEAM序列对大脑中央前回的代谢物绝对定量的差异。方法:8例健康成年人,平均年龄26.1岁。使用PRESS序列及STEAM序列进行定量检测,实验参数为TE=30ms,TR=3000ms。扫描时间每次约30min。结果:PRESS和STEAM序列使用LCModel软件分析得出Cr的浓度存在显著的差异性,并认为实验结果与序列的特征以及受邻近代谢物峰值影响有关,而对NAA、Cho、Glx、MI、NAA/Cr、Cho/Cr、MI/Cr、Glx/Cr没有显著差异。结论:在短TE条件下,STEAM序列对绝对定量的准确性较PRESS序列稍高。在短TE情况下,Cr物质受到邻近物质峰值影响,使基线不平稳。