Research progress in SAW filter banks

SAW (Surface Acoustic Wave) filter bank is a single input, single or multi-output device consisting of multi-SAW-filters with input interconnection network or switch circuits, and can be divided into two categories: channelizer (multi-output) and switchable (programmable, single output). The former is mainly used in military channelized receiver for spectrum analysis; the latter has wide application in frequency synthesizer and frequency-hopping radar and communication system receiver as anti-jamming filter, and has been widely used in various military electronic equipments ever since the 1970s. Research abroad was done mainly by Americans, few documents on related work done by Japan and Russia are available. Do-mestic research started in the 1980s, mainly by No. 26 Research Institute, China Electronics Technology Group Co., Institute of Acoustics, Chinese Academy of Sciences, No. 23 and No. 25 Research Institute, China Spaceflight Tech. Group Co. This paper first briefly introduces Chinese and foreign research on SAW filter banks; then discusses research progress in device design, the input interconnection network or switch circuit and miniaturization; and ends in a brief perspective of developing trends in future.

基于渐进高斯滤波融合的多视角人体姿态估计

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题,提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法.首先,设计分层性能评估方法对多视觉量测进行分类处理,以适应视觉遮挡引起的量测不确定性问题.其次,构建分布式渐进贝叶斯滤波融合框架,以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性.特别地,针对量测统计特性变化问题,利用局部估计间的交互信息来引导渐进量测更新,从而隐式地补偿量测不确定性.最后,仿真与实验结果表明,相比于现有的方法,所提的人体姿态估计方法具有更高的准确性和鲁棒性.

腔静脉滤器的应用进展

深静脉血栓(DVT)是临床常见的疾病,急性期发生血栓脱落可引起肺栓塞(PE),其病死率极高。应用腔静脉滤器拦截DVT脱落的栓子流向右心房可有效降低PE的发生率及其危害程度。腔静脉滤器可根据放置位置的不同分为下腔静脉滤器和上腔静脉滤器。下腔静脉滤器又可因使用时间的不同分为永久性滤器和非永久性滤器,后者可进一步细分为临时性、可回收性、可转换型滤器等。本文就近年来国内外关于预防PE的滤器种类和治疗效果进行简要综述,旨在为临床医师合理选用腔静脉滤器提供参考。

联合卡尔曼滤波和泰勒残差展开的回声消除方法

现有基于深度学习的声学回声消除算法主要采用端到端的结构,这种结构使得神经网络模型在设计上的可解释性难以实现。针对这一问题,提出一种联合卡尔曼滤波和泰勒残差展开的回声消除方法,可以为网络结构设计提供很好的可解释性。该方法由线性自适应滤波和深度神经网络两部分组成。首先,采用神经卡尔曼滤波(Neural Kalman Filtering,NKF)作为自适应滤波器去除线性噪声,获得目标语音的粗略频谱估计;然后,通过泰勒展开神经网络对粗谱估计的结果进一步处理,以抑制非线性残留回声,并逐步修复目标语音的复数频谱。在泰勒展开神经网络中设计融合不同尺度时频特征的编解码网络用于零阶项估计,构建轻量级高阶项估计网络,并按颗粒度由大到小重建目标语音复数频谱。结果表明,相比现有的主流回声消除方法,本文所提方法的性能有显著提升。双讲情况下,语音质量感知评估(Perceptual Evaluation of Speech Quality,PESQ)和短时客观可懂度(Short-Time Objective Intelligibility,STOI)均有大幅提升;单讲情况下,回声损失增强度量(Echo Return Loss Enhancement,ERLE)达到了56.106的优良表现,相比先进的UNET神经网络方法提高了6.5%。

面向复杂山区微地貌的手持LiDAR点云滤波方法比较

本文以手持激光点云数据是否可用于进行复杂山地土壤侵蚀和地表剥蚀测量为典型实例,试验对比分析了渐进加密三角网滤波算法、坡度滤波算法及布料模拟滤波算法在地面激光雷达点云分类中的性能。具体分别采用了3种滤波对应的参数对试验数据集进行测试以获得最高性能,并对比分析而获得每种算法的最优滤波。试验结果表明:对于平缓裸露地貌的滤波处理,布料模拟滤波效果最好,渐进加密三角网滤波次之,坡度滤波算法效果最差;对于复杂山地地貌的滤波处理,渐进加密三角网滤波算法滤波效果最好,布料模拟滤波次之,坡度滤波算法效果最差。试验研究成果为优化滤波算法的参数以提高其检测微地形变化的性能提供了有价值的信息,并验证了渐进加密三角网滤波在复杂地区滤波效果的有效性。

一种基于渐进形态学滤波的DEM生成方法

为了探索一种全新的DEM(Digital Elevation Model,简称DEM)生产方法,提高城市DEM的更新效率,利用渐进形态学滤波分离DSM中地面高程点和非地面高程点,然后对地面高程点构建Delaunay三角网,并基于射线与三角网求交的方式插值生成完整的DEM。实验表明,文中方法不仅能够有效地完成DEM的数据生产,且生产的DEM误差可控,能够满足实际的应用需求。因此,该方法具有极强的技术可行性,可以提高无人机DSM的利用率,促进城市DEM的动态更新。

基于渐进式卡尔曼滤波器的人体目标跟踪方法分析

阐述一种渐进式卡尔曼滤波器算法,将该算法应用于人体目标跟踪中。仿真结果表明,该方法在长时间的目标跟踪中,能够有效地提高系统的鲁棒性。实验室环境中的测试结果表明,该方法对人体目标的运动趋势和方向能够做出正确的预测估计。

机载LiDAR点云数据的组合滤波算法研究

针对采用渐进式形态学滤波算法进行机载LiDAR点云滤波时存在的滤波效果不佳、地形特征保留不明显的问题,本文提出了一种改进不规则三角网的后处理滤波算法,构建组合式机载LiDAR点云滤波算法。该组合算法有效地结合了渐进式形态学滤波算法与改进TIN滤波算法的优势,首先采用渐进式形态学滤波算法对原始机载LiDAR点云数据进行处理,提取得到初始地面点;其次优化传统TIN滤波算法,以初始地面点及种子点构建TIN,通过连续迭代提取得到精细化地面点。为验证本文提出滤波算法的可靠性与优越性,选取宁波市某地2组机载LiDAR点云数据进行实验,结果表明,与较单一的渐进式形态学滤波算法、TIN滤波算法地面点提取结果相比较,本文改进滤波算法提取地面点的Ⅰ类误差、Ⅱ类误差及总误差均更低,且不受地形条件限制,具有较高的适应性,验证了本文提出改进滤波算法的可靠性与优越性。

基于渐进无迹卡尔曼滤波网络的人体肢体运动估计

针对基于表面肌电信号(Surface electromyography, sEMG)的人体肢体运动估计建模困难的问题,提出一种渐进无迹卡尔曼滤波网络(Progressive unscented Kalman filter network, PUKF-net),来实现降低肢体运动与sEMG量测的建模难度以及提高肢体运动估计精度的目的.首先,设计深度神经网络从sEMG数据中学习肢体运动状态与sEMG量测之间的映射关系和噪声统计特性.其次,采用渐进量测更新方法对先验状态估计进行修正,减小运动估计的线性化误差,提高PUKF-net模型的稳定性.通过结合深度神经网络和渐进卡尔曼滤波的优势,使得PUKF-net具有良好的模型适应性和抗噪能力.最后,设计基于sEMG的人体肢体运动估计实验,验证了PUKF-net模型的有效性.相较于长短期记忆网络(Long short-term memory, LSTM)和其他卡尔曼滤波网络, PUKF-net在肢体运动估计中的均方根误差(Root mean square error, RMSE)下降了14.9%,相关系数R2提高了5.1%.

基于卷积神经网络的大数据去模糊挖掘仿真

由于当下大数据普遍存在着复杂异构和强噪声等问题,而很多挖掘算法又面临着参数冗余或者效率低下等困境,因此提出了基于卷积神经网络的大数据去模糊挖掘算法。首先利用模糊融合得到属性的自关联特征,经过归一化操作后,计算出数据集的聚类模态;考虑冗余数据和噪声数据的影响,引入加权滤波操作,完成对混合数据的模糊分块挖掘。然后基于DCNN的基本结构设计了参量压缩和搜索方向,降低计算资源开销,并通过选边与渐进方式增强前后层间的联系以及稳定性。最后利用Java编写去模糊挖掘算法,部署于Hadoop集群上,通过Versicolor与Setosa两个数据集采取仿真,经过与其它方法的对比分析,验证了所提方法在抗干扰性、执行效率和资源消耗方面均展现出比较明显的性能优势,能够有效适用于复杂属性数据,改善冗余数据与强噪声的干扰。

改进的渐进加密三角网机载点云滤波方法

针对渐进加密三角网滤波算法在林区机载点云滤波中存在种子点选取困难和精度较低的问题,提出了一种适合林区点云数据的改进渐进加密三角网滤波方法。该方法首先使用去噪算法(SOR)对离群点进行剔除,然后采用布料模拟和局部薄板样条插值方法获取大量均匀可靠的地面种子点,最后利用改进的渐进加密三角网滤波方法进行滤波,迭代运算进而得到地面点。使用6组标准数据和3组林区数据进行实验,标准数据的平均总误差和Kappa系数分别为2.16%和84.96,林区数据的平均总误差为4.62%。实验结果表明,改进方法适用于复杂的林区机载点云滤波,且提高了滤波精度。

一种改进的渐进形态学滤波算法及应用

为了能够准确地将机载激光雷达(LiDAR)点云数据中非地面点剔除,为大面积区域高分辨率数字高程模型(DEM)生产提供可靠的数据源,本文针对渐进形态学滤波算法存在地形特征保留不明显、滤波效果不佳的缺陷,引入薄板样条插值(TPS)算法,使用TPS在渐进形态学滤波不同窗口下进行处理,直至窗口尺寸小于预设最小窗口尺寸,从而实现渐进形态学滤波算法的有效改进。使用两组不同地形条件的机载LiDAR点云数据进行实验以验证本文算法的可靠性,结果表明相较于对比滤波算法,本文算法滤波精度有较大程度提升,对于不同地形条件具有较高的适应性。

线性渐进滤光成像高光谱数据的波段配准方法

线性渐进滤光成像传感器作为一种新型传感器,其高光谱数据处理原理与传统线阵高光谱数据处理原理存在差异,研究较为匮乏。在图像配准方面,利用传统方法配准精度不高。基于几何校正后的线性渐进滤光高光谱图像,提出一种分组逐层返回配准的波段配准策略和双充分性SIFT算法(DS-SIFT算法)。DS-SIFT算法包括粗配准及精配准,其中精配准使用分块的改进SIFT算法,通过引入信息熵和结构相似性进行图像子块的查找,有效提高不同波段之间配准精度及效率。通过飞行数据进行算法验证,结果表明,利用本文所提的处理算法及流程,可以得到质量较好的高光谱配准数据。

星载光子计数激光雷达数据森林高度及林下地形反演研究进展

森林高度是衡量森林生物量、森林生态系统碳汇的重要参数,位于森林下的地形(林下地形)是支撑国家重大基础设施建设、灾害监测的战略信息资源。新一代星载激光雷达ICESat-2/ATLAS采用一种多波束微脉冲的光子计数技术,以10 kHz的重复频率对地发射激光脉冲,从而导致出现间隔为0.7 m、光斑半径为8.5 m的重叠光斑。相比于ICESat-1/GLAS,ICESat-2/ATLAS具有更高的空间采样率以及对坡度的不敏感性,是目前反演森林高度参数和林下地形的重要手段。本文介绍了ICESat-2/ATLAS的主要参数指标,总结了各类误差因素对ATL08官方产品的影响,分析了各种森林区光子点云滤波方法、ICESat-2林下地形反演方法及森林高度参数反演方法的适用性及面临的主要问题,展望了ICESat-2/ATLAS光子点云滤波、林下地形及森林高度参数反演的发展趋势及应用前景。

渐进三角网加密滤波辅助的布料模拟滤波

为了提高布料模拟滤波(CSF)算法处理复杂地形时的精度与适应性,本文提出了渐进三角网加密滤波辅助的布料模拟算法(CSFPTD)。该方法首先根据地面点云回波次数特点提取单、末次回波点云,以提高点云处理效率,在此基础上,采用渐进三角网加密滤波算法提取地面点,建立宏观反映复杂地形特征的粗数字地面模型(DTM),对点云进行高程归一化处理,消除地形起伏对点云滤波结果的影响,最后CSF实现点云精细滤波。对CSFPTD算法与经典CSF算法进行了对比实验,其中,Ⅰ类误差由11.81%下降到7.48%,Ⅱ类误差由1.90%下降到1.23%,总误差由4.05%下降到2.58%。实验结果表明:CSFPTD算法在综合复杂地形下的滤波精度明显提高,提升了算法的地形适应性。

多核处理器的机载激光雷达点云并行三角网渐进加密滤波方法

滤波是机载LiDAR点云数据处理的关键步骤之一,点云数据的海量化特性使得一般的串行化滤波处理方法无法满足快速成图的应用需求。提出一种基于多核计算技术的并行三角网渐进加密滤波方法,将串行方法中最耗时的三角网构建与脚点判别过程进行了并行化改造。三角网构建算法的并行化基于分治法实现,脚点判别算法的并行化采用一种随机分配策略将三角网划分为多个离散分布的三角形子集合来实现负载均衡。并行滤波方法在8核环境下多次渐进加密的实际加速比达到3.1左右。试验证明,该方法可以充分发挥多核计算优势,并且对不同分布形态点云数据具有良好的适应性。

渐进扩展卡尔曼滤波器

渐进贝叶斯方法将贝叶斯更新步骤等效为伪时间上的连续演化过程,以实现对状态的后验估计.本文基于渐进贝叶斯框架,导出一种新的高斯型非线性滤波算法.在线性高斯条件下推导了渐进贝叶斯方法的精确解;证明了对于由线性高斯解确定的动态系统,其均值和协方差矩阵满足的微分方程与常数状态估计的Kalman-Bucy滤波器是一致的.对于非线性系统,利用一阶Taylor展开推导了近似解表达式,进而导出渐进扩展卡尔曼滤波器.仿真算例表明新滤波器性能较扩展卡尔曼滤波器有大幅提高,且避免了窄形似然函数带来的滤波性能恶化问题.

磁偶极子跟踪的渐进贝叶斯滤波方法

提出一种新的非线性滤波器应用于磁偶极子目标跟踪问题.建立了跟踪问题的状态空间模型,在此基础上,从高斯矩近似误差的角度分析了现有卡尔曼滤波更新在磁偶极子跟踪中的问题.对此,将贝叶斯更新过程等效为求解连续时间上的渐进贝叶斯问题,在线性高斯条件下推导了其解析解,表明渐进贝叶斯更新可等效为定常系统的Kalman-Bucy滤波器;进一步采用一阶Taylor展开得到非线性近似解表达式,导出一种渐进贝叶斯滤波器,从理论上分析了与现有方法的异同.仿真与实测磁目标跟踪试验结果表明,渐进贝叶斯滤波器具有良好的精度和收敛性,能够有效抑制磁目标跟踪中由于大初始误差导致的性能下降和滤波发散,且计算效率与扩展卡尔曼滤波器相当,适于实际应用.

生物滴滤池法处理挥发性有机污染物的进展

在综述生物法降解挥发性有机气体进展的基础上,着重讨论了生物滴滤池填料的选择、菌种的驯化方法、运行条件的选择及运行工况的调节等,并分析其存在问题和今后的技术发展方向。

新型自清洗网式过滤器结构优化研究

自清洗网式过滤器是微灌系统首部处理高含沙水源的关键过滤设备,相比传统过滤器,它具有自动化程度高、水头损失小和过滤效果好等优点。本文在介绍水力旋喷自动吸附网式过滤器的工作原理及结构特点基础之上,重点对其结构进行了优化处理:增加过滤器内部过滤级数、改变并组合自清洗动力装置。通过对结构优化:实现各级过滤室的自清洗状态、改变自清洗动力装置的单一性,这对提高过滤器对灌溉水源的过滤效率,研制和开发新型自清洗过滤器样机提供多样性选择。