基于AttentionR2U-net的岩石(体)关键节理智能识别与参数提取

针对岩石(体)表面复杂节理网中关键节理的智能识别与参数提取问题,提出一种基于AttentionR2U-net网络与节理几何特征模型耦合识别的方法.在R2U-net网络的基础上引入注意门(attentiongate)改进网络,通过定性与定量的方法对边坡节理图像和混凝土、龟裂土、常见脆性岩石裂隙图像的识别结果分别作准确性及泛化能力检验;利用AttentionR2U-net网络耦合节理几何特征的方法识别关键节理,提取原始节理和关键节理的几何参数并对其迹长、面积及倾角作差异性分析.研究结果表明:针对岩石(体)节理识别,本文算法的Dice相似系数从U-net网络的0.965提升至0.990,且明显优于传统算法,故本文算法在岩石(体)节理识别上具有更强的可靠性与优越性;针对混凝土、龟裂土和大理岩、花岗岩、砂岩等脆性岩石裂隙的识别,本文算法的Dice相似系数均在0.953以上,故本文算法具有较强的泛化能力.与原始节理网络相比,关键节理网络优势迹长由0.732m显著增大至1.835m,节理倾角分布形式和优势倾角组均不变,优势迹长和倾角的节理占比均显著增大.

基于多端口参数提取和主动空间映射法的腔体滤波器设计

为提高微波腔体滤波器的设计效率,文中提出了一种基于多端口参数提取和空间映射法的滤波器快速设计方法。通过添加额外内部端口提取腔体滤波器电磁模型的Y参数,从而计算出耦合矩阵,再结合空间映射法将求解滤波器理想尺寸问题转换为逼近理想耦合矩阵问题。最后设计并加工了一款四阶同轴腔体滤波器,在初值偏差很大的情况下,经过四次迭代即可得到满足指标的滤波器物理尺寸,实物调试结果和仿真结果一致性良好,从而证明了文中方法的快捷有效。

不同林分密度时激光雷达点云数据单木分割及参数提取

为了准确高效提取人工林结构参数,以晋西黄土区蔡家川流域人工油松林为研究对象,利用30块样地的激光雷达点云数据和样地实测数据,通过改变点云距离判别聚类算法的格网值和调整分水岭算法的冠层高度分辨率的方法,对比分析关键参数对单木分割的敏感性,探求点云距离判别聚类算法和分水岭算法对树高提取精度的最优参量。结果表明:(1)点云距离判别聚类算法单木提取的召回率为87.3%、准确率为86.0%、调和值为86.7%,优于分水岭算法(召回率为83.0%、准确率为83.8%、调和值为83.4%)。(2)点云距离判别聚类算法分割单木的敏感性,采用最小冠幅1/5的格网值,其召回率为87.3%、准确率为86.0%、调和值为86.7%,分割精度最高。分水岭算法分割单木的最优关键参量随林分密度不同而变化,当林分密度≤3600株/hm^(2),采用冠层高度分辨率0.3 m时,分割效果最优,其召回率为78.9%、准确率为85.2%、调和值为81.9%;当林分密度≥3700株/hm^(2),采用冠层高度分辨率0.2 m时,分割效果最优,召回率为87.2%、准确率为82.5%、调和值为84.8%。(3)分水岭算法提取树高精度(决定系数为0.88,均方根误差为0.93 m)优于点云距离判别聚类算法。

基于改进粒子群优化的超顺磁效应多参数提取

时域电磁法中的超顺磁效应一般由磁异常体或磁化层引起,并在响应中后期出现呈近似-1次幂律衰减的慢扩散现象,同时也是地下磁性介质信息的重要表征。传统参数提取方法在对磁性环境的实测数据进行处理时,会由于忽略这种效应导致数据的错误解释。为了实现对含有超顺磁效应数据的准确解释,本文基于改进粒子群优化算法进行了超顺磁效应的多参数提取研究,通过引入Cole-Cole磁化率模型实现了层状超顺磁效应的数值模拟,证明了磁化率、电导率可以影响超顺磁响应的幅值与衰减斜率,并结合改进粒子速度和位置更新策略的粒子群优化算法实现了对磁化率、电导率等参数的提取。结果表明,本文的方法在对超顺磁效应多参数进行提取时最大相对误差不超过2%,验证了方法的有效性。

基于改进正弦余弦算法的光伏模型参数提取

针对正弦余弦算法对光伏模型参数提取存在精度低等问题,提出了一种改进的正弦余弦算法(ISCA).ISCA算法中,采用了新的个体位置更新表达式来替换SCA中的个体位置表达式.为了验证ISCA算法的性能,选择了一种单二极管结构光伏模型进行参数提取.实验结果表明,与其他一些优化算法相比,ISCA在提取参数解的质量方面具有竞争力和有效性.

基于卷积神经网络和时空特征的烟幕视频检测和参数提取

为提高干扰弹在战场上作战效能,摸清干扰弹的作战效能底数和极限施放条件,并修正干扰弹烟幕扩散方程。针对现有干扰弹作用过程形成的烟幕,烟幕透明特性和纹理各不相同,通用性较差,为能精准提取烟幕的烟幕轮廓和运动特征,提出一种基于卷积神经网络、烟幕时空特征的混合方法。该方法主要分为5个阶段:对YUV色彩空间的对比度调整;应用了差帧法检测输入视频图像序列的运动区域,设计了卷积神经网络体系结构框架,将运动区域通过卷积神经网络识别烟幕候选区域;根据烟幕的时空特征,从每个候选区域进一步识别烟幕候选区域;采用了支持向量机分类器,利用提取的特征对真实烟幕区域与非烟幕区域进行分类;提取烟幕特征的参数。经试验验证,所建立的模型将烟幕识别准确度最低提高至99.94%,能有效满足修正干扰弹作用过程中的烟幕扩散方程,为干扰弹的定型试验和作战应用提供了有力支持。

表碛覆盖型冰川参数提取方法研究进展

表碛的存在影响了大气与冰川间的能量传输过程,一方面,促进了冰面湖(塘)、冰崖的发育;另一方面,改变了冰川的消融过程和水文模式。利用表碛各项属性和物理参数模型化气候-表碛-冰川间的相互作用和反馈过程能够正确认识表碛覆盖型冰川变化的过程和机理,有助于准确估算和预测冰川物质平衡,进而判断冰川未来演变趋势。本文系统总结和对比了识别表碛范围、提取冰川流速以及获取表碛物理参数的各种技术手段,介绍了表碛覆盖影响下冰川消融模型的原理和应用情况,同时还对这些方法或模型的局限性和发展趋势进行了讨论。表碛覆盖型冰川所处山区地形起伏大、地表变化复杂,为遥感方法识别表碛范围和提取冰川流速带来了诸多困难,如现有表碛识别方法仍无法克服固有干扰因素的影响,而流速提取方法需具备较强抗干扰能力,且配对影像时间基线需尽可能短。当前表碛覆盖型冰川相关研究中关键参数、数据存在大量空缺的状况有望在将来得到改善,冰川动力学过程和表碛动态变化的模型描述将更为精细,冰川物质平衡、径流量等指标的评估和预测也将更为真实准确。

基于空间位置和轮廓线距离的船舶焊缝特征参数提取

为了实现船舶焊接件数字模型中焊缝特征参数的精确提取,进而完成机器人数据库系统中焊接工艺的自适应快速匹配和快速选择,提出了基于空间位置和轮廓线距离的船舶焊缝特征参数提取算法.首先基于海伦公式识别待判定面来确定接头空间位置关系,并结合最小轮廓线距离完成焊缝特征识别;然后基于轮廓线总条数和最小轮廓线距离的两端点,识别出焊缝坡口处特征点及线;最后基于三类焊接接头所建的数学模型提取出与焊接工艺相关的焊缝特征参数.测试结果表明,文中焊缝特征参数提取算法能准确识别4类接头形式和10种坡口类型,以及准确提取焊缝间隙、坡口夹角和焊接件板厚等参数,具有焊缝特征识别广且信息提取齐全的优点.与其他相关识别算法相比,文中算法的识别率达到100%,而识别效率提升了16.06%,从而进一步验证了算法的有效性.

单频涡旋电磁波雷达旋转目标微动参数提取方法

与传统平面电磁波雷达相比,涡旋电磁波雷达回波中蕴含更多的目标微动信息,综合利用线多普勒效应和角多普勒效应可获得更为准确的目标微动参数。现有线多普勒信号和角多普勒信号分离方法大多利用图像域方法对时频图像进行处理,此类方法的性能受限于时频分辨率,且需解决复杂的时频曲线分离问题。为解决上述问题,提出了一种能够适用于角多普勒较小、旋转中心未知场景下的角多普勒信号分离方法。首先分析了单频涡旋电磁波雷达中旋转目标的多普勒效应;然后利用线多普勒获得旋转目标的径向微动参数,构造参考信号补偿涡旋电磁回波,利用滤波方法获得了较为纯净的角多普勒信号;最后基于压缩感知算法和旋转目标角多普勒的性质,准确获得了旋转目标的各项微动参数。仿真验证了所提方法的正确性和鲁棒性,并分析了所提方法的性能。

基于神经网络和散射中心模型的目标参数提取

从雷达回波中获取目标几何参数信息往往存在高计算成本、非线性等困难。该文基于卷积神经网络和前馈神经网络,提出了一种依据散射中心时频像特征的目标类型自动识别和目标几何参数自动提取方法。由于构建一个神经网络需要大量的训练数据样本,而扩展目标的散射场计算又非常耗时,利用基于已知目标已建立的散射中心模型,快速生成大样本训练数据,有效解决了训练样本难以获得的问题。以弹头类目标为例给出了数值实验结果,证实了所提方法的有效性。

基于水稻三维模型的表型参数提取及生物量估测

基于二维图像的水稻表型检测方法缺乏空间维度信息,难以提取全面的水稻表型参数,因此建立水稻三维模型进而提取全面的水稻表型参数具有重要意义。体积是指示水稻生长状况的重要参数,如何在不破坏水稻植株的前提下获取水稻体积参数是当下研究中仍有待解决的问题。基于上述考虑,提出一种基于水稻三维模型的表型参数提取及生物量估测方法,实现在不破坏水稻植株的前提下提取水稻体积参数并估测水稻生物量。以盆栽水稻为对象,首先利用Alpha-shape算法重建其三维模型,然后提取并评估水稻株高、茎粗、植被覆盖度、体积参数,并基于体积参数估测水稻生物量。结果表明,空间雕刻方法可以重建高精度的水稻三维模型,并准确测算水稻表型参数及生物量,其中水稻株高、茎粗、单株植被覆盖度均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别为63.27 mm、4.01 mm、5.04%和7.15%、14.91%、12.59%,水稻生物量RMSE和MAPE分别为62.44 g、19.25%,均优于现有三维重建软件的测算结果。

基于光电容积脉搏波的心血管疾病相关体征参数提取算法

光电容积脉搏波(Photoplethysmography, PPG)中蕴含着人体脉搏信息,将其提取出来是实现快速、高精度、低成本心血管健康监测的前提。PPG脉搏信号在时域中存在典型特征点,分析这些特征点可求出脉搏周期、极值、波形特征量等信号的基本特征值,再通过各种衍生公式获得心率(HR)、血压(BP)、心输出量(CO)等体征参数,这些体征参数与心血管疾病密切相关,并可直接反映患者的健康状况,是临床心血管疾病早期诊断的重要依据。本文采用MATLAB软件给出了从PPG脉搏波信号中识别典型特征点和计算体征参数(HR、BP、SV、CO、TPR、AC)的算法流程,并将这种基于PPG信号的心血管体征信息参数提取算法用于真实人体PPG信号分析,该研究有望对心血管疾病的预警提供一种方便快捷的监测技术。

高精度激光告警参数提取算法

激光告警系统通过提取来袭激光的相关参数进行告警定位,其角度定位精度直接与战场生存能力相关。为了有效提高激光告警系统的角度定位精度,基于光栅衍射型激光告警原理,提出一种高精度测量来袭激光参数的算法。对激光告警系统进行标定,用高斯拟合法精确提取出衍射光斑标定图片的0级光斑中心,将来袭激光角度与对应角度的光斑中心进行拟合,根据拟合结果确定任意角度的光斑衍射图像对应的来袭激光角度参数。实验结果表明,方位角测量误差优于0.29°,俯仰角测量误差优于0.38°。该算法有效提高了激光告警系统的测算精度。

基于特征点自动定位的乳房形态参数提取

为实现青年女性乳房形态参数自动提取,提出一种基于三维点云数据的“点-线-切片-参数”乳房形态参数自动提取方法。使用三维人体扫描仪获取实验对象的三维点云数据,利用MATLAB软件基于乳房局部三维点云建立乳房局部坐标系,基于特征点/线定义建立其自动定位规则;根据乳房特征点/线构建乳房切片模型,最终实现乳房形态参数自动提取。为验证参数提取精度,对比分析随机选取样本的自动提取与手工测量参数之间的误差。结果表明:G BL和G UBL的测量误差均小于±2 cm,D的测量误差小于0.5 cm,W的测量误差小于1 cm,90%A IBO的测量误差在2°内,90%W BB的测量误差在1 cm内,参数测量精度较高,可用于青年女性乳房形态分析。

基于激光点云的森林树木结构参数提取

以河北塞罕坝林区激光雷达数据为研究对象,利用点云魔方软件CSF滤波、DEM不规则三角网格内插、基于点云分割单木提取森林树木结构参数,以抽样检测方式开展精度分析,并通过优化CSF滤波的分类阈值提高单木提取精度,获得了理想的效果。结果显示,点云魔方CSF分类阈值对精度影响存在最优解。对比0.50、0.55、0.60、0.65、0.70 m 5个分类阈值,阈值为0.60 m时精度最高,其单木提取查全率为82.1%,查准率为85.2%,树高提取中误差0.87 m,标准差0.75 m。研究也显示,点云魔方在处理海量森林点云数据时表现出较强的分析和处理能力,其算法多样、参数设置灵活以及可视化的数据信息显示,给用户带来全新的体验。

基于Open CASCADE的弯管参数提取与建模系统研发

为解决自动化弯管CAD/CAM系统中弯管数字化模型到加工坐标参数之间的转换问题,提出了基于Open CASCADE的弯管参数提取与参数化建模的方法。通过开源三维几何引擎Open CASCADE读取弯管数字化模型并提取弯管的几何参数信息,然后通过弯管几何参数信息到加工坐标参数的转换方法获得弯管加工坐标参数。根据弯管加工原理通过弯管加工坐标参数使用Open CASCADE来建立弯管数字化模型。根据以上参数提取和参数化建模方法,开发了弯管参数提取与参数化建模软件系统,实现了弯管数字化模型与加工坐标参数的相互转换。该系统能应用于弯管的设计与制造过程,为实现自动化弯管CAD/CAM系统奠定了基础。

基于IRLS的跳频模式下GTD散射参数提取和RCS重构

现代谱估计方法能够反演基于几何绕射理论(geometric theory of diffraction,GTD)的模型参数,但不能处理非均匀不完备的雷达散射截面(radar cross section,RCS)数据。此外,通过暗室测量获取完备的RCS数据也需要较大的时空开销。针对上述问题,提出一种基于迭代加权最小二乘(iteratively reweighed least squares,IRLS)的跳频模式下GTD散射参数提取和RCS重构方法。该方法将稀疏重构理论与GTD散射模型相结合,能够在RCS数据非均匀不完备的条件下反演散射参数和实现RCS重构。仿真数据和电磁计算数据用于验证所提方法的有效性,实验结果表明该方法对降低暗室步进频率RCS的测量成本和扩增雷达RCS数据具有重要意义。

基于VMD的智能机器人语音信号特征参数提取方法

提取智能机器人语音信号特征对于确保机器人正常运行有关键性意义。为了有效缩短特征参数提取时间,提高提取准确率,提出了基于VMD的智能机器人语音信号特征参数提取方法。利用VMD技术建立语音信号的脉冲数字模型,分析实时性系统频率,确定信号传递函数。采用VMD特有的分子程序化模式,将智能机器人作为大型生物分子来进行语音信号的特征参数分析,建立分子可视化程序,将不稳定的语音信号拆散开进行分析处理。生成自相关系数,进而通过傅里叶变换将自相关系数转变为LPC系数,通过数据分析处理生成线性预测倒谱系数,经过VMD分子可视化进行提取,得到了智能机器人的语音信号特征参数。实验结果表明,基于VMD的智能机器人语音信号特征参数提取方法能够通过加窗处理解决外部冲击问题,提高检测准确率,缩短特征参数提取时间,确保机器人正常工作。

基于机载LiDAR数据的单木参数提取研究

在林业资源清查中,传统的外业测量方法存在效率低、成本高、数据更新慢等问题。机载激光雷达凭借激光的穿透性与空间三维信息的优势,可以快捷、高效地得到单木的树高、冠幅等参数。但因上部冠层遮挡,机载激光雷达不能很好地取得单木的胸径参数,可以通过建立反演模型,由已知数据估测未知数据,从而得到单木的胸径。本文将分别探讨从基于冠层高度模型的单木分割方法(下简称FCHM)和基于归一化点云的单木分割算法(下简称FNPC)中提取单木树高、冠幅、胸径等参数的方法,并建立相应的反演模型。

基于ENTSILDIg软件的配电网继电保护参数提取方法

为了提高配电网继电保护参数检测和分析能力,提出基于ENTSILDIg软件的配电网继电保护参数提取方法。构建大规模面板级配电网继电保护参数融合模型,结合大规模面板级配电网继电融合特征分析方法,实现分布式最大功率点跟踪方法;采用小扰动稳定性特征分析方法,对配电网继电保护特征参数进行分析;在串并联结构分布下,实现配电网继电保护参数融合;在锁相环控制结构中,根据理想交流电压源参数控制方法提取配电网继电保护参数;利用ENTSILDIg软件实现对配电网继电保护参数提取仿真。测试结果表明,设计方法能有效提高配电网继电保护参数融合和控制能力,提高参数解析的稳定性,电网输出的可靠性较好。