基于二次项拟合GM(1,1)的社会总抚养比预测模型

对社会总抚养比预测问题进行分析,提出了基于二次拟合GM(1,1)的社会总抚养比预测模型。对原始数据做一次累加并利用最小二乘法做二次项拟合,基于江苏省2010—2015年抚养比数据,建立了GM(1,1)预测模型。从模型预测结果可以看出,2016—2025年,江苏省社会总抚养比和社会负担是逐年增长的。

叶尖定时信号趋势项自适应拟合

叶尖定时测量是航空发动机叶片振动监测关键技术,趋势项拟合作为定时信号预处理中的重要研究内容,是高精度叶片振动参数辨识的基础与前提。在航空发动机连续变工况运行条件下,当前趋势项拟合方法无法自适应调整拟合窗宽度,导致消除趋势项效果差,严重影响后续叶片振动分析。针对变工况条件下定时信号趋势项拟合难题,以相关系数作为趋势项拟合效果评价指标,提出趋势项自适应调节窗宽度拟合方法。采用航空发动机高压压气机叶尖定时试验数据进行验证,结果表明,所提方法由于能够自适应调节拟合窗宽度,可保证趋势项拟合效果最优,在满足有效去除趋势项的前提下能够完全保留原始振动信息,对实现高精度叶片振动参数辨识具有重要意义。

基于联合稀疏表示的共偏移距道集随机噪声压制方法

受多解性和单道信号处理方法制约,传统基于稀疏表示的一维随机噪声压制方法面临着单道数据处理方法没有考虑有效信号的空间相关性,去噪的同时会损害有效波,以及稀疏表示算法具有多解性,相邻地震道处理结果差异大,难以适应信号空间变化的问题。叠前共偏移距道集中各波形均为水平同相轴,具有相同的双程旅行时间,各道信号具有相同的支撑。在该道集中利用联合稀疏表示进行随机噪声压制处理,能够兼顾信号的道间相干性和空间变化,降低算法的多解性,参与计算的各道在同一条件下获得最优稀疏表示,因此处理结果具有较好的一致性。数值模拟和实际资料试算结果表明,该方法不仅可以实现随机噪声的压制,而且可以很好地保持有效信号,具有良好的应用效果。

结合全局和局部信息的水平集图像分割方法

LBF模型对初始轮廓大小和位置非常敏感,并且只考虑了图像的局部信息,没有考虑图像的全局信息;CV模型利用图像全局信息,对初始轮廓具有较强的鲁棒性。两种模型对椒盐噪声污染的图像不能取得令人满意的结果。针对以上问题,在原有CV模型和LBF模型能量函数基础上,各自构造一个新的能量拟合项,增强对高斯噪声和椒盐噪声的抗噪性。采用新构造的CV模型,使用图像的全局信息得到粗分割轮廓;以粗分割轮廓作为新构造LBF模型的零水平集,利用图像的局部信息得到图像的精确分割结果。同时提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性。相较于CV和LBF模型,结合全局和局部信息的Wang和Qi模型,提出的模型能得到更优的图像分割结果,具有较强的抗噪性。

结合全局信息的LIF模型图像分割方法

针对LIF模型对初始轮廓敏感,CV模型对初始轮廓具有较强的鲁棒性,并且2种模型对噪声污染的图像不能取得令人满意结果的问题,在原先模型能量函数基础上,构造新的能量拟合项,增强对噪声的抗噪性.采用新的CV模型,使用图像全局信息得到粗分割结果.以粗分割轮廓作为新的LIF模型的零水平集,利用图像局部信息得到精确分割结果.同时使用一种新的边缘检测算子,重新定义边缘停止函数,进一步提高了模型的抗噪性.实验结果表明,它比CV模型、LIF模型、Chen模型和Qi模型更具优势,具有更强的抗噪性.

数据融合处理中的数据关联技术

数据关联是数据融合处理中基本的问题之一。结合工程实践,详细介绍了雷达数据融合处理中使用的多项式拟合方法,讨论了数据关联处理的一般步骤和常用的关联滤波方法。

融合U-Net 3+和ACM的医学图像分割模型

活动轮廓模型方法不需要训练集且能较好利用边缘信息,但对初始轮廓较敏感,在处理复杂背景图像时分割不够精确。U-Net 3+网络可以分割更复杂的医学图像,但需要大量的人工标记,且模型的特征提取机制导致其在非典型边界特征的决策时通常是不准确的。因此,针对训练集较小的医学图像,提出了一种融合卷积神经网络和活动轮廓模型的医学图像自动分割模型。模型通过U-Net 3+网络获得目标先验信息,使用先验信息构造拟合能量项,并融合到活动轮廓模型中约束曲线演化。在皮肤镜病变和胸部X光片图像上测试,该模型的分割精度高于单独使用U-Net 3+网络和活动轮廓模型的分割结果。

基于微分方程的非均匀运动模糊图像盲复原算法研究

对噪声分析的误差会导致模糊图像盲复原的质量较低,提出基于微分方程的非均匀运动模糊图像盲复原算法研究。根据图像的退化模型,计算了服从高斯分布噪声下的模糊图像基础数据拟合项,可考虑噪声的独立同分布属性,利用高阶导数对该类噪声进行高斯分布约束,并计算得到数据拟合项的最终形式,结合二阶导数得到图像的模糊核初始值,围绕该值构建了图像的Hessian矩阵和高斯金字塔尺度空间,将其作为复原范围,根据高斯滤波处理后图层响度与模糊核初始值之间的关系,对像素的位置进行调整,实现对图像的盲复原。测试结果表明:设计算法下,复原后图像的PSNR值、SNR值和ISNR值分别达到了18.0dB、10.0dB和6.0dB以上,具有良好的复原质量。基于此,介绍了模糊图像盲复原算法设计,开展了应用测试与分析,得出相应的测试结果。

Chandler摆动的双频现象用于拟合极移确定项的研究

极移中Chandler摆动出现的双频现象,一直以来为许多学者所关注。推导了基于Chandler摆动双频的极移确定项模型,并采用该模型对极移确定项进行了拟合。与仅采用单频进行确定项拟合的对比表明,利用双频能取得更理想的结果。

一种新的轮廓-局部区域分割模型及对偶算法

基于区域的变分活动轮廓模型能够较好地处理图像模糊边界并且不易受初始轮廓线和噪声的影响。然而,传统区域模型通常以粗划分区域内的图像信息作为活动轮廓曲线演化的驱动力,分割精度有限,并且容易受到图像灰度不均匀性的影响。为此,提出了一种新的轮廓-局部区域分割模型。新模型通过提取活动轮廓曲线邻域内的局部统计信息作为推动曲线演化的区域项,并引入曲率拟合项来捕捉目标的拐点和细长结构。针对模型求解中正则项的非可微性使计算效率较低并具有数值不稳定性的问题,通过引入辅助变量将原最优化问题转化为若干个低复杂度子问题进行求解,提出了一种快速对偶算法。医学核磁共振图像分割实验表明,所提出的模型和算法的准确性和运行效率均有明显的提高。

一种新的活动轮廓模型图像分割方法

局部二值拟合模型利用图像的局部邻域信息拟合能量函数,局部二值拟合模型相当于对活动轮廓内外进行局部均值滤波,因此该模型对高斯噪声有一定的抗噪性,但是该模型对椒盐噪声污染的图像不能取得令人满意的分割结果。为了提高活动轮廓模型对椒盐噪声的鲁棒性,结合局部二值拟合模型中的局部拟合项,提出一种能消除椒盐噪声影响的新的局部拟合项。提出的拟合项的能量函数极小值是局部区域的中值,新的拟合项相当于对活动轮廓内外进行局部中值滤波,中值滤波对椒盐噪声不敏感。原模型中边缘停止函数是基于图像梯度信息,难以区分图像不同区域间模糊的弱边缘和灰度渐进图像目标,并且容易受到各类噪声的影响,抗噪声能力弱。提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性,降低高斯噪声和椒盐噪声对分割结果的影响。为了保持活动轮廓在演化过程中的稳定性,在曲线演化迭代过程中必须周期地初始化以使水平集函数重新变成带符号的距离函数,但重新初始化的计算量大。引入一个惩罚能量,解决水平集函数在演化过程中的重新初始化难题。对不同噪声污染的图像进行试验的结果表明,提出的模型可以取得较好的图像分割结果,比CV模型、LBF模型和LIF模型更具有优势。

基于小波与ARMA模型的卫星钟差预报方法

针对导航卫星钟差预报中通常采用的二次项拟合模型(短期预报)与灰色模型(长期预报),只考虑钟差趋势项而忽略其随机项的问题,提出了一种结合小波与ARMA模型的钟差预报改进算法。在算例中采用IGS提供的精密钟差进行预报,结果表明,改进后的算法进一步提高了钟差预报的精度。

光电跟踪系统前馈速度求解方法

针对脱靶量滞后引起系统误差导致光电跟踪系统不能准确测距的问题,提出了加入前馈速度提高跟踪系统无差度的复合控制策略;以等效正弦和目标模拟航路为仿真模型,通过基于最小二乘的多项拟合算法对目标航迹实时预测以及跟踪微分器或差分低通滤波器求解目标前馈速度,对前馈速度求解算法进行了软件仿真,仿真结果表明:航迹误差与前馈速度误差均满足实际系统要求;将此算法应用于某型光电跟踪系统,在外场试验中对特定目标的稳定最大跟踪误差在0.4 m以内。

一种网络传输中实时音频数据丢包恢复的方法

为解决实时音频传输中数据丢包恢复延时长的问题,基于网络环境中音频相关性理论提出了一种实时音频数据丢包恢复的方法。该方法充分利用了语音信号帧间的相关性,并结合均值滤波与多项拟合算法,较好地实现了丢包数据的实时恢复。计算机仿真结果表明,该方法能够准确恢复丢失的音频数据,效果良好,具有延时小,占用带宽小等特点。

Origin在共振法测量固体材料的杨氏模量实验数据处理中的应用

基于动力学共振法测量固体材料的杨氏模量实验,为了求得更为精确的金属材料杨氏模量,采用Origin软件的多项拟合(Fit Polynomial)、微分(Differentiate)和由X(Y)值求Y(X)值(Find X(Y)from Y(X))功能处理实验数据,操作简单,精确直观。

高精度智能型变送器多点误差补偿算法

本文介绍了智能变送器的主要误差来源，重点对误差进行分析，提出任意温度、压力下的多点补偿算法，并进行实例验证。该补偿算法提高了产品的整体性能，很好提升了智能变送器的精度。