L^2(R^s)中插值小波包的分裂技巧和精细分解(英文)

对具有任意伸缩矩阵A的插值加细函数,给出对应于L2(Rs)中的小波包的一个构造方法.采样空间被直接分解来取代对加细函数的符号分解.按照这个方法构造的插值小波包能对基插值空间提供较为精细的分解,因而对自适应的插值给出较好的局部化.

基于PWBS的FPSO建造精细化作业分解

针对深水型浮式生产储卸油装置(Floating Production Storage and Offloading,FPSO)建造面临的问题,以产品导向型作业分解结构(Product-oriented Work Breakdown Structure,PWBS)理论为基础,提出面向任务包(Work Package,WP)和派工单(Work Order,WO)的精细化作业分解方法,并建立以中间产品为对象按作业类型和工种划分的分解结构。以某深水型FPSO为例,以作业阶段为主线对其建造作业进行分解,形成面向FPSO的通用性作业分解系统,为实现FPSO的精益建造提供可行性。

一种基于精细极化目标分解的舰船箔条云识别方法

用于干扰舰船目标的箔条云通常具有与舰船目标相近的尺寸和雷达散射截面积,这使得舰船与箔条云的识别成为一个非常有挑战性的问题。该文提出一种基于精细极化目标分解的识别方法。为了能够有效地识别舰船目标与箔条云,该文首先结合3种精细化散射模型,提出了一种基于精细散射模型的七成分分解方法。通过这种分解方法可以有效地刻画舰船目标的散射特性。为了将舰船与箔条云的极化特性进行有效的对比和区分,该文根据分解得到的散射成分贡献构造了一个稳健的散射贡献差特征。最后,通过将构造的散射贡献差与极化散射角结合,构造了新的特征矢量并利用支持向量机实现了最终的识别。实验利用仿真和实测的极化雷达数据对所提方法进行了验证,结果表明该方法优于现有的其他方法,并能够达到最高98%的正确识别率。

基于精细化频带的脑磁信号跨频耦合特性分析

脑信号跨频耦合现象与人的意识活动密切相关。本文将精细化的频带划分方法和多种跨频耦合的度量方法相结合,研究不同类型手腕运动的脑磁信号跨频耦合特征。首先对四类手运动脑磁信号进行精细化的频带分解,采用了三种具有主次关系的耦合度量方法(相干、虚部相干、调制指数),在高频耦合低频、低频耦合高频两种耦合形式下对某一运动方向类型信号显著区别于其它运动方向类型信号的频带数、通道对、频带对进行了统计分析,可以区分出不同方向手腕运动的MEG信号;进一步利用通道间的频带耦合关系以及源频带及其激励通道与响应通道等概念,采用相干耦合度量方法对上述两种耦合形式下的统计结果进行分析,获得相应的源频带、激励通道、响应通道,从而可以更加有效地区分不同方向手腕运动的MEG信号。

基于精细极化分解的PolSAR车辆目标检测方法

极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)能够获取目标丰富的极化信息,在人造目标的散射机理解译和检测、分类、识别等领域发挥着重要的作用.PolSAR车辆目标检测对环境侦察监视、道路交通监管等应用来说尤为关键.不同于海上的舰船目标,车辆目标所处的地面背景包括草地、树木、建筑、道路等,背景杂波较为复杂,人造杂波干扰较强,这给PolSAR车辆目标的检测带来了一定的挑战.车辆目标散射机理的准确解译是后续极化特征提取和目标检测方法设计的基础.为了准确描述车辆目标的散射行为,本文构建了旋转二面角散射模型,并由此提出了一种精细五分量极化分解方法.在此基础上,通过分析车辆目标与其地面背景的散射特性差异,本文提出了一种散射功率复合特征检测器,用于车辆目标的检测.在两景实测无人机载SAR数据上的实验结果证明,本文方法能够显著提高车辆目标处的目标杂波比(target-to-clutter ratio,TCR),获得了优异的检测性能.此外,本文方法能够保留车辆目标完整的轮廓和细节信息,有助于后续的分类、识别等应用.

移动车辆荷载作用下中低速磁浮大跨度连续梁桥动力响应分析

为研究中低速磁浮大跨度连续梁桥在移动列车荷载作用下的动力响应,采用移动荷载模拟磁悬浮车辆作用,采用振型分解精细积分法建立桥梁动力方程并求解;通过与现场试验结果对比,验证本文模型的准确性和方法的正确性,对比分析不同行车速度、不同桥梁阻尼比等工况下的桥梁动力响应。研究结果表明:桥梁动力系数随列车速度增加而增大,但整体增加幅度不大;在列车以设计运行速度100km/h行驶时,桥梁阻尼比的变化对桥梁响应影响较小;不同工况下桥梁动力系数均低于我国《中低速磁浮交通设计规范》中的限值。

联合数学规划策略和精细极化分解的极化SAR舰船目标检测

由于人造目标具有方位多变和结构复杂等特点,设计具有强泛化、易分辨的特征来实现极化合成孔径雷达(synthetic aperture radar,SAR)目标精准检测是一个非常有挑战性的问题.受数学规划思想的启发,在基于物理模型的极化分解框架下,本文设计了一种散射贡献组合特征检测器用于检测极化SAR舰船目标.一方面,利用类差倒数变换和sigmoid函数变换,首先构造了一种旋转二面角散射模型,它能充分反映由方位变化所导致的同极化和交叉极化响应之间的快速转变.结合类偶极子混合散射模型,以及通过设计基于根的判别式的模型求解策略,随后提出了一种极化信息完全利用的八成分目标分解方法,它能够有效刻画舰船目标的局部结构散射并显著改善体散射过估问题.另一方面,通过分析舰船目标不同散射机理的分布显著特性,以及舰船目标相对海杂波的散射独有特性,利用线性及非线性运算等数学规划策略,首先设计了一种稳健的散射贡献组合器特征.随后将该特征与保护滤波器结合,进一步增强其分辨能力以实现最终的舰船目标检测.实验利用不同实测极化SAR数据对所提方法进行了定性和定量验证,结果表明该方法优于现有的其他舰船目标检测方法,检测品质因素最高可达0.96.

Decoding the Information of Life

We link nuclear force with gravity. We use statistical entropy to link fine-structure constant （ct） and cosmological constant, showing mystical number 137 （as reciprocal of increasing entropy of the universe） as negative entropy needed for life to exist. If our computational route applies to the physical universe, it should apply to life. Molecular biology is searching for the fundamental source of information that would link to the information in DNA.