利用累加距离匹配函数的纹理规则度计算方法

规则度是纹理图像的主要特征之一,能够用于纹理图像的描述和分类.基于累加距离匹配函数(SDMF)提出一种纹理图像规则度计算方法,并建立规则?近似规则?随机纹理的分类模型和进行纹理粗细程度判定.首先针对纹理图像构建相应SDMF;然后利用二次求导和阈值划分提取显著峰谷;最后以峰值和谷值的数量,位置,关系为特征,构建周期规则度特征向量和纹理分类模型.以Brodatz图像库进行实验的结果表明,文中的规则度能够有效地区分规则图像、近似规则图像和随机图像,符合视觉感知,并与已有研究结果进行类比验证,具有更好的准确性;同时,由于SDMF的第一周期可以作为纹理基元的尺寸,因此可以扩展对纹理基元的粗细程度的分类.

介绍一种对已有堤防定线测量中累加距推算的新方法

文章针对已有堤防定线测量中遇到的弯道多 ,两弯距离近问题提出了应用余弦定理对已有堤防定线测量中累加距推算的方法 ,提高了作业效率。

基于波速区间的导波延迟累加损伤成像

延迟累加成像方法是导波损伤监测技术中的一种经典的损伤成像方法,但是其性能非常依赖于精确的导波波速。而在复杂工程结构中的精确导波波速往往难以获得,从而该方法的有效性会受到复杂工程结构的影响。针对上述问题,提出了基于波速区间的延迟累加成像方法。所提方法利用导波波速的估计区间,将导波损伤散射信号的一段用于延迟,并将该段延迟信号的最大值进行累加作为损伤成像值。通过对复合材料加筋板上不同位置损伤的识别,对所提方法的有效性进行了验证。试验结果表明,所提方法能对损伤进行准确识别,且在鲁棒性方面要优于延迟累加成像方法。

相干累加与AR滤波相结合的舰船轴频电场信号处理方法

针对采用电场传感器阵列测量舰船电场的应用场景,为提升目标轴频电场的信噪比,提出一种相干累加结合自回归(autoregressive,AR)模型滤波的方法对阵列电场信号进行处理。对测量得到的阵列电场信号进行时延补偿后累加,同时对环境电场信号进行AR建模,并利用AR模型参数构造滤波器,以对累加后的信号实施滤波处理。为验证所提方法在低信噪比条件下的有效性,对实测阵列式电场信号进行处理,结果表明,所提方法能够在信噪比为-25.39 dB的条件下有效压制噪声频谱,保留轴频线谱,处理后信噪比提高约21.92 dB。

基于累加式实时串并联变换算法的机械故障声学监测方法

针对基于物联网(IoT)的冲压机床故障监测问题,为了降低冲压机床故障监测的计算复杂度,并提高其低频识别的精度,提出了一种无需机器学习技术的实时性机械故障声学监测方法,即基于累加式实时串并联变换算法的机械故障声学监测方法。首先,研究了物联网场景中冲压机床声学低频分析的必要性,并给出了声学信号的表达式;然后,针对频率轴上多个周期信号重叠导致参数估计较为困难的问题,提出了一种累加式实时串并联变换算法,将输入的采样序列馈入多个具有不同输出端口的串并转换器,从累加的波形中检测出最大绝对值,并进行了比较;最后,通过样本时隙划分,将累加式实时串并联变换算法应用于机械故障监测;通过仿真和冲压机床实机测试,对累加式实时串并联变换算法和实时性机械故障声学监测方法的有效性进行了验证。研究结果表明:在无需大量信号样本的情况下,使用累加式实时串并联变换算法有利于提高低频带的识别精度;在直方图相关性方面,累加式实时串并联变换算法和Morlet小波变换具有相同的性能,且均明显优于短时傅立叶变换;同时,尽管累加式实时串并联变换算法需要的加法总数比Morlet小波变换多2.5倍,但是乘法总数减少了20447%,大幅减少了计算的复杂度。

网络时代农产品质量安全事件风险放大机制研究——基于价值累加理论的扎根分析

随着互联网的飞速发展,农产品质量安全事件借助网络媒体持续关联与聚合、发酵与扩散,极大地影响着公众的情感和态度,易引发集体非理性恐慌,网络时代信息扩散和迭代呈现全新特征和趋势,故加强农产品质量安全事件风险放大机制研究具有重要意义。基于斯梅尔塞的价值累加理论,结合“土坑酸菜”事件,利用Python技术获取媒体原始资料,对资料进行扎根编码分析,构建农产品质量安全事件风险放大机制模型。根据编码结果识别出农产品质量安全事件风险放大六大主范畴,包括结构性诱因、结构性紧张、一般化信念、(有效的)组织动员、社会控制、风险放大,将主范畴内容纳入价值累加理论六大因素中,分析表明农产品质量安全事件风险放大是以突发事件为分界点,分为前期蓄势、中期造势、紧急处理三个阶段,前期蓄势和中期造势阶段通过多轮循环相互反馈影响,最终放大农产品质量安全事件风险。在整个风险扩散过程中,网络是农产品质量安全事件风险的“社会放大站”,其加速了信息传播,强化了公众风险感知。本研究运用价值累加理论、基于宏观和微观整合层面,细化探究了网络时代农产品质量安全事件风险放大的完整过程机制,进一步完善了风险放大SARF研究框架,为相关研究做了有益补充。

反向累加生成绝对灰度性质及其在灾害事件预测中的应用

为研究反向累加生成序列绝对灰度的变化规律,基于原始序列与其一次反向累加生成序列的级比关系,推导了整数阶反向累加生成序列绝对灰度的一般表达式及其相关性质。结合实际问题背景,讨论了融合绝对灰度的反向累加灰色模型在突发灾害事件预测中的应用效果。研究结果表明:当原始序列的绝对灰度大于0.6时,进行反向累加生成变换能够有效降低序列的绝对灰度,当原始序列的绝对灰度小于0.25时,对序列进行反向累加生成变换会增大序列的绝对灰度。研究结论为灰建模的模型选择及序列预处理方式的选择提供参考。

新型近似非齐次反向累加灰色模型研究及应用

为提高灰色预测模型对不同特征序列的适应性,避免模型参数估计与参数应用的“非同源性”,实现模型优化与模型检验两个准则的一致性,基于背景值、建模机理、初始条件三个视角构建了一种新型近似非齐次反向累加灰色模型.研究表明,该模型对衰减序列、增长序列、齐次指数序列和非齐次指数序列都有较高的精度,是对现有灰色预测模型的有效补充.

基于误差累加校正的相对导航技术研究

基于数据链测距的相对导航是卫星拒止情况下编队任务的重要导航手段,介绍了相对导航系统组成和工作原理,针对异步到达时间(TOA)测量、可观测性欠缺和惯导误差持续发散,尤其是成员间距较近、距离估计误差与实际距离相比占比较大时极易错误的相对定位问题,研究了基于误差累加校正的相对导航算法架构,建立了滤波状态和量测方程,开展了外场情况下的试验验证。研究表明,采用的相对导航算法,对于成员间距较近情形下相对导航定位精度和稳定性具有良好的性能表现。

形变速率累加法处理的跨断层场地水准资料映震能力分析

应用形变速率累加法处理鲁中地区郯庐断裂带跨断层场地水准观测资料,通过计算6个场地累计30年的水准资料,分析经形变速率累加法处理后的水准资料整体特征,得到其在地震前的异常特征:①在原始水准数据曲线出现大的台阶和转折时,经形变速率累加法处理的水准资料出现异常的频次较高;②处理后的水准资料异常映震效果较好,但存在受地下水位等外界因素影响不能一一对应;③经处理后的水准资料在异常出现后0—24个月内映震效果较好。

QAM调制下基于卷积码与累加编码调制级联的纠错码性能研究

基于卷积码与累加编码的PPM调制级联码(SCPPM)在泊松信道光PPM调制下具有极优异的性能。文章将这种累加编码结构引入到QAM调制中,分析其性能。将卷积码+累加编码+QAM调制串行级联(SCAQAM)纠错方案与常规基于卷积码、并行级联卷积码(Turbo)以及低密度奇偶校验码(LDPC)的比特交织编码调制迭代译码(BICM-ID)系统进行比较,并进一步比较了SCAQAM系统的自然、格雷、反格雷星座映射方式。结果表明,在高阶QAM调制下,这种纠错结构具有极优异的误码性能。对于16QAM及64QAM调制,SCAQAM相对于另外几种纠错码结构的BICM-ID系统分别有约0.3和0.5 dB的性能提升,只有卷积码与累加码结合才更具性能优势。并且SCAQAM将累加后的比特流以反格雷方式映射具有更优异的性能。

面向存算一体加权电荷累加电路的线性度和误差分布测试

在存算一体(Computing-in-memory,CIM)芯片中,相较于传统的数字计算方案,模拟计算方案由于具有低功耗特性,可以更高效地完成计算任务。加权电荷累加电路(Weighted charge accumulation circuit,WCAC)作为模拟计算方案中的关键计算单元,因复杂的测试激励和控制时序,在测试方面具有一定挑战性。本文基于模拟计算架构和数据流的特点分析了线性度和误差分布这两项关键性能参数;提出了测试系统的设计方案,并根据目标数据集设计测试激励完成了对线性度和误差分布的测量。对于线性度,仿真与测量的结果分别为99.79%和99.11%。对于误差分布,仿真结果的平均值为-0.06 mV,标准差为1.54 mV。测量结果与仿真结果具有相同的分布趋势,其均值为0.37 mV,标准差为2.07 mV。电路整体呈现优良的线性度和计算精度。此外,为了评估WCAC在网络模型中可靠性,将测量的误差分布结果分别抽象到LeNet和AlexNet中,并在MNIST和CIFAR-10上进行了准确性实验。实验结果表明,在权重参数4比特和8比特量化条件下,LeNet对MNIST的识别准确率分别降低了0.25%和0.18%;在权重参数8比特量化条件下,AlexNet对CAFAR-10的识别准确率降低了3.12%。

多元素衬值累加法在东昆仑克贡玛地区找矿的应用

克贡玛地区位于东昆仑哈日扎—那更银矿带中部延伸地段,成矿地质条件较为优越。为实现该区快速找矿突破,在初步总结成矿地质背景基础上,本文详细研究了该区水系沉积物测量数据结构特性。采用相关性分析、R型聚类分析2种手段进行数据分析处理,并利用多元素衬值累加方法编制了地球化学异常图,实现了多元素异常“一张图”。通过典型矿点对比,有效识别了研究区高背景区域和低背景区域异常变化趋势,优选找矿靶区13处。经过查证,证实9处为矿致异常,找矿成功率达69.2%,实现了该区快速有效找矿突破。

基于密码累加器的无状态区块链性能优化

区块链由于其去中心化的特点,被认为是近年来最具颠覆性和革命性的技术创新之一。然而,目前大多数公有链由于数据高度冗余使得区块链系统数据迅速增长,从而造成节点存储资源消耗严重,此外它还存在区块共识成本较高导致系统吞吐量低的问题。针对区块链的可扩展性问题,提出一种适用于智能合约的无状态区块链性能优化方案STiPChain。STiPChain基于密码累加器与可验证计算完成无状态设计,采用RSA累加器生成智能合约的有效性证明实现节点状态数据压缩,同时通过分布式设计将智能合约的有效性证明更新效率优化至常数,极大降低节点对磁盘和内存的需求。在此基础上,STiPChain将区块共识与区块运算解耦,基于可验证计算技术提出新的智能合约执行逻辑和交易验证方案,解决无状态条件下的交易验证与执行问题,有效提高系统吞吐量。实验结果表明,与Ethereum相比,STiPChain无状态区块链性能优化方案将共识节点的存储需求降低了99%,吞吐量提高了1.6~2 500倍。

基于固定位置插值累加法的重力异常等值线图分析

相较于重力异常等值线图绘制中常用的同点差值插值法,使用了一种新重力异常等值线图的制图方法,称之为固定位置插值累加法。分别应用模拟数据及河北省2018至2021年度相对重力实测数据,使用同点差值插值法与固定位置插值累加法绘制了重力异常等值线图,并对结果进行了对比,结果表明固定位置插值累加法在使用测点数据次数和等值线密度方面有所改进。此外,参考河北省南部2018年6月至2019年10月震例,计算得出此两种方法震中与重力异常零等值线的距离。结果表明:使用固定位置插值累加法较同点差值插值法缩短了震中与震前重力异常零等值线间的距离。

基于正反向累加的含线性时变参数DGM模型的变权组合预测

电力负荷预测是电力系统优化规划的依据。为了从一组原始电力数据序列中获取更多信息,提高中长期电力负荷预测的精度,本文在研究数据正向联系和逆向联系的正、反向累加方式基础上,对含线性时变参数的离散灰色模型进行改进,同时加入进一步减小误差的迭代基值优化过程。最后利用两种单项预测模型构造出一种双向获取信息的变权组合预测模型,给出其建模步骤,并对某城市电力供电量发展水平进行预测。通过与DGM和LT-DGOM及其单项预测模型进行对比验证其预测效果。

基于区块链和密码学累加器的简历方案

针对当前社会频繁出现的简历伪造和简历泄漏的问题,提出一种基于区块链和密码学累加器的多重简历保护及验证方案。利用区块链技术去中心化的特性,降低造假的风险,提升简历的真实性。利用密码学累加器高效性和加密性的特点,减少储存的数据量,降低了隐私暴露的风险。多重简历结构降低了验证者的数据访问量,用户可以选择性披露简历,自主隐藏简历。经过分析与对比验证,本方案具备较高的性能、较低的时空消耗和隐私保护能力。

基于密码累加器的区块链中间件身份认证方案

Hyperledger Fabric是目前被大规模应用的企业级联盟链。在联盟链中只有经过身份授权认证的节点才能接入区块链网络。目前Fabric中采用CA管理用户以及授权工作。针对其复杂的配置,认证流程复杂,存在中心化等隐藏问题,本文提出了一种基于RSA密码累加器的身份认证方案,利用RSA密码累加器实现成员验证效率高的特点,实现Fabric中间件完成身份认证,保证中间件的安全,进一步提高系统安全性。本文通过实验,验证了通过RSA密码累加器对Fabric中间件身份认证的效率,表明通过该方案具有较高的身份验证效率和安全性。

基于双RSA累加器的无状态交易验证方案

为了缓解区块链中不断膨胀的状态数据给节点带来的存储压力,针对以比特币为代表的UTXO模型区块链,提出基于双RSA累加器的无状态交易验证方案.该方案利用固定大小的密码学承诺取代状态数据,在保证节点能够独立验证交易的基础上,大幅降低本地存储.基于RSA累加器的特性,利用2次高效的添加操作替换了复杂的删除操作,以较少的通信开销为代价,大幅降低系统的计算开销,保证交易验证的效率.实验结果表明,该方案相比于传统的区块链拥有较高的节点存储压缩率,相比于其他无状态方案拥有固定的额外通信开销及较高的交易验证效率.

基于虚源的延时乘累加波束形成算法

为了提高超声虚源次序波束形成的成像分辨率,提出一种基于虚源的延时乘累加波束形成算法,即VS-DMAS(delay multiply and sum beamforming based on virtual source)算法.该算法将DMAS的思想引入虚源次序波束形成的第二阶段,利用DMAS算法中相乘耦合运算的特点,充分考虑信号之间的相干性,以抑制低回声区域伪影的产生,提高超声成像的分辨率和对比度.对该算法进行了点目标仿体仿真以及实体数据成像实验.结果表明,相较于常规的聚焦方式,VS-DMAS算法具有更低的旁瓣和更窄的主瓣,能够更好地将点目标从背景噪声中分离出来,随着深度的增加,依然有着较高的成像分辨率.且随着算法中p值适当增大,成像分辨率和对比度均有一定的提升.