混合Lebesgue空间中平移不变信号的随机采样稳定性

采样和重构是采样理论中2个重要的问题。在采样集满足稳定性的情况下,信号可以从离散采样集中稳定地重构。为了达到信号重构的目的,对混合Lebesgue空间中平移不变信号的随机采样稳定性进行研究,重点研究能量集中子集上信号的采样稳定性。在生成元满足紧支性和平移稳定性的条件下,定义能量集中子集的标准化子集;研究能量集中子集上信号的无穷范数与(p,q)范数的关系,并借助这一关系估计限制到方体上的标准化子集的覆盖数;根据均匀分布在方体上的随机样本点定义新的随机变量序列并研究其相关性质;借助覆盖数的相关引理、随机变量的相关性质及Bernstein不等式,建立能量集中信号的采样不等式。研究结果表明,当采样点足够多时,能量集中信号的采样稳定性以高概率成立。

基于CWT-sCARS的土壤铜含量高光谱反演

光谱变量的有效程度与土壤铜含量的反演精度密切相关。基于原始反射率以及不同分解尺度下的小波系数,本研究采用连续小波变换(CWT)算法、稳定性竞争自适应重加权采样(sCARS)算法和随机森林(RF)算法对土壤铜含量进行了反演与验证。研究结果表明:连续小波变换可以有效提高光谱特征与土壤铜含量之间的相关性,不同分解尺度对应的最大相关系数中,最大值位于Scale 8分解尺度下1343 nm处,相关系数为0.60;使用sCARS算法可以显著减少特征变量的数量,结合CWT变换和sCARS算法可以显著减轻数据冗余,提高土壤Cu含量的反演精度。该研究可为利用高光谱遥感技术,快速、高精度反演土壤Cu含量提供重要参考。

变周期采样系统的采样区间依赖稳定性分析新方法

研究了变周期采样系统的采样区间依赖稳定性问题.采用类Lyapunov泛函方法研究采样系统的稳定性与采样区间的关系,该类Lyapunov泛函不强求正定也不要求连续.通过增加状态与状态导数的交叉项推广了类Lyapunov泛函,然后用新的不等式处理该类Lyapunov泛函的导数,基于类Lyapunov泛函方法导出了采样区间依赖稳定性新结果,然后,在凸多胞型不确定采样系统中推广该结果,得到了鲁棒采样渐近稳定性新准则.最后,用3个仿真例子说明了文章结果比现有的某些结果保守性小.

基于高光谱技术融合图像信息的杏鲍菇干燥过程中含水率检测

为了应用高光谱成像技术结合图像处理技术研究杏鲍菇含水率的快速无损检测以及含水率分布可视化,采集不同干燥时期共240个杏鲍菇样品在358～1 021 nm波段范围内的高光谱图像。利用阈值分割方法将图像中杏鲍菇区域与背景分离,提取杏鲍菇的平均光谱数据。采用连续投影算法(SPA)和稳定性竞争自适应重加权采样法(SCARS)分别筛选出5个和10个特征波长;采用主成分分析方法获得杏鲍菇的前2个主成分图像PC1、PC2,基于灰度共生矩阵(GLCM)提取主成分图像PC1、PC2共16个纹理特征。利用偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)分别建立光谱特征、纹理特征以及光谱与纹理特征融合的含水率预测模型。结果表明:与光谱特征相比,纹理特征与含水率的相关性较差;光谱特征模型SCARS-LS-SVM预测效果最好,其预测集决定系数(R■)=0.975,均方根误差(RMSEP)=3.712,相对分析误差(RPD)=3.211。基于SCARS-LS-SVM模型,将杏鲍菇样品含水率分布用不同颜色直观显示,实现了含水率分布可视化。

基于CWT-sCARS的东北旱作农田土壤有机质高光谱反演

精准高效获取不同类型土壤的有机质含量,对促进东北土壤退化防治和耕地质量提升有重要意义。本研究以东北旱作农田典型土壤类型为研究对象,采集了黑土、黑钙土、潮土和棕壤共118个土壤样品,采用倒数对数、一阶微分、连续统去除和连续小波变换分别对其光谱曲线进行预处理。通过稳定性竞争自适应重加权采样(sCARS)算法筛选敏感波段,并建立偏最小二乘回归模型。研究结果表明:连续小波变换处理可以抑制背景和噪声的干扰,挖掘土壤光谱内隐含的有效信息,提高土壤光谱与有机质含量的相关性。sCARS算法能够提取与土壤有机质相关的重要特征信息变量,去除冗余、重叠的光谱信息,提高建模效率。黑土、黑钙土、潮土和棕壤的最佳模型均为连续小波变换模型,R^(2)分别达到了0.83、0.88、0.93和0.93;一阶微分模型也有较好的表现,而倒数对数、连续统去除的模型效果不佳。连续小波变换处理后,模型的精度和稳定性得到了显著提升,建模集、验证集决定系数R^(2)最高提升了0.13、0.28,均方根误差(RMSE)最大降低了2.48、2.40 g/kg。连续小波变换结合sCARS算法,为土壤有机质含量的高光谱快速精准估测提供了新途径。