一种可控重构质量的心电信号压缩方法

本文提出了一种基于小波包变换和自适应量化的ECG压缩方法。该方法采用编码率 -失真度指标(R -D指标 )作为代价函数选择最佳小波基 。

基于深度学习网络的可见光图像重构质量评价研究

可见光图像重构质量评价一直是一个难点,因此,设计了基于深度学习网络的可见光图像重构质量评价方法。通过卷积神经网络(CNN)与图像质量评价方法(IQA)相结合,构成IQA-CNN模型,引入信息熵构建改进IQA-CNN模型,向该模型内输入重构可见光图像,归一化预处理后划分成数个分块,经有监督学习法训练该模型后,获取到该模型的最优参数,给定一幅重构可见光测试图像,运用训练后的改进IQA-CNN模型,获得该图像的质量评价分数,实现重构可见光图像的质量评价,结果表明,该算法的最优卷积核数量与采样步长分别为40个和90,在此最优参数下的评价性能指标SROCC与PLCC平均值:分别为0.977 5与0.974 2,所得评价结果与主观观测结果相吻合,可靠性与合理性更高。

KSVDSAMP自适应稀疏算法在电能质量信号重构中的应用

针对现有固定正交稀疏基不足以灵活表示未知的电能质量信号特征,以及稀疏系数非自适应导致信号重构效果不佳、应用性不强的问题,提出一种基于字典学习的自适应压缩感知信号重构算法（KSVDSAMP）,并将其应用于电能质量信号重构中。算法首先对大量电能质量信号的样本进行K均值分解得到信号特征,根据信号特征自适应的选取合适的稀疏函数表示未知信号,然后构建扰动信号的随机伯努利矩阵作为压缩感知框架下的测量矩阵,同时将回溯思想和逐步搜索原子字典更新相结合,通过设定固定的步长,在反复迭代的过程中,进行残差r的比较,最终重构出原始信号。实验结果表明,当信号压缩率在50%～90%时,提出的KSVDSAMP算法相较于现有的电能质量信号重构算法（FFTOMP、DCT）,算法的重构信噪比均高出10～20 dB,验证了KSVDSAMP算法的有效性和优越性,为电能质量信号重构提供了一种新的方法。

电能质量信号的KSVD-NRAMP归一化自适应稀疏重构算法

针对稀疏重构算法在电能质量重构中存在实时性差、重构精度低的问题,提出一种基于特征向量归一化的K奇异值分解(KSVD-NRAMP)自适应稀疏重构算法。算法针对电能质量信号的非线性非稳态特征,采用迭代式匹配追踪得到信号稀疏特征矩阵,然后对矩阵进行归一化处理,量化特征向量,加快函数收敛速度。接着对得到的矩阵原子进行奇异值分解,改善迭代步长波动造成信号重构精度低的问题,最后构建信号的高斯随机矩阵并重构信号。当信号压缩率在50%～90%时,该算法重构信噪比其它重构算法的重构信噪比高出26dB～28dB。实验结果表明,该算法重构精度更高且计算时间短,为电能质量信号的研究提供了一种新思路。

DINEOF重构遥感叶绿素a数据质量分析

文章利用2009—2020年南海海域多传感器融合叶绿素a月平均遥感数据,采用DINEOF方法对数据进行整体重构和缺失点重构,通过对整体重构数据质量的对比分析,探讨了缺失点重构数据的可靠性。结果表明,在数据缺失点上,整体重构和缺失点重构得到的重构数据完全相同,说明可仅针对缺失点进行数据重构,建立无缺失叶绿素a遥感数据集。整体重构数据与原始数据的均方根误差和相关系数分别为0.125 7 mg·m^(-3)和0.93。从重构数据分布图可以看出,数据缺失率越高,平滑越明显,但整体重构数据会更明显。重构相对误差在20%范围以内的数据点比例与数据缺失率数据存在一定负相关关系,数据缺失率越高的月份,该比例越低,说明缺失点重构数据的可靠性越差。

加入WTO与高等教育质量观的重构

分析了加入WTO后对我国高等教育质量观的影响,提出必须重构高等教育的全面质量观。全方位全过程的评价高等教育质量,要与时俱进,并指出了现代高等教育质量关注的焦点。

基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤,有限二维投影下的三维粒子重构是一个欠定的反问题,其精确解往往很难得到。一般情况下,可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速,提出了一种基于卷积神经网络(Convolutional Neural Networks,CNN)的粒子重构方法。所提出的技术可以从基于传统的代数重构技术(Algebraic Reconstruction Technique,ART)的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比,新技术在重构质量方面有了显著的改进,可以有效剔除虚假粒子并更准确地还原粒子形状,并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。

基于奇异值分解的数字图像压缩及重构研究

为了解决未压缩的数字图像传输过程中占用网络资源过大的问题,本文利用奇异值分解的方法对数字图像进行压缩重构,达到了简化数据的目的,极大地降低了数字图像传输所占用的资源,同时能够保证重构的图像失真度较小。仿真结果表明,奇异值分解方法能够有效压缩重构图像,且压缩图像时选择的奇异值数量越多,重构图像的质量越好。

伊犁河谷城市群夏季不同粒径大气颗粒物组分特征及来源解析

为研究伊犁河谷城市群不同城市不同粒径大气颗粒物的组分特征和来源,于2021年7月19—29日,在伊犁河谷城市群的伊宁市、伊宁县、察布查尔锡伯自治县(简称察县)和霍城县布设6个采样点采集大气PM_(2.5)和PM_(10)样品,对样品中的化学组分(无机元素、水溶性离子和碳组分)进行分析,并使用化学质量平衡模型对其来源进行解析。结果表明:研究期间伊犁河谷核心区城市群PM_(2.5)和PM_(10)浓度均处于较低水平,分别为(22.81±2.79)和(58.81±6.95)μg/m^(3);从空间分布来看,伊宁市和伊宁县的颗粒物浓度相对较高,霍城县和察县的浓度相对较低。化学组分质量重构结果表明,地壳元素是研究期间PM_(2.5)和PM_(10)的主要组分,占比分别为39.8%和54.1%;其次为有机物,占比分别为33.2%和19.8%;二次无机离子在PM_(2.5)和PM_(10)中也有一定占比,分别为20.2%和10.7%。源解析结果表明,PM_(2.5)主要来自二次颗粒物(29.1%)和扬尘源(28.3%)的贡献,工业源(16.1%)、机动车(10.5%)、燃煤源(9.3%)也均有一定贡献;PM_(10)中则以扬尘源的贡献最大(42.3%),远高于二次颗粒物(14.7%)、工业源(14.1%)、机动车(8.4%)和燃煤源(7.3%)。

北京市门头沟区大气降尘污染特征及其化学组分特征与质量重构

为研究北京市门头沟区大气降尘污染特征,收集了20182022年门头沟区2个国控环境空气站57个大气降尘量月平均监测结果,分析了门头沟区大气降尘污染状况及其时间变化特征.为探究大气降尘化学组分特征与质量重构结果及其来源,在三家店国控环境空气站,使用主动抽滤法模拟采集降尘样品57个,测定了降尘的质量浓度及其化学组分的质量浓度,研究了大气降尘中的化学组分特征,并利用颗粒物质量重构技术对大气降尘主要组分进行质量重构,探讨了质量重构的结果可靠性及其未确定成分的原因.结果表明,20182022年,北京市门头沟区月降尘量呈周期性变化,最大值在春季4、5月,最小值在秋季10、11月,且最大月降尘量是最小月降尘量的3.28.4倍.季度平均月降尘量大小表现为:春季>夏季>秋季>冬季,且降尘主要来自于春季和夏季,其降尘量分别占全年总降尘量的40.1%43.0%和23.8%37.5%.北京市门头沟区大气降尘年平均月降尘量下降趋势明显,2022年较2018年降尘量下降了52.8%,年均下降了13.2%,与近年来北京市城市环境保护精细化管理水平的提高有关;2021年沙尘对门头沟区降尘量的影响显著,实际贡献率达44.2%.门头沟区大气降尘中化学组分以水溶性离子、地壳元素、有机碳(OC)和元素碳(EC)为主,所测化学组分质量总和所占降尘的质量分数为65.0%,二次有机碳(SOC)也是大气降尘的重要组成部分,其质量浓度为13.5μg·m^(-3),所占OC的质量分数达96.4%.大气降尘质量重构的主要组分为地壳元素扬尘、有机物(OM)、SO_(4)^(2-)、NO_(3)^(-)、NH_(4)^(+)、微量元素、EC和Cl-,质量浓度分别为34.8、28.0、20.6、15.0、5.6、4.3、3.2和2.2μg·m^(-3),所占降尘的质量分数分别为25.5%、20.6%、15.1%、11.1%、4.1%、3.2%、2.3%和1.6%;大气降尘主要来源于土壤风沙扬尘、建筑水泥尘、生物质燃烧、垃圾焚烧和二次转化过程等.大气降尘实测质量浓度与化学组分质量重构质量浓度相关性良好,可决系数R2为0.8173.质量重构结果中未确定组分占降尘质量的16.5%,其中降尘中的结合水(PBW)占降尘的质量分数为6.2%,其余未鉴别组分可能与未测量组分、选用的OM与地壳元素扬尘估算系数、颗粒物粒径组成、选择的化学组分分析方法及其测量误差有关.

压缩感知中基于快速不动点迭代算法的研究

针对传统迭代算法在解决大规模问题时速度较慢的问题,在介绍了压缩感知中重构的基本模型以及传统不动点迭代方法(FPC)的基础上,提出了一种新的重构算法-快速不动点迭代方法(FFPC)。传统的不动点迭代方法其实是基于算子分裂的方法。为了提高去重构性能,通过引入软阈值和正则化参数的双收缩,逐步迭代恢复原始图像信号,以加快算法的收敛速度,减小重构误差,从而改善图像的重构质量。仿真结果表明,在相同的实验环境下,与传统的不动点迭代算法以及其他算法相比,快速不动点迭代算法重构图像的峰值信噪比较高,相对误差较小,在低采样率下运行时间较少,性能最优。

一种高效低时延的多视点分布式视频编码

分布式视频编码是一种可以将编码端复杂度转移到解码端的视频编码方式.多视点分布式视频编码在视点内部大都采用运动补偿内插法来降低时间冗余,但是因为运动补偿内插法的解码顺序与视频顺序不一致,从而导致视频解码出现时延.因此,基于运动补偿外推法提出了一种高效低时延的多视点分布式视频编解码方法.此外,一般运动补偿外推法的重构质量要低于运动补偿内插法.在使用运动补偿外推法降低时间冗余的基础上,使用视差矢量内插法降低视点间冗余,经过融合算法提高重构质量.实验证明,所提出的这种高效低时延的多视点分布式视频编码,在重构质量相当的情况下,解码时间降低了0.3s.

新疆奎独乌区域冬季大气重污染过程PM2.5组成特征及来源解析

为研究新疆奎独乌(奎屯、独山子、乌苏)区域冬季大气重污染过程的PM_(2.5)污染特征及其成因,于2015年2月4—10日在奎屯、独山子和乌苏三地开展PM_(2.5)样品采集,并对其中的元素、水溶性离子及碳组分进行测试,分析不同污染水平下PM_(2.5)中化学组分的变化规律.结果表明,采样期间奎独乌区域ρ(PM_(2.5))日均值均超过GB 3095—2012《环境空气质量标准》二级标准(75μg/m^3),2月9日ρ(PM_(2.5))最高(298.58μg/m^3),超标2.98倍.通过比较PM_(2.5)载带化学组分质量百分比发现,随着污染等级加剧,SO_4^(2-)、NO_3^-质量百分比呈逐渐增加的趋势,严重污染时SO_4^(2-)、NO_3^-质量百分比分别较轻度污染时增长11.7%、5.5%;NH_4^+、碳组分及元素组分质量百分比则呈下降趋势,严重污染较轻度污染时分别下降0.7%、9.5%、2.4%;结合采样期间静稳及高湿的气象条件,说明此次重污染由本地污染物累积及二次颗粒物生成所致.随着污染水平的加重,SOR(硫氧化率)及NOR(氮氧化率)的值也在随之增大,说明污染越重大气二次转化程度越高,进一步验证了二次颗粒物是导致此次重污染的原因之一.对不同污染等级PM_(2.5)进行质量重构发现,PM_(2.5)中主要组分均为硫酸盐和OM(有机物),硫酸盐和OM的质量百分比分别在23.0%~34.7%、16.4%~28.7%之间,说明此次重污染过程的主要污染源为燃煤及机动车尾气.

我国学校教学质量观的反思与重构

教学质量是教学活动满足学生身心素质全面发展需要的程度。满足学生身心素质全面发展的程度越高,教学质量就越高。但是,在实际的教学实践中,人们对高质量教学的理解存在一定的偏颇。在当前我国教学改革不断深化的背景下,人们应树立正确的教学质量观:超越分数至上的教学质量理解,关注学生的全面发展;突破结果中心的教学质量认识,转向结果与过程的共同关照;超越普遍性的教学质量观念,重视共性标准与个性标准的统一。

济南市秋冬季大气细粒子污染特征及来源

快速的经济发展和城市化进程造成我国城市大气污染日益显著,并受到更为广泛的关注.为了解济南市大气细粒子及其化学成分的污染特征,于2013.10.15—2013.11.16和2013.12.24—2014.1.27(总观测天数为62天)利用中流量颗粒物采样器采集了济南市大气PM_(2.5)样品,分析了其中的化学成分,包括水溶性离子、无机金属元素、元素碳(EC)和有机碳(OC),并结合颗粒物质量重构法和主成分分析法探讨了济南市大气细粒子的来源.结果表明,监测期内济南市PM_(2.5)质量浓度严重超标,日均值均高于我国国家环境空气质量标准(GB3095—2012)中的一级标准,最高日均值达到了335μg·m^(-3).水溶性离子、有机碳、元素碳和金属元素分别占总PM_(2.5)浓度的45.3%、34.7%、2.3%、5.6%(秋季),42.8%、32.9%、3.6%、12.5%(冬季).二次水溶性离子NO_3^-、SO_4^(2-)和NH_4^+为主要的水溶性离子,分别占总离子浓度的34.1%、35.6%、9.2%(秋季)和35.2%、30.4%、15.9%(冬季).OC和EC的平均质量浓度分别为33.8μg·m^(-3)和4.3μg·m^(-3),OC/EC比值表明秋季汽车尾气与生物质燃烧对有机气溶胶的贡献较大,而冬季燃煤排放对有机气溶胶的贡献较大.化学质量重构结果表明,秋季济南市细粒子中二次无机盐、海盐、重金属、矿物尘、建筑尘、有机物和元素碳的质量百分比分别为38.6%、1.2%、0.2%、5.4%、1.4%、34.7%和2.3%,冬季分别为34.8%、1.5%、3.5%、7.5%、3.2%、33.0%和3.6%.主成分分析结果表明,汽车尾气及二次转化、燃煤以及冶炼工业排放是济南市大气细粒子的主要来源.

基于水体退化函数补偿方法的水下傅里叶单像素成像

水下光学成像的探测环境相对复杂。前向散射、后向散射和吸收极大地降低了水下光学成像的成像质量。单像素成像因其较高的抗噪声性而被认为是一种适合于水下光学成像的技术。对于水下单像素成像系统,目前存在的问题是需要采用结构光进行照明,当散斑在水下传播时,前向散射会使预先生成的散斑发生畸变。因此,重建结果的分辨率降低,重建结果模糊不清。为了减小前向散射对单像素成像系统的影响,对傅里叶单像素成像的重建过程进行改进。在空间谱域傅里叶单像素成像系统的水下退化函数进行估计,然后根据估计的退化函数实现目标空间谱反演。最后利用傅里叶变换对反演后的目标空间谱进行变换,最终获得目标的强度图像。理论分析和实验结果证明了该方法的有效性。利用该方法,能够有效地减小前向散射对成像质量的影响,提高了水下傅里叶单像元成像的重建结果质量。

江淮平原东部城市大气PM_(2.5)组成和污染特征研究

2019年10月—2020年10月在江淮平原东部城市淮安开展持续1 a的PM_(2.5)采样分析,研究PM_(2.5)的组成和污染特征。结果表明:淮安市大气PM_(2.5)年均质量浓度为(52.2±27.1)μg/m^(3),是国家二级标准(35μg/m^(3))的1.5倍,其中冬季最高,为(67.5±36.4)μg/m^(3),是国家二级标准的1.9倍;PM_(2.5)中的ρ(NO_(3)^(-))/ρ(SO_(4)^(2-))=1.76,说明机动车尾气排放对淮安市PM_(2.5)的影响较大;PM_(2.5)中平均ρ(OC)/ρ(EC)值为4.1±1.1,说明淮安市PM_(2.5)受大气二次生成影响明显;Si、Al、Ca等无机元素的质量浓度较高,表明淮安须加大对扬尘污染的治理力度。

基于双向预测插值的多维矢量鬼成像视频

为了进一步提升运动物体鬼成像视频的质量,根据视频中每帧都具有相关性的特点,提出了一种基于双向预测插值的多维矢量鬼成像视频的实时成像算法.即运用具有能量集中特点的多维矢量Walsh变换,将总数一定的Walsh基图样分成更少的组,使每组的有效基图样翻倍,再分别作用于目标物体,重构后得到数量少但成像质量更好的隔帧图像,再通过双向预测插值得到中间帧.使用该算法作用于像素为64×64的目标物体,可在实时状态下实现运动物体鬼成像的视频.在采样数量和采样时间不变的情况下,可实现高质量重构,得到了品质更好的鬼成像视频.

北京市某街道采暖期与非采暖期环境空气颗粒物(PM_(2.5))组分特征及来源分析初探

本文于采暖期(2021年12月~2022年1月)和非采暖期(2022年3月~4月)对北京市某街道共计两个点位进行环境空气颗粒物PM_(2.5)浓度及组分(水溶性离子、碳质组分、无机元素)监测。结果显示:两个点位在采暖期和非采暖期PM_(2.5)浓度分别为37μg/m^(3)、39μg/m^(3),水溶性离子中以NO_(3)^(-)、SO_(4)^(2-)、NH_(4)^(+)为主要组分,碳质组分以OC为主,无机元素中Fe、Zn、Al、S、Si五种元素的浓度相对较高。通过质量重构结果表明,OM、NO_(3)^(-)、SO_(4)^(2-)、NH_(4)^(+)、地壳物质的占比较高(超过90%),在采暖期期间PM_(2.5)组分主要来源于化石燃料燃烧和机动车排放的NO_(x)、重型卡车等所释放出的NH_(3)、土壤尘、道路尘、建筑扬尘等,同时也存在经光化学反应的二次生成物;非采暖期期间PM_(2.5)组分主要来源于化石燃料燃烧和机动车排放的NO_(x)、重型卡车等所释放出的NH_(3)、土壤尘、道路尘等,同时区域性沙尘传输也会导致PM_(2.5)污染升高。

南昌市环境空气PM_(2.5)化学组分的时空分布特征

2015年在南昌市6个国控点分四个季度采集了大气PM_(2.5)样品,分析了其主要化学组分,并对PM_(2.5)质量浓度进行了重构。结果表明:南昌市PM_(2.5)的主要化学组分为SO_4^(2-)、OC、NO_3^-、NH_4^+和EC,占比具有明显的时空变化特征,硫酸盐在第二、三季度最大,硝酸盐在第一、四季度最大,SO_4^(2-)和NH_4^+在石化点位最高,NO_3^-在京东镇政府点位最高,OC和EC在省外办点位最高;重构后,南昌市PM_(2.5)以硫酸盐、有机物、地壳类物质为主,说明2015年南昌市扬尘和二次硫酸盐源类对PM_(2.5)的贡献可能是主要的。