基于克罗内克积分解改进的CLMS算法

在噪声环境中,存在着来自不同方向的干扰信号,自适应波束成形器利用来自阵元阵列的数据,不仅可以从预定方向捕捉信号,且不会造成信号失真。大多数波束成形器的工作原理是在实现方差最小化的同时,在有用信号和干扰信号的方向上分别应用无失真约束和空值约束。因此提出了一种改进的CLMS波束成形算法,该算法基于最近克罗内克积分解的低秩近似算法,将权重向量分解为小向量的克罗内克乘积序列,使原来的权重更新过程转化为小向量的更新。权重向量分解使得根据波束成形系统的秩,在稳态性能和快速收敛之间进行权衡控制。通过推导Kron-CLMS算法的实现流程,分析对比3种算法的计算复杂度,并利用仿真实验体现改进算法的优越性。

一种变步长凸组合LMS自适应滤波算法改进及分析

为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法(Combined Least Mean Square,CLMS),将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法(Variable Step-size Convex Combination of LMS,VSCLMS)做出改进,提出了一种新的VSCLMS算法.在该算法中,对快速滤波器选用以最小均方权值偏差(Minimization of Mean Square Weight Error,MMSWE)为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差(Least Mean Square,LMS)为准则的固定步长滤波器.通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径.

动态植被模型对青藏高原植被的模拟检验

动态植被模型是研究植被变化对气候反馈和影响的重要模型工具。本文对耦合了动态植被(Dynamic Vegetation,DV)和碳氮(Carbon and Nitrogen,CN)模型的NCAR陆面过程模式CLM4.5(Community Land Model version 4.5)对青藏高原(以下简称高原)植被的模拟性能进行了评估,获得了定量化的偏差信息,并对高原植被和气候变化因子的关系进行了初步探讨。结果表明:模型能大致再现叶面积指数(Leaf area index,LAI)在历史时期的季节循环、长期变化趋势和空间分布,但空间变率较遥感资料大。模拟的乔木覆盖度偏大,草地覆盖度偏小,因此严重高估了植被高原南部和东部的LAI。与遥感观测相比,模拟的LAI呈现了1~2个月的滞后,这与模式本身的植被动力机制不完善和模式的降水驱动偏差有关。高原植被变化趋势的时空分布与表层土壤水和降水等气象因子的趋势变化显示出较好的一致性,表明在该研究时段,地表水循环的变化(主要是降水和土壤水含量)对高原植被生长可能起主导作用。

CLM5.0对高寒山区蒸散发模拟的适用性评估

蒸散发是地表水文循环和能量交换过程的重要组成部分,且在高寒山区有极强的时空异质性,准确模拟蒸散发对于研究高寒山区水文循环过程有着重要的意义。CLM5.0(Community Land Model5.0)是CLM模式的最新版本,具有较为完善的水文循环机制,是目前国际上发展最为完善的陆面过程模式之一。基于典型高寒山区黑河上游五个观测站的观测数据,对CLM5.0的蒸散发模拟性能进行评估。结果表明:CLM5.0在模拟蒸散发时结果总体上可信,其R值的范围在0.601~0.839之间,RSR值的范围在0.964~1.145之间,BIAS值的范围在^(-1).220~-0.597 mm·d^(-1)之间。说明CLM5.0在高寒山区可以较好地捕捉观测到蒸散发的时间趋势,但仍存在一定的低估。非生长季的BIAS值的范围在-0.904~-0.367 mm·d^(-1)之间,生长季的BIAS值的范围在-2.094~-0.794 mm·d^(-1)之间,这表明蒸散发模拟值的低估主要来自生长季的模拟。高寒草甸上R值的范围在0.299~0.651之间,RSR值的范围在1.135~1.332之间,高寒草地上R值为0.209,RSR值为1.450,因此,CLM5.0在草甸的模拟性能优于草地。CLM5.0白天R值的范围在0.605~0.840之间,RSR值的范围在0.252~1.193之间,夜晚R值的范围在0.344~0.651之间,RSR值的范围在0.482~2.966之间,对比可知CLM5.0在白天模拟蒸散发的性能优于夜晚。这些结论可为CLM5.0的应用和改进提供科学依据。

一种变步长凸组合自适应滤波算法及其性能分析

为了进一步解决收敛速度与稳态误差之间的矛盾,提高自适应滤波算法性能,将变步长算法引入到凸组合自适应滤波算法(CLMS)中,提出了一种新的变步长凸组合最小均方算法(NVSCLMS)。该算法用一种基于块步长思想的变步长算法代替原CLMS算法中的快速收敛算法。通过理论推导和仿真对比分析:提出的算法提高了CLMS算法的灵活性和实用性,且在收敛速度、稳态误差和跟踪性三个方面展现出优于变步长算法、CLMS算法和已提出变步长凸组合算法的滤波效果。

变步长凸组合LMS自适应滤波算法及分析

针对现有变步长凸组合LMS(VSCLMS)算法需预先决定行为参数的问题,提出了一种新的VSCLMS算法.该算法对变步长滤波器按步进行分析,以最大均方权值偏差准则为步长选择依据,对固定步长滤波器则采用稳态最小均方误差准则为步长选择依据.理论分析与仿真实验表明,该算法能在噪声、时变、甚至非平稳的环境下保持良好的随动性能,并在收敛的各个阶段均保持快速而稳定的均方特性.与现有VSCLMS及CLMS算法相比,具有更快的收敛速度,且稳态均方性能与跟踪性能均更好.

梯度向量正交的相关函数自适应滤波算法

该文把Asharif(1999)定义的相关函数均方误差(MSE)准则Jr(n)=E eT(n)Ce(n)]改为时变的遗忘因子指数加权最小二乘误差(LSS)准则Jr(n)= ,对这一准则利用梯度法,使当前时刻的梯度向量正交于前一时刻的梯度向量而得到一种新的相关函数自适应滤波算法。计算机仿真结果表明新算法的收敛性能优于Asharif提出的ECLMS算法。

土壤砾石参数化对高原涡形成发展作用的敏感性分析

采用耦合了砾石参数化方案CLM4.5的区域气候模式RegCM4对一次高原涡进行了模拟分析,并做了3组敏感性试验,结合欧洲中心ERA5再分析资料进行验证分析,使用了高空、低空及土壤水热属性参数等资料,分析了砾石参数化对高原涡初生、发展、消亡等影响。结果表明:在500 hPa形势场中,特别是在高原涡发生和发展的阶段,砾石含量越接近实际,模拟效果越好,RegCM4对青藏高原降水量的模拟能力随砾石含量接近实际而提升;在高原涡区及其东北移动路径上,2 m温度的模拟结果随砾石含量的增加而升高,为高原涡的生成和发展提供条件;砾石参数化方案明显提升了土壤导热率和土壤导水率,在高原涡初生和发展过程中,砾石含量接近实际,模拟土壤温度和土壤体积含水量也接近实际,在高原涡消亡阶段,土壤含砾石较高使浅层温度明显降低,加速了高原涡的消亡,并且随着土壤深度的增加,砾石对土壤升温作用明显减弱,在高原涡生成和发展阶段,砾石对模式的提升作用明显,但在高原涡减弱和消亡阶段,砾石对模式的提升作用逐渐降低。

黄土高原不同作物下垫面陆气水热交换的模拟研究

黄土高原农田种植结构的改变对陆面能量和水分交换、区域蒸散发等产生影响,不同作物下垫面复杂的水热耦合机制在黄土高原陆-气相互作用中起着重要作用。本文利用陇东黄土高原2019-2021年共计34个月的观测数据,结合耦合了作物模块的通用陆面模式(Community Land Model with BGC Biogeochemistry and prognostic crop,CLM5.0-BGCCROP)对黄土高原不同作物下垫面(冬小麦、玉米、苹果林地)的陆面特征进行离线单点模拟,以验证CLM5.0陆面过程模式在黄土高原农田地区的模拟能力,对比分析不同作物下垫面土壤温湿度和地表能量通量的差异。结果表明:(1)CLM5.0对土壤温湿度特征的模拟效果较好,平均均方根误差分别小于2.5℃和0.1 m^(3)·m^(-3),小麦地土壤温度模拟值偏高,玉米地和苹果林地土壤温度模拟存在冷偏差。生长期在旱期的冬小麦造成土壤干燥的程度大于玉米,苹果林地因根系丰富,吸收了更多的土壤水,使土壤整体更加干燥。(2)模拟偏差一部分是由于在模式中将作物下垫面设置为单一作物类型(冬小麦、玉米和苹果林地)时,高估(低估)了(非)生长期作物的叶面积指数,低估(高估)了地表反照率,高估(低估)了净辐射通量,更多(少)的能量转化为感热潜热。(3)另一部分偏差来自于农田不同的作物管理方式,如实际上作物收割后并不完全翻耕为裸土,模式高估了小麦地和玉米地收割后的土壤温度和土壤液态水含量;模式中没有地膜覆盖选项,导致玉米地土壤温度、土壤液态水含量模拟偏低,模拟平均偏差约-1.84℃和-0.058 m^(3)·m^(-3)。(4)冬小麦-玉米混合下垫面模拟试验能较好地模拟地表能量通量,净辐射、感热通量、潜热通量的模拟平均偏差分别为-6.13 W·m^(-2)、11.46 W·m^(-2)、-1.97 W·m^(-2)。在生长期内,冠层蒸腾作用占主导,随着作物叶面积指数的增加,感热通量减少,土壤温度降低,潜热通量增加,土壤液态水含量减少。

CLM 5.0对干旱环境中高寒山区土壤温度模拟的适用性评估

土壤温度反映土壤的热状态,对地表能量交换起重要作用,是影响土壤水热再分配的关键性因素。高寒山区水热传输复杂且特殊,准确模拟土壤温度对于研究高寒山区水循环过程有重要意义。CLM 5.0(Community Land Model 5.0)是CLM模式的最新版本,是目前国际上最先进的陆面过程模式之一。本文基于黑河流域上游9个典型观测站实测数据,对CLM 5.0的土壤温度模拟性能进行评估。结果表明:(1)CLM 5.0可以很好地模拟土壤温度在高寒山区的年内变化和年际变化,但模拟值相较实测值普遍存在低估。(2)CLM 5.0对土壤温度的模拟性能在高寒草甸略高于草地,土壤浅层优于深层。(3)CLM 5.0模拟的土壤温度在生长季和非生长季均呈现低估,且非生长季低估更明显;在冻结期和非冻结期均为低估,且冻结期低估更明显。(4)非生长季土壤温度的明显低估主要是冻结期土壤温度的明显低估引起,CLM 5.0中土壤冰的模拟偏差是主要原因。以上结论可为陆面过程模式CLM 5.0在高寒山区的应用及改进提供科学依据。

基于TDL+CLM的教学设计与教师角色研究——以“变压器原、副线圈电压与匝数的关系”为例

随着教学改革的不断深入,教学设计是高质量教学的关键,教师在教学过程中所担任的角色也朝着多样化的方向发展。通过探讨任务驱动与协作学习的方式,开展了实验教学设计,研究表明,基于TDL+CLM的混合教学模式要求教师具有多种不同的角色,分别是:①实验任务的设计者;②实验情景的创设者;③实验活动的参与者;④实验过程的引导者;⑤实验行为的监控者;⑥实验成员关系的协调者;⑦实验过程的评估者。

Performance evaluation of CLM5.0 in simulating liquid soil water in high mountainous area,Northwest China

The model performance in simulating soil water content(SWC) is crucial for successfully modeling earth’s system,especially in high mountainous areas.In this study,the performance of Community Land Model 5.0(CLM5.0) in simulating liquid SWC was evaluated against observations from nine in-situ sites in the upper reach of the Heihe River Watershed(HRW),Northwest China.The CLM5.0 shows reliable performance in the study area with correlation coefficients(R) ranging between 0.79–0.93,root mean standard errors(RMSE)ranging between 0.044–0.097 m^(3)/m^(3),and the mean bias(BIAS) ranging between-0.084–0.061 m^(3)/m^(3).The slightly worse performance of CLM5.0 than CLM4.5 on alpine meadow and grassland is mainly caused by the revised canopy interception parameterization.The CLM5.0 overestimates interception and underestimates evapotranspiration(ET) on both alpine meadow and grassland during the growth period.The systematical overestimations at all the grassland sites indicate that the underestimation of ET is much larger than the overestimation of interception on grassland during growth period,while the errors of simulated interception and ET are partially canceled out on alpine meadow.Moreover,the underestimation of ET is more responsible for the overestimation of SWC than the overestimation of interception in the high mountainous area.It is necessary to estimate reasonable empirical parameter α(proportion of leaf water collection area) in interception parameterization scheme and further improve the dry surface layerbased soil evaporation resistance parameterization introduced in CLM5.0 in future researches.The performance of CLM5.0 is better under completely frozen stage than thawing stage and freezing stage,because of low variations of liquid SWC caused by extremely low hydraulic conductivity of soils.The underestimation of liquid SWC under frozen state is caused by underestimation of soil temperature,which leads to more ice mass and less liquid water in total water content.

CLM5.0对阿拉斯加多年冻土区土壤温度和碳循环模拟的适用性评估

气候变暖对北极多年冻土和植被产生了重要的影响。CLM(Community Land Model)是应用最广泛的陆面过程模式之一,但其中复杂的边界条件和参数化过程导致模式模拟结果存在一定的不确定性。本研究评估了CLM5.0对阿拉斯加多年冻土区表层土壤温度和碳循环的模拟能力,结果表明,CLM5.0可以捕捉到表层土壤温度的季节变化。在苔原和针叶林站点,CLM5.0在日尺度和月尺度都可以很好地模拟出总初级生产力(GPP)随时间的变化,但对净生态系统碳交换(NEE)的模拟结果存在一定的不确定性。CLM5.0可以较为合理地模拟高纬度多年冻土区的土壤温度季节变化,在未来的研究中可能还需要从结构、参数化方案等过程进行改进,从而进一步提升高纬度多年冻土区碳循环的模拟精度。

Proposed Biometric Security System Based on Deep Learning and Chaos Algorithms

Nowadays,there is tremendous growth in biometric authentication and cybersecurity applications.Thus,the efficient way of storing and securing personal biometric patterns is mandatory in most governmental and private sectors.Therefore,designing and implementing robust security algorithms for users’biometrics is still a hot research area to be investigated.This work presents a powerful biometric security system(BSS)to protect different biometric modalities such as faces,iris,and fingerprints.The proposed BSSmodel is based on hybridizing auto-encoder(AE)network and a chaos-based ciphering algorithm to cipher the details of the stored biometric patterns and ensures their secrecy.The employed AE network is unsupervised deep learning(DL)structure used in the proposed BSS model to extract main biometric features.These obtained features are utilized to generate two random chaos matrices.The first random chaos matrix is used to permute the pixels of biometric images.In contrast,the second random matrix is used to further cipher and confuse the resulting permuted biometric pixels using a two-dimensional(2D)chaotic logisticmap(CLM)algorithm.To assess the efficiency of the proposed BSS,(1)different standardized color and grayscale images of the examined fingerprint,faces,and iris biometrics were used(2)comprehensive security and recognition evaluation metrics were measured.The assessment results have proven the authentication and robustness superiority of the proposed BSSmodel compared to other existing BSSmodels.For example,the proposed BSS succeeds in getting a high area under the receiver operating characteristic(AROC)value that reached 99.97%and low rates of 0.00137,0.00148,and 3516 CMC,2023,vol.74,no.20.00157 for equal error rate(EER),false reject rate(FRR),and a false accept rate(FAR),respectively.

水汽输送对雅鲁藏布大峡谷地区陆—气间水热交换的影响研究

藏东南地区的雅鲁藏布大峡谷地区(以下简称大峡谷地区)是印度洋暖湿气流输送至青藏高原的重要通道,在高原水分与能量循环过程中具有重要地位。为了揭示不同水汽输送对陆-气间水热交换通量的影响,本文利用欧洲中期天气预报中心第五代再分析数据产品,根据大气中总水汽含量和水汽水平输送通量将大峡谷地区2013年5月20日至7月9日的水汽强度划分为强/弱/极弱三种级别。并利用第五代公用陆面模式(Community Land Model version 5.0,CLM5.0)模拟了水汽输送对大峡谷-大气间水热交换的影响。研究表明:大峡谷地区的南(东)边界为水汽主要的输入(输出)边界,大峡谷南侧河谷存在水汽强输送带。CLM5.0模拟的大峡谷-大气间水热交换通量与实际相比误差较大,通过优选热力学粗糙度参数化方案和土壤属性替代数据集,提高了CLM5.0模拟大峡谷-大气间水热交换通量的精度。其中Zeng and Dickinson(1998)的方案(以下简称Z98方案)效果最优,较CLM5.0默认参数化方案下模拟的小麦站和草地站近地面感热通量均方根误差分别下降18.2%和10.9%。区域模拟结果显示:大峡谷地区近地面潜热通量区域模拟总体分布为东南高而西北低,近地面感热通量则相反,随水汽水平输送强度的减弱,潜热通量大值区向西北延伸面增大,而感热通量大值区则向东南延伸面增大。冰雪覆盖的高海拔地区近地面感热通量维持低值,而潜热通量则相反。整个试验阶段,大峡谷地区降水时长达59%,不同水汽输送条件下近地面有效能量主要以潜热的方式向大气输送,其中在强水汽水平输送条件下的水汽强输送带的近地面感热输送最弱,Z98方案下的感热通量日均值仅为-1.80 W·m^(-2),潜热通量则大于70.0 W·m^(-2)。对于大峡谷地区,当水汽维持高值范围时,近地面净辐射降低,但近地面净辐射主要被潜热消化,水汽保温大气的效应使得地-气温差降低,近地面感热输送抑制显著。本研究结果对认识雅鲁藏布大峡谷地区陆面过程及其对水汽水平输送的响应有一定的参考价值。

一种变步长凸组合自适应滤波器及其均方性能分析

在分析凸组合最小均方(CLMS)算法性能的基础上,提出一种新的变步长凸组合最小均方(VSCLMS)算法.该算法采用一种变步长滤波器替代原CLMS滤波器组中的恒值大步长滤波器,使新的自适应滤波器能够在噪声、时变,甚至非平稳的环境下保持良好的随动性能,并在收敛的各个阶段均保持快速且稳定的均方特性.理论推导与仿真分析分别验证了新算法与原CLMS算法相比不仅有更快的收敛速度,而且稳态均方性能与跟踪性能也有所提高.

基于箕舌线函数的快速凸组合最小均方算法

在分析凸组合最小均方(CLMS)自适应滤波算法性能的基础上,针对其联合参数λ(n)需要复杂指数运算的缺点,提出一种新的快速CLMS(FCLMS)算法。该算法采用修正箕舌线函数来替代原算法的Sigmoid函数,从而在保证算法收敛性能的同时合理避免了指数运算,在一定程度上提高了算法的灵活性。仿真结果验证了新算法与原算法相比有同样好的收敛性能并在计算量上明显小于原算法。

基于一种新的S型函数快速凸组合最小均方算法

为解决传统凸组合自适应滤波算法在联合参数迭代计算量大、算法收敛速度慢、跟踪性能差等问题,提出了一种基于一种新的S型函数快速凸组合最小均方(SCLMS)算法;该算法用一种新的S型函数,代替Sigmoid函数,在保证和CLMS算法相同稳态误差情况下,避免了指数运算,减少了计算量;同时也提高了收敛速度和信号的跟踪性能。通过独立高斯白噪声作为输入信号算法仿真、相关噪声作为输入信号算法仿真;以及非平稳环境下算法仿真;并对三种仿真结果进行了分析,验证了该算法性能可靠有效。

适用于无线传感器节点的低复杂度CCVSLMS均衡器研究

针对无线传感器节点的均衡算法——最小均方误差（LMS）算法和截断数据LMS算法或截断误差LMS算法（CLMS算法）的收敛速度、稳态误差性能的不足，进行了截断误差和截断数据可变的步长LMS算法（CCVSLMS算法）的研究，该算法通过对误差和数据进行截断处理和建立步长因子／1与截断变化率的线性函数关系来改善收敛速度和稳态误差之间的矛盾，并有效降低了计算复杂度。仿真结果证实该算法性能优于LMS算法和CLMS算法。在TSMC 90mm CMOS工艺下，均衡器的超大规模集成（VISI）优化的综合结果显示，硬件实现面积约为1806个单元，动态功耗仅为12μW，因此该均衡器能满足无线传感器节点高灵敏度和低成本的要求。