红外序列图像目标的高效跟踪

针对Mean shift算法中仅使用灰度特征难于实现对红外序列图像目标准确跟踪的问题,提出了利用边缘-灰度特征相融合的目标跟踪算法.为了实现红外序列图像中目标的高效跟踪,在研究Mean shift灰度特征的基础上,根据红外序列图像的边缘方向信息与灰度信息构建了边缘-灰度目标模型,将此模型应用到目标跟踪算法中,提高了Mean shift算法在红外序列图像目标跟踪过程中的运算能力.实验证明,该方法能够增加灰度直方图对目标模型的描述能力,提高了目标跟踪算法的鲁棒性.     

浅谈城市园林绿化的节水问题

近年来,我国水资源短缺的问题日益显露出来。一些大中城市用水告急,一百多个县级以上城市被迫限时限量用水。面临严峻的形式,我们必须树立牢固的节水意识,解决城市园林绿化的节水问题。1植物材料的选择植物材料是城市园林绿化的基础,植物材料的选择是节水问题的一个重要方面。以唐山地区为例,一平方米草坪每次浇水需0.12立方     

深入推进软件技术专业校企合作的思考与实践

本文在分析软件技术专业人才培养存在问题的基础上,提出提高人才培养质量的重要方法是进行深度校企合作,介绍了南京工业职业技术学院软件技术专业校企合作的三个层面,及在校企合作中的具体做法,对开展校企合作的高职院校有一定参考、借鉴价值。     

基于吸收分析的多属性反演技术及在油田开发中的应用

为了满足油藏开发阶段砂体内部油水识别的需求,提出了基于地层吸收分析的多属性反演流体识别技术。算法实现分三步:1利用基于广义S变换的瞬时子波吸收分析(GST_WEA)油气预测技术计算地震记录的高、低频吸收因子;2结合吸收因子和其它与流体相关的地震属性,以电阻率曲线为目标函数构建多元线性反演,利用多元逐步回归算法对包括吸收因子在内的多种地震属性进行流体敏感性排序;3进一步利用概率神经网络算法对优选的以吸收因子为主的地震属性进行多属性电阻率反演。通过模型分析验证了GST_WEA油气预测技术的抗噪性。实际应用效果表明吸收因子较其他地震属性具有更高的流体敏感性,通过多属性反演有效预测了砂体内部的含油优势区域。     

径向基函数网络在扩频通信干扰抑制中的应用

提出了一种基于径向基函数网络的自适应干扰抑制方法,与传统的基于反向传播算法的感知器神经网络相比,径向基函数网络具有收敛速度快,对环境变化不敏感等优点,计算机仿真结果表明,当干扰为窄带信号时,利用径向基函数网络可以有效地对干扰进行抑制,将该方法与基于传统横向滤波器和感知器神经网络的干扰抑制器进行比较,结果表明该方法具有一定的优越性。     

一种采用振荡神经网络的CASA计算模型语音分离算法

基于听觉现象分析（CASA）模型的基本原理,在仅有单通道输入混合语音信号时,采用振荡器神经网络,提出了一种CASA改进模型语音分离算法结构,文中利用一个实例说明了新算法的具体实现步骤,讨论了新算法机构中语音听觉外围处理部分和分割神经网络处理部分,通过上述两个部分的处理可以将输入混合语音信号在时频域上分割为若干有听觉感知意义的语音听觉感知成分分段Segments,以便于新算法后续处理分部中语音Segments的聚为和分离重构输出处理,最终完成语音分离任务。     

高精度反Q滤波技术及其在油田开发中的应用

油田进入开发阶段,对储层描述精度的要求不断提高,反Q滤波技术能够有效地补偿地层吸收效应,提高地震资料的分辨率和储层的描述精度。考虑地层吸收算子为时间和频率的函数,基于Gabor变换在时频域实现了高精度的反Q滤波,并将振幅补偿算子与地震记录的信噪比建立了联系,算法能够基于地震资料的信噪比自适应地进行相应的反Q滤波补偿。通过模型分析了时频域振幅补偿算子与常规振幅补偿算子的区别,利用实际数据详细论述了提高分辨率与地震资料信噪比的关系;并对渤海某河流相储层进行了应用与效果分析,有效地识别了砂体的叠置关系,降低了油田开发的风险。     

基于高斯混合密度函数估计的语音分离

基于最大熵法（Ｍａｘｉｍｕｍ Ｅｎｔｒｏｐｙ,ＭＥ）、最小互信息量法（Ｍｉｎｉｍｕｍ Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ,ＭＭＩ）和最大似然法（ＭａｘｉｍｕｍＬＩｋｅｌｉｈｏｏｄ,ＭＬ）最解决盲信号分离问题的常用算法,分析了ＭＥ、ＭＭＩ以及ＭＬ算法之间关系。基于高斯混合模式（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ,ＧＭＭ）概率密度函数估计,提出了一种采用反馈结构的扩展最大熵语音分离算法,与     

智能化逆变电源研制及其SPWM波软件生成

介绍了一种基于微处理器的中小功率逆变电源系统,讨论了系统的硬件、软件设计和正弦脉宽调制（ＳＰＷＭ）波的生成和输出稳压方案的设计,提出了一种软件实现ＳＰＷＭ波的新方法。实验数据表明,该系统具有良好的稳夺性能和很小的波形失真,说明该设计是有效的。     

应用倒谱特征的带噪语音端点检测方法

传统的语音端点检测方法以信号的短时能量、过零率等简单特征作为判决特征参数.这些方法在实际应用中,尤其当信号信噪比比较低时,无法满足系统的需要.文中利用语音信号的倒谱特征作为判决抽样信号帧是否为语音信号的依据,并提出了倒谱距离测量法和循环神经网络法.通过对宽带噪声-白噪声干扰情况和一种特殊噪声——汽车噪声情况的实验,发现倒谱特征参数的语音信号端点检测方法在噪声环境下具有传统的能量方法无法比拟的优越性,更适合于实际应用.