基于联合时频特征和HMM的多方位SAR目标识别

研究了联合时频特征和隐马尔科夫模型(hidden Markov model, HMM)的多方位合成孔径雷达(synthetic aperture radar, SAR)目标识别方法。利用HMM模型可以有效地对多方位SAR目标特征分析及识别。在HMM多方位SAR目标识别中的关键之一是SAR目标回波高分辨率距离像(high resolution range profile, HRRP)的特征提取。提出了一种时变频因子加权Fisher鉴别的特征提取方法。利用MSTAR实测SAR目标数据集进行了特征提取和识别实验,实验结果验证了方法的有效性。     

试论我国实现法治的途径

法治的实现是百年来中国无数仁人志士为之奋斗的美好夙愿,实现法治对我国社会主义和谐社会的建立以及人们生活水平的提高具有举足轻重的作用,然而我国法治的实现又面临现实上的不足,如生产力水平总体低下及发展的不平衡、我国民主政治制度的不完善、我国司法制度的不健全、公民法律素质整体低下等因素制约着我国法治的实现。本文从经济、政治、...     

基于Shearlet域系数处理的SAR图像降噪

结合图像在Shearlet域中系数的特点,提出了一种基于Shearlet系数稀疏表示与投影总变分(total variation, TV)相结合的合成孔径雷达(synthetic aperture radar, SAR)图像去噪算法。有效解决了稀疏表示在图像去噪时存在的边缘细节损失与TV去噪时存在的光滑区域阶梯效应。首先,利用SAR图像Shearlet系数的稀疏性,结合系数稀疏表示模型,采用分段正交匹配追踪方法求解优化解,从统计意义上实现稀疏表示后的系数均值为真实图像系数均值的无偏估计;其次,为弥补稀疏表示中丢失部分系数在图像细节上的损失,同时结合这部分系数对应的Shearlet函数有利于表征图像边缘细节的特性,针对图像在丢失系数对应的Shearlet函数空间中投影重构的结果,结合TV方法迭代去噪。实验结果表明,该方法充分利用Shearlet域系数的特性,采用稀疏去噪与投影TV相结合的方法以弥补各自缺陷,在去噪的同时能有效保持图像纹理细节,并具有更优的图像视觉效果。     

预测裂缝型有水气藏早期水侵动态的新方法

四川盆地气藏地质情况复杂,储集层具有明显的低孔低渗特征,非均质性强,裂缝发育程度差异较大,气井产量大幅降低并出现水淹现象。利用气藏开发早期的试采数据来研究水体的性质及早期水侵动态,基于物质平衡原理建立了水侵动态预测模型,通过计算水侵强度系数得出气藏的水侵动态指标,避免了直接计算水侵量,运用非线性最优化方法进行求解并给出了相应的解法。针对实际气藏,利用该模型计算了反映水侵动态的各项指标。研究表明,该方法可以准确获得非均质气藏水体性质和水侵动态,其结果对提出早期控水措施很有帮助。对有水气藏的开发中实施早期控水措施具有重要的实际意义。     

网络文化背景下高校思想政治教育面临的机遇、挑战与对策分析

随着网络技术的迅猛发展,网络文化在高校如雨后春笋般兴起,网络文化如同一把＂双刃剑＂,一方面让高校思想政治教育面临的颇多机遇;但另一方面也让高校思想政治教育面临诸多挑战。高校思想政治教育工作者应如何面临挑战、抓住机遇,开创思想政治教育工作的新局面是本文阐述的重点。     

苏丹Fula油田辫状河储层内夹层沉积成因及井间预测

针对辫状河储层内隔夹层的复杂结构特征,依据沉积学及高分辨率层序地层学基本原理,对Fula油田辫状河储层内隔夹层的沉积成因及井间预测方法进行研究。结果表明:废弃河道、坝间泥、心滩落淤层、越岸沉积是构成辫状河夹层的主要沉积类型,泥质沉积物的保存与可容纳空间、沉积物供给速度有着密切联系;在沉积成因分析基础上,可根据单井测井解释和连井对比来描述各类夹层的空间形态,建立夹层的沉积模式;在辫状河相储层中,应用多点地质统计学方法预测井间泥质夹层分布,可以更有效地体现夹层的几何形态和分布规律,其更加符合辫状河夹层的沉积模式。     

基于回归神经网络的氧乐果合成过程建模与仿真

氧乐果合成过程具有非线性、时变和不确定性的特点，难以采用常规的建模方法建立模型。BP网络可用于非线性系统的建模，但不能很好的反映实际系统的动态特性。提出了一种静态BP神经网络加多分头延时(TDL)环节构成回归神经网络建立系统动态模型的方法，用于氧乐果合成反应温度控制过程的建模与仿真研究。结果表明，该方法建立的模型误差较小、网络泛化能力较强，能较好的反应实际系统的动态特性，从而为培训操作人员的控制水平提供了低成本的仿真手段，也为自动控制算法的研究提供了仿真模型。     

三次指数平滑模型在短期铁路旅客发送量预测的应用

本文主要介绍了三次指数平滑预测法、的数据原理及在短期铁路旅客发送量预测中的应用,并利用Excd进行建模,分析该方法在数据拟合、预测方面的适用性。最后本文以某企业城际列车旅客发送量为对象,对该预测方法进行实例说明。     

基于贝叶斯压缩感知的SAR目标识别

针对合成孔径雷达(synthetic aperture radar, SAR)目标识别问题,提出一种基于贝叶斯压缩感知(Bayesian compressive sensing, BCS)的图像域SAR目标识别方法。该方法首先对SAR图像进行分割预处理,得到目标区图像数据;然后基于BCS模型,根据训练样本构造传感矩阵;求解测试样本相应的稀疏系数矢量,根据稀疏系数矢量中对应训练样本类别元素的L2范数判定目标类型。采用美国运动和静止目标获取与识别(moving and stationary target acquisition and recognition, MSTAR)计划公开发布的SAR目标数据库进行实验,结果表明该方法具有良好的识别效果。     

基于复值HRRP CICA特征的多方位SAR目标识别

提出了一种基于雷达目标复距离像复值独立分量分析（complex independent component analysis, CICA）的合成孔径雷达（synthetic aperture radar, SAR）目标多方位散射特征提取和识别方法。根据雷达目标散射机理,将目标高分辨率复距离像建模为多个散射中心的复相干叠加。在分析复距离像的基础上,采用CICA方法实现了距离像中每个散射中心响应的分离。针对每个散射中心响应,利用高阶矩方法提取特征矢量。分类器基于隐马尔可夫模型（hidden Markov model, HMM）设计。采用美国运动和静止目标获取与识别（moving and stationary target acquistion and recognition, MSTAR）计划公开发布的目标实测数据进行算法实验,实验结果说明了提出方法具有较好的识别率。