基于背景差分法和帧间差分法的车辆运动目标检测

针对背景差分法和帧间差分法在检测车辆运动目标时存在阴影的问题,提出一种结合背景差分法和帧间差分法去除阴影的车辆运动目标检测算法.首先采用均值法从图像序列建模获取背景,通过背景差分法对当前帧进行差分得到背景差分图,二值化得到二值图.然后利用改进Robert算子对二值图与背景差分图进行边缘检测.最后通过对两张边缘图像进行帧间差分,得到去除阴影的车辆运动目标.     

一种改进的多模索引调制OFDM方案

为提高多模索引调制正交频分复用的能量效率,提出一种改进方案和相应的检测算法.该方案在不消耗能量的情况下能通过空载模式传递部分信息,还能通过改变空载模式与其他模式的比例来实现频谱效率和能量效率的兼顾.分析了空载模式对误比特率性能的影响,并据此对加入空载模式后的多模式星座进行优化;此外,提出改进的低复杂度最大似然检测算法,在不降低误比特率性能的前提下进一步降低多模方案的检测复杂度.仿真结果表明:在瑞利衰落信道下,当误比特率为1×10~(-5),频谱效率为1.75,2.00,3.00,4.00 bit/s/Hz时,所提方案分别取得了6.0,3.7,3.4,1.7 dB的信噪比增益.     

具Neumann边值条件p(t)-Laplacian微分方程多解的存在性

利用Ricceri变分原理,讨论一维p(t)-Laplacian微分方程-(|u′|~(p(t)-2) u′)′+|u|~(p(t)-2) u=λf(t,u)的Neumann边值问题,证明了该问题在一定条件下至少存在3个弱解.     

基于变分模态分解的相关能量熵自适应阈值去噪

为有效抑制噪声对地震数据的影响,根据地震信号的时频特性,提出了基于变分模态分解的相关能量熵阈值去噪方法。采用变分模态分解算法将地震信号分解为频率由高频到低频且具有一定带宽的模态分量,计算各模态分量与地震信号的规范化相关系数,实现对各模态分量中的有效信息和噪声的定位。将去除有效信息的各模态分量分成若干子区间,分别计算各子区间的噪声能量熵,选取能量熵最大区间的模态分量系数作为该分量的噪声方差获得该分量的阈值,再将经阈值处理后的各模态分量重构得到去噪信号。通过对合成地震模型和实际地震信号进行去噪处理,并与直接去除高频分量的变分模态分解去噪方法进行了对比,结果表明,该方法能在强噪声环境下更有效地提取地震信号中的有效成分,提高信噪比。     

各向异性全变分图像去噪算法

图像去噪是图像复原问题中的重要研究内容之一,在此过程中图像的高频部分易受到破坏。针对这一情况,通过引入不同的权重参数惩罚x与y方向上的梯度算子,提出修正的各向异性全变分去噪模型。引入的权重参数具有局部自适应性,可以使模型对应欧拉方程在图像切线与法向方向的扩散具有更鲁棒的各向异性扩散能力,可以达到保护图像细节的目的。另外,提出的模型是具有可分裂结构的非光滑凸优化问题,采用算子分裂技术将其转化为多个易求解的子问题,并在交替方向乘子法的框架下求解,从而保证了算法在理论上的收敛性。与现阶段其他变分型的复原模型相比,所提出的模型在有效抑制噪声的同时能有效地保持图像的局部结构特征。对于分块效果明显,噪声水平较低的图像去噪结果十分显著;对于分块效果不明显,图像细节较多的图像,该模型依然有效。     

基于区域时变聚类采样机制的物联网 大数据传输算法

为解决传统物联网大数据传输算法存在的网络链路抖动频繁、传输能力受限以及传输误码率大的不足,提出了一种基于区域时变聚类采样机制的物联网大数据传输算法。首先,根据物联网信号发射中常用的LTE-5G信号特性,采取分信道传输及抽样过滤技术来实现数据传输过程中的正交化,消除节点间因信号频率相似而导致的干涉现象,提高网络数据传输效率;随后,几何聚类机制与能量-阈值映射裁决方法,构建了稳定聚类采样方法,利用功率最佳及能量最佳的方式来实现传输节点的筛选,强化传输链路的稳定性能,降低因链路抖动而导致误码的风险。仿真实验结果表明:与常见的超高斯频率漂移传输提升机制(Transmission Mechanism of Super Gauss Frequency Drift Transmission, SGFD-T机制)及拉普拉斯信道滤波传输机制Laplasse Channel Filtering Transmission Mechanism,LCF-T机制)相比,所提算法具有更大的上传带宽和更低的数据采集错误率与误码率。     

一类线性混合效应模型分位数估计的影响分析

当回归模型误差服从非对称或非正态分布时,尤其是在重尾分布或分布受污染的情况下,如何检测纵向数据中的异常值是数据分析中的一个重要问题。为了克服非正态分布模型误差的影响,采用稳健的分位数方法对一类线性混合效应模型进行参数估计,并分别基于数据删除模型和均值漂移模型构造强影响点的诊断度量和异常值的检验统计量,以有效地检测强影响点和异常值点。在识别强影响点时,为了减轻计算负担,利用光滑逼近的方法给出了数据删除模型参数的一步近似估计,并据此构造出基于损失函数的距离和Cook距离。为了能够识别异常值点,首先构造出检验异常值点的Wald统计量,然后基于数据删除模型和均值漂移模型的系数估计的等价性,利用Bootstrap抽样得到检验的拒绝域。数值模拟结果表明,本文所提的诊断度量和检验统计量都能够很好地判断出强影响点和异常值点。最后应用本文方法针对化学实验纵向数据进行了影响分析。     

废旧箱包逆向物流运作模式研究

随着我国经济水平不断提高以及电商时代的到来,产品更新速率加快,大量废旧物品不仅造成资源浪费现象,而且还会造成严重的环境污染.资源回收再处理问题已经成为当下的热点,逆向物流在这种环境下应运而生,选择和确定逆向物流回收模式是企业的关注重点,其中旅游箱包就是一个发展迅速而研究较少的领域,值得研究与推广.研究箱包公司物流发展对工业类企业减少成本,增加利润,提高回收运输效率等具有一定的指导意义.根据废旧箱包逆向物流结构链的特点,主要对生产商回收模式(Manufacturer Take-Back,MT)、销售商回收模(Retailer Take-Back,RT)、第三方回收模式(Third Party Take-Back,TPT)3种回收模式进行了量化对比分析,以箱包制造企业回收整体效益最高为最终目标,并运用SWOT-AHP结合的方法,对废旧箱包逆向物流回收模式进行了研究分析,构建了箱包逆向物流回收模式模型,为箱包企业逆向物流选择最佳回收模式提供了理论模型依据,得出第三方回收模式最优的结论.对箱包企业处理废旧产品工作而言具有一定参考意义.