高光谱影像端元数目估计的HAHT模型

端元提取是高光谱遥感研究的重点内容之一,在高光谱影像信息识别、环境监测、资源探测和丰度反演等领域有着重要运用。为了实现有效的端元提取,如何准确估计（尤其是未知区域）高光谱影像中端元数目就显得更为关键,特别是在无人或境外地区的遥感探测方面极有实际价值。端元数目估计过多或者过少都会影响端元提取和混合像元分解的精度。本文基于谐波分析（Harmonic Analysis,HA）理论实现了高光谱影像有效去噪,并结合二元假设检验方法构建了一种高光谱影像端元数目估计的谐波分析假设检验（HA-Hypothesis Testing,HAHT）模型。通过AVIRIS和Hyperion高光谱影像的可行性分析与普适性验证,并与HFC（Harsanyi Farrand Chang）、特征值极大似然函数（Eigenvalue Likelihood Maximization, ELM）和最小误差高光谱信号辨识法（Hyperspectral Signal Identification by Minimum Error, Hysime）等常规的端元数估计算法应用成果相对比,表明HAHT模型所估计的端元数目与实际地物数具有更高的吻合度。同时,采用较成熟的连续最大角凸锥（Sequential Maximum Angle Convex Cone,SMACC）方法提取了端元波谱曲线,通过比较设置2（HFC估计数）、8（HAHT估计数）和14（Hysime估计数）不同端元数的提取结果,也证明HAHT模型在估计端元数目时具有较高准确性,以及较好的适用性和应用前景。     

4G移动通信中的SA技术

随着对通信业务范围和业务速率要求的不断提高,人们已经把目光越来越投向第四代移动通信系统中,而智能天线就是4G的关键技术之一.文章就SA的基本概念、基本原理及其分类作了介绍,并在此基础上分析研究了阵列天线是如何实现波达方向估计的.     

稳态浮选流程的计算机仿真

笔者以Kelsall的快慢浮离散分布速率常数模型为基础建立单槽浮选机模块ONECEL,并在微型机上建立通用的稳态浮选流程仿真器SIMFLOT,可以仿真任意结构的浮选流程。笔者还以从实际值和计算值差的加权平方和为目标函数,采用SUMT混合罚函数法估计模型参数,并编制了相应的程序ESTIFLOT。实例以德兴铜矿生产数据作为仿真标准条件,原始数据经物料平衡程序包CSIMMBAL处理,用ESTIFLOT估计出模型参数,最后用SIMFLOT进行仿真运算,仿真结果令人满意。     

带权高阶椭圆算子Dirichlet第二特征值的估计

设Ω是Rm 中的一个有界区域 ,其边界足够光滑 ,我们考虑一类带权高阶一致椭圆算子在Dirichlet条件下的特征值问题 ,给出了其第二特征值的一个上界 ,该上界与区域Ω的体积无关     

求和公式和阶的估计的注记

Euler-Maclaurin 求和公式是阶的估计中的一个重要公式,本文给出了这一公式的推广。此外,对于导函数的阶与原函数的阶的关系,我们给出了一个定理.     

网络O-D矩阵估计的两阶段交叉口回归分析方法

通过分析交通网络O-D矩阵估计与交叉口O-D矩阵估计问题的关系，获得从网络到交叉口O-D矩阵估计问题的转换条件，由此构建网络O-D矩阵估计的两阶段交叉口回归分析方法。该方法首先求解“叉点具有产生、消失流量的交叉口O-D矩阵估计问题”分离起讫点的通过流、产生流和消失流，然后根据网络构造交叉口，并求解“叉点无产生、消失流量的交叉口O-D矩阵估计问题”获得需要估计的网络O-D矩阵。该方法以路段观测交通流量为基础进行估计，无须进行交通分配等辅助手段。计算分析表明，该方法能获得较为满意的估计结果。     

多传感器数据的准分层融合法

本文针对非线性多传感器系统的状态估计问题，提出了准分层融合算法。文中，首先推出了准分层融合估计式，而后说明其算法，并讨论其性质，最后，给出其工程上可实现的结构框图。理论结果表明，该算法可用作多传感器的广义卡尔曼滤波。实际需要表明，该算法比文献￣［１］中线性系统的分层融合法更有应用前景。     

基于结构相似度的H.264快速算法

H.264比以往的视频压缩标准具有更高的压缩效率, 然而编码的复杂度也大大增加. 针对降低编码复杂度,提出了基于结构相似度(SSIM)的快速算法(FMEBSS), 该算法可以通过减少不必要的运动搜索点和复杂的搜索模式, 达到减小运动估计复杂度的目的. 试验结果表明在保证编码质量不下降的前提下, 该算法可以平均节约编码时间约50%, 同时有效地降低了编码码流长度.     

软件可靠性评估的WD模型及其推广

介绍了软件可靠性评估的 WD 模型,探讨了 WD 模型的推广形式—W—NHPP 模型,并用两种参数估值方法:最大似然法和最小均方误差法对其参数进行了估值。