兰州原状黄土剪切强度特性的试验研究

对兰州原状黄土不同剪切方位、不同含水量试样进行了一系列常规三轴不固结不排水剪切试验研究.根据三轴剪切试验结果,分析了含水量和剪切方位对兰州黄土剪切强度参数的影响,得出原状黄土的粘聚力和内摩擦角并不是一个常数,而是随着含水量和剪切方位的变化而变化的结论,解释了其影响原因,提出了粘聚力、内摩擦角与含水量的关系表达式.     

三重金字塔模型及遥感影像管理系统研究

本文提出了三重金字塔影像模型I3P,重点阐述了该模型的构建方法。以上海市航空影像数据为测试数据创建了模型实例,证明了模型的可行性,并以此模型为基础,开发了三重金字塔影像管理系统,实现了快速查询管理及分发功能,较好的满足了海量影像数据的快速浏览和高效管理。     

基于Choquet积分的多属性正态分布区间数决策方法

在Choquet积分的基础上,提出了正态分布区间数的关联有序平均（NDINCOA）算子。该算子不仅考虑了属性的重要性,而且能够反映出属性的相互关系。值得指出的是存在的一些正态分布区间数平均算子都是该算子的特例。最后举例说明了该算子在不确定多属性决策中的应用,结果表明该方法是可行的。     

基于NVH性能的排气系统悬挂点位置设计

基于平均驱动自由度位移（ADDOFD）理论,同时考虑车身侧与排气系统侧的NVH性能,以及各阶模态频率的不同权值的影响,对某车型排气系统吊点位置进行优化布置,并对布置吊点后的排气系统做声学稳健性分析。实际应用表明该设计方法能对汽车排气系统悬挂点选择提供可行性参考建议,在整车开发的初期,有效预测和控制车身结构的NVH性能。     

大入射余角CFAR检测器

雷达在大入射余角高分辨率海杂波背景下检测时,等效后向散射面积增大,大部分海杂波能量投射到少数距离单元,能量分布不均,出现功率突然增大的杂波“异常单元”,导致检测器参考窗口所处的背景环境复杂多变,传统检测器检测概率降低,虚警率及误检率增加。为解决此问题,通过参考滑窗单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,并采用支持向量机改进传统恒虚警率(constant false alarm rate,CFAR)检测器,得到基于正定矩阵杂波功率估计训练支持向量机的改进CFAR检测器。实验结果表明,新检测器在均匀杂波、多目标环境下检测性能稳定,在杂波边缘的虚警控制能力良好。     

POLSAR图像杂波L分布建模及其参数估计

基于乘积模型的杂波统计建模是进行高分辨极化合成孔径雷达(POLSAR)图像非均匀区域杂波统计特性分析的有效方法,其核心在于纹理分量随机分布的类型选择.广义伽马分布(GΓD)是一种普适性很强的分布类型,Weibull分布、伽马分布、逆伽马分布等都是GΓD分布的特例,因此基于GΓD分布的图像乘性杂波建模既满足杂波建模的高精度要求,同时成为各种雷达杂波辨识的有效工具.本文首先推导了服从GΓD分布的随机变量的高阶矩特征及其对数累积量(MLC),利用纹理分量服从GΓD分布情形构建了乘积相干斑模型,得到了适用于POLSAR图像处理的L分布杂波多视处理的协方差矩阵的概率分布函数,同时推导了其高阶矩特征及其对数累积量,提出了基于对数累积量的L分布参数估计新方法.针对样本数较少的情况下对数累积量参数估计失效问题提出了基于混合矩(MME)的参数估计方法来解决.然后给出了不同分布的高阶矩和对数累积量,通过二三阶对数累积量关系图辨析了常用分布与L分布的内在关系,得到了L分布是目前乘积模型中适用范围较为广泛的统计分布的结论.最后用仿真数据验证了理论推导的正确性,并将基于对数累积量的参数估计方法与已有方法进行了比较,结果证明新参数估计方法具有更高的估计精度和运算效率;另外,还用实测数据进行了统计模型检验,其结果验证了理论推导的正确性.极化SAR中多视图像L分布杂波的统计建模及其参数估计方法为极化SAR目标检测和识别等领域的新技术研究提供了新手段.     

基于音乐基因的乐谱存储模型

本文提出一种基于音乐基因的乐谱存储模型S-MusicXML.将乐谱的存储和处理的基本单位由音阶提升到基因,有利于通过数据挖掘技术对音乐内涵的挖掘和存储.定义了旋律基因等概念,并通过实验进一步分析了挖掘音乐基因比挖掘音乐频繁模式更有优势.     

基于主成分回归分析的瓦斯含量预测

为了增加多元回归模型预测的精度,将主成分分析与多元回归分析相结合提出了PCA—MRA模型,并将该模型用于实际瓦斯含量预测。结果表明,PCA—MRA模型消除了输入变量之间的相关性,减少了输入变量值个数,提高了预测精度,便于实际推广和应用,为瓦斯含量预测提供一种新的途径。     

体域网中基于特征组合的步态行为识别

物联网(internet of things,IOT)拥有无处不在的识别、传感和通信能力,体域网(body area network,BAN)属于物联网中和人体相关的领域,其应用广泛,可以在日常生活中对人们进行监测及提供帮助.行走是许多日常活动的基本环节,因而步态分析能为体域网应用提供重要的生理行为信息.现有的步态分析已取得一定的研究成果,但仍存在一些问题,例如大多数步态特征提取是对加速度信号进行6重以上的变换,使得特征达到了45维以上,最后需要通过降维或优化来简化特征,较为复杂.本文设计一种灵活便捷的数据采集系统,并利用小波变换、傅里叶变换和四分位差提取出加速度信号中比较简单、低维度但能反应运动特征的步态参数,之后通过模式识别算法进行步态行为识别验证.实验结果表明该系统使用方便,特征提取方法简单实用,识别精确度为97%,EER(equal error rate)最小可到0.9%.