基于非对称QRE模型的北极航线经济圈合作研究

以北极航线经济圈相关国家的双边货物贸易为依据,确定其经贸合作网络,基于非对称QRE模型,将对支付敏感的非对称性作为关键影响变量纳入到北极航线经济圈的经贸合作博弈中来,深入分析自我对支付的敏感度、关于他国对支付敏感度的信念、初始合作者比例、邻居国家的奖励、国际舆论的社会压力对合作的影响,得出了对支付敏感的非对称性制约了北极航线经济圈经贸合作的结论,并讨论了促进北极航线经济圈经贸合作的相关策略.     

柯萨奇A组16型对不同细胞的敏感性研究

目的 细胞是进行病毒分离时常被选用的基质,为了分离肠道病毒CVA16型,我们选取了两种细胞,从中筛选出肠道病毒CVA16型的最敏感细胞。方法 将20份样本通过核酸检测确定其中的CVA16型阳性样本,通过对比RD、VERO这两种细胞的分离效果来比较细胞的敏感性。结果 核酸检测20份样本中确定9份样本为CVA16型,9份样本在RD细胞中分离出6株毒株,在VERO细胞中分离出8株毒株。结论 CVA16型对VERO细胞的敏感性高于RD细胞,实验中分离CVA16型应首选VERO细胞。     

模糊理论处理高密度椒盐噪声的新方法

利用模糊数学理论对图像滤波算法进行了研究.针对高密度椒盐噪声,讨论ROAD统计量检测噪声的能力, 探讨高密度椒盐噪声的处理方法, 结合椒盐噪声的性质提出了一种噪音检测的新方法, 并基于像素相似度进行去噪,采取分离出噪音点的处理思路, 得到了比较好的结果.     

言语知觉中的感觉运动整合机制

 大脑如何感知和理解言语是心理学和脑科学研究的重要问题之一。近年来,言语产出相关的皮层言语运动系统（SMS）通常被认为以代偿调节方式参与有噪音干扰和/或信息缺失情况下的言语知觉中。本研究采用功能性核磁共振成像（fMRI）技术考查在噪音干扰下的音节辨识任务中的感觉运动整合机制。研究1发现,SMS的参与程度随语音辨识难度增加而增加、在噪音干扰下比听皮层具有更高的音位特异性编码和表征能力,并且在难度适中时对听皮层编码代偿作用最大。研究2发现,听力正常的老年人在噪音干扰下存在音节辨识困难,且比年轻人更加依赖SMS的活动增加以及较少受到老化和噪音影响的言语运动表征以代偿听觉加工能力的下降。本研究不仅加深了对言语知觉中跨通道感觉运动信息整合机制及其毕生发展机制的认识,还为帮助听力受损或正常的老年人设计和开展言语交流康复训练方案提供了新的视角和启发。     

衡水湖湖面蒸发模拟在水位预测中的应用

精确的预测湖面蒸发是衡水湖水位预测的关键性问题。2018?2020年开展现场实验,采用水量平衡法测定了衡水湖水面蒸发过程,基于能量平衡和蒸发动力学过程,考虑了湖面植物覆盖区及水面区蒸发面阻力和空气动力学阻力对蒸发过程的影响机理,建立了衡水湖水面蒸发动力学模型。基于Sobol全局性敏感分析方法分析了气象因子、空气动力学因子和湖面因素对湖面蒸发的敏感性。结果表明：所提出的模型具有较高的计算精度,参数率定期和验证期湖面蒸发量的纳什效率系数（NSE）分别为0.744和0.687,模型中辐射项和空气动力学项对衡水湖湖面蒸发的贡献率分别为45.6%～76.8%、23.2%～54.4%。模型有效的反映了植物覆盖区和水面区的阻力对蒸发过程的影响。影响湖面蒸发的因子中,气象因子的一阶敏感性指数均值为0.118,显著的高于阻力（空气动力学阻力和水面阻力）的一阶敏感指数均值（0.028）,辐射、大气温度与其他因素之间交互影响的敏感性最为显著,所提出的衡水湖蒸发量计算方法满足衡水湖水位预警和生态预报的精度要求,具有较高的精度。     

利用改进的超像素分割和噪声估计的图像拼接篡改定位方法

通过检测图像局部噪声水平的不一致性,提出一种图像拼接篡改区域的定位方法.首先,用改进的简单线性迭代聚类(SLIC)超像素分割算法将待检测图像分割成具有相似特征的像素块;然后,采用基于主成分分析的噪声水平估计方法计算每个图像块的局部噪声水平;最后,利用3种聚类算法对估算的噪声水平进行聚类,根据聚类结果定位出被篡改的区域.实验结果表明:文中方法不仅能有效定位被篡改的区域,而且能保留检测区域更多的边缘信息.     

基于BCRLS-AEKF的锂离子电池荷电状态估计及硬件在环验证

研究有色噪声下的锂离子电池参数辨识与荷电状态（SOC）估计,并进行硬件在环实验验证.在动力电池模型的参数辨识过程中,利用带遗忘因子的偏差补偿递推最小二乘法进行偏差补偿,提高了有色噪声数据的参数辨识精度.在此基础上,利用自适应扩展卡尔曼算法进行SOC估计,使得滤波算法中的估计结果可以随着噪声统计特性的变化而自适应更新,实现了模型参数和电池状态的联合估计.最后,借助BMS测试系统模拟电池电压电流信息输出,完成了硬件在环实验以验证所提出的方法.实验结果表明,利用所提出算法估计得到的电池端电压和SOC误差分别小于10 mV和0.5%.      

基于粒度和信息熵的并行支持向量机算法

针对大数据环境下并行支持向量机(support vector machine,SVM)算法存在噪声数据较敏感、训练样本数据冗余等问题,提出基于粒度和信息熵的GIESVM-MR(the SVM algorithm by using granularity and information entropy based on MapReduce)算法.该算法首先提出噪声清除策略(noise cleaning,NC)对每个特征属性的重要程度进行评价,获得样本与类别之间的相关度,以达到识别和删除噪声数据的目的;其次提出基于粒度的数据压缩策略(data compression based on granulation,GDC),通过筛选信息粒的方式保留类边界样本删除非支持向量,得到规模较小的数据集,从而解决了大数据环境下训练样本数据冗余问题;最后结合Bagging的思想和MapReduce计算模型并行化训练SVM,生成最终的分类模型.实验表明,GIESVM-MR算法的分类效果更佳,且在大规模的数据集下算法的执行效率更高.     

传递对准滤波中机翼变形噪声的在线补偿算法

针对机翼变形噪声对传递对准滤波的显著影响,通过特性分析将其处理为时变多阶有色观测噪声,提出了一种在线补偿算法。该算法以标准卡尔曼滤波方程为基础,推导了不扩维情况下补偿多阶有色观测噪声的滤波方程。算法依据滤波过程的序列量测数据,结合模型估计残差的F检验法,在线递推估计机翼变形噪声的自回归阶数、系数及白噪声,构建补偿方程的量测量、量测矩阵和量测噪声进行补偿滤波。通过将该算法应用于速度+姿态对准匹配方案,并与将机翼变形噪声等效为注入量测白噪声和扩充为系统状态的方法比较。仿真结果表明,该算法对时变机翼变形噪声影响下的新息适应性强,收敛稳定,估计精度高,适用于复杂空中环境下机载导弹快速精确传递对准。     

色噪声背景下基于特征空间的信源估计新方法

准确估计信源数目是很多高分辨算法得以实现的前提条件。传统的信源估计方法大多是在白噪声背景下,以数据协方差矩阵的特征值序列作为研究对象,按照某种标准设定门限来进行判决估计信源数目。而在实际情况中白噪声很难满足,从降一维特征空间的投影矩阵角度出发,获得数据协方差矩阵的局部数据的投影差值序列,从而有效避开了噪声主要能量的影响,对空间色噪声也有一定的抑制效果。仿真结果表明在色噪声背景下,利用该方法可以在多信源情况下准确估计信源数目。