基于运动对齐预测模型的分布式视频压缩感知重构

为了提高分布式视频压缩感知（Distributed Video Compressive Sensing,DVCS）的率失真性能,文中提出根据视频非关键帧图像的时间相关性将帧内各块分为静止块与运动块两类,并对它们设定不同的测量率以提高压缩感知（Compressive Sensing,CS）捕获信息的效率.在重构过程中,提出运动对齐多假设预测模型进行重构,该预测模型在测量域内实现运动估计,并根据运动信息在参考帧内寻找到待重构块的若干候选匹配块,利用它们的线性加权和残差重构得到非关键帧图像的重构结果.仿真实验结果表明,文中所提出的DVCS重构算法能有效提升系统的率失真性能,与现有方法相比,在重构时间基本不变的情况下,获得更好的主客观视频重构质量.     

新型复合砌块砌体的抗压强度计算

针对村镇建筑节能方面的不足,提出了一种新型复合砌块砌体结构,该结构砌体以EPS混合土为内芯、轻质混凝土空心砌块为外模组合而成。本文以2种外膜强度和3种内芯强度为影响因素共制作6片该新型复合砌块砌体试件,对试件进行了抗压性能试验,研究了该砌体的抗压性能,结果表明:该砌体的受压破坏过程与普通混凝土砌块砌体的受压破坏过程相似。在上述试验研究的基础上,运用变形协调条件和静力平衡条件,推导出该砌体抗压强度计算公式,并将公式的计算值与试验值进行比较,结果表明:计算值与试验值符合较好,且偏于安全,具有一定的参考价值,可作为此新型复合砌块砌体抗压强度的理论计算式。     

线性哈密尔顿系统的块方法(英文)

对于哈密尔顿系统的数值求解,辛算法被认为是最合适的选择.主要研究一类具有至少k+1阶收敛性的k维块方法求解线性哈密尔顿系统的适用性,证明了当维数k不超过8时该类方法具有保持辛结构和二次型的性质.数值例子验证了理论结果.     

分块矩阵群逆的几种表示

通过利用群逆的定义验证的方法,给出三类分块矩阵群逆存在的条件及其表示.     

基于空时分组码与卷积码级联编码的单载波频域均衡技术研究

研究了空时分组码(STBC)与卷积码的级联编码,通过卷积码的纠错能力,进一步降低了系统的误码率,使系统同时获得了满分集增益和较大的编码增益.仿真结果显示,基于级联编码的单载波频域均衡技术的系统性能有较大的改善.     

基于块张量乘积算法的一个应用

概括总结了张量,块张量以及块张量的相关计算,并针对特殊Sylvester张量方程的隐式共轭梯度法的一个定理,从块张量的定义上给出了完整的证明。     

SBS改性沥青的阶段性老化特征与机理

采用荧光显微镜、红外光谱和凝胶色谱等微观试验,分析苯乙烯-丁二烯-苯乙烯嵌段共聚物(SBS)改性沥青老化过程中的微观相态结构、沥青相的吸氧程度及分子尺寸构成的变化情况.试验与分析结果表明,SBS改性沥青存在着2个明显的老化阶段:第1阶段,沥青吸氧速率较低、小分子比例基本不变,SBS颗粒尺寸逐渐减小并最终发生凝聚、离析,导致SBS改性沥青的韧性逐渐下降,直至完全丧失;第2阶段,沥青吸氧速率显著增大、小分子比例减少,由于SBS降解后苯乙烯仍起到改性作用,使沥青稠度增大,从而沥青软化点呈上升趋势.     

基于离散元理论的自然崩落法放矿细颗粒渗移过程研究

为探讨自然崩落法放矿过程中废石细颗粒的渗移规律及诱因,利用离散元软件EDEM分别从粗细颗粒数量比、直径比及矿岩含水率三个方面对细颗粒的渗移过程进行模拟,并设置标志颗粒对不同区域的相邻粗细颗粒进行跟踪。研究结果表明：放矿提前贫化率随粗细颗粒数量比的增大不断降低;废石细颗粒渗移速率随粗细颗粒直径比的增大而增大,且受含水率影响显著;相邻位置的细颗粒的渗移速度大于粗颗粒的下降速度。研究结果为进一步探讨矿石损失贫化、确定采场结构参数及优化放矿管理制度提供理论支持。     

杨木腐朽及其防止方法的研究

<正>用土壤木块法测定Ⅰ-69杨木(Populus deltoides Bartr.var deltoides cv Lux)的天然耐腐力,试验表明,属于不耐腐朽的树种。在受白腐菌(彩绒革盖菌Coriolus vecrsicolor)和褐腐菌(密粘褶菌Cloeophllum trabeum)腐朽9周后,木材的重量损失率分别为51.72％和71.55％。通过扫描电子显微镜观察,揭示了两种腐朽菌分解木材细胞壁的过程。为提高Ⅰ—69杨的抗腐性,使用6种防腐剂,均有效果,尤其是铜-铬-硼配方效果最好。     

线性空间的分解与若当标准形

本文证明了下面两点:(1)设A 是n×n 矩阵,那么A 相似于(?)为若当块矩阵,它仅有一个特征值和一个线性无关的特征向量.(2)者|λI-A|=(λ-λ_1)~(r_1)-(λ-λ_2)~(r_2)…(λ-λ_3)~(r_3),其中λ_1,λ_2,…,λ_3两两不同,那么dimN(A-λI)~(r(?))=r_(?)(i=1,2,…,8)其中Ⅳ(A-λ_1I)~(r(?))={α|α∈U~n,(A-λI)~(r(?))·α=0}.U~n 是n 维列向量.