基于FFT的快速小波变换算法研究

多分辨率小波分析和Mallat算法在数字信息处理和信号分析中得到了广泛的应用,但是按照Mallat算法计算信号的分解和重建,其计算量是很大的,文章通过对基于FFT的快速卷积,Mallat算法原理及离散小波变换（DWT）算法结构的分析,针对其算法结构特征,提出了一种基于FFT的离散小波变换快速算法,并从理论上论证,具有一定的实用价值。     

二步幂零Lie群上的卷积算子(Ⅱ)——卷积算子类及其试验函数空间

利用二步幂零Lie群及其上卷积算子的表示,通过讨论二步幂零Lie群上卷积算子和拟微分算子的联系,给出了一类卷积算子卷积核的刻划,并讨论了其试验函数空间。     

一类含卷积算子的积微分方程组周期解的存在惟一性

研究积微分方程组 u_1t-J*u₁+u₁+f(u₁,u ₂)=0, u₂t-DΔu₂+g(u₁,u₂)=0 周期解的存在惟一性, 其中D>0是常数.     

基于快速路交通录像的交通流模型参数测量方法研究

提出一种利用城市快速道路交通录像资料测量交通流模型中各种参数的方法.以北京市一个路段的实际录像资料为例,通过测量和分析获得Kerner非线性模型中的临界密度、宽运动堵塞的传播速度和Greenshields模型中的畅行速度等参数.结果显示,这是一种操作性强、成本很低且有多种应用前景的交通流测量新方法.     

基于深度学习的公路路面病害检测算法

针对公路路面病害图像存在背景干扰多、病害信息弱、尺度差异大等问题,提出了一种基于深度学习的公路路面病害检测方法。以YOLOv4算法为基础,在检测网络中引入可变形卷积,并提出基于路径聚合网络(path aggregation network, PANet)的自适应空间特征融合结构,充分学习公路路面病害的细节特征,实现不同尺度特征信息的高效融合;采用平均准确率损失(average precision loss, AP-loss)函数作为分类损失函数,促使网络在训练过程中更加注重于正样本。实验表明,在公路路面病害检测中,改进YOLOv4算法的平均准确率达到了95.34%,每张图像的平均检测时间为0.071 s。与快速基于区域的卷积神经网络(faster region-based convolutional neural networks, Faster R-CNN)算法相比,所提出的算法在持有较高检测准确率的同时,减少了运算时间,可以满足公路路面病害检测的准确性与实时性需求。     

电除尘器宽间距效应的模拟与分析

宽间距电除尘器近１０年来得到了迅速的发展和广泛的应用。作者利用有关实验结果，对原电除尘器数学模型中关于返流损失校正部分的计算进行了修正。利用修正后的模型，在极间平均场强一定的情况下，对板间距增大（３００～６００ ｍｍ）时除尘效率，电场特性、粉尘驱进速度、空间电荷密度以及粉尘荷电性能等的变化情况进行了较全面的分析。在平均板电流密度一定的情况下，分析了大直径电晕极与宽间距配置下的场强变化情况     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。     

关于卷积码编码方案的研究

文章详述了纠错码理论中的卷积码的编码方案和解码方案,重点分析了它存在的缺陷,然后利用循环码的编码方案改进了卷积码的编码方案,得到了循环卷积码,提高了它编码的纠错能力。     

一类常微分方程的积分解

本文给出以下形式的微分方程的积分解：其中　为实数｜αs｜＞0,｜λ｜＞0,｜λ｜＞0,s＝1,2,3,…,kj,j＝1,2…,n－2k;λ＝　　｛｜αs｜,｜λj｜｝,y（x）为（－∞,＋∞）上的有界函数,则方程Pn（D）f（x）＝y（x）且满足f（x）＝O（e（λ｜x｜））;x｜→∞的解f（x）＝Cn（x－t）y（t）dt,其中Cn（x）＝　当y（x）为以1／h为周期的有界实函数时,上述方程的解为f（x）＝（x－t）y（t）dt,其G（n,h）P（x）＝     

菲涅耳全息图的计算机生成及数字重现

本文研究菲涅耳(Fresnel)衍射积分的两种计算机模拟算法,分别用卷积算法和傅里叶变换算法实现菲涅耳积分,阐述了两种算法的优点和缺点。尝试将计算全息与数字全息相结合,模拟光线的菲涅耳衍射传播,用计算机生成菲涅耳全息图,并由所生成的全息图再现出原始图像,完成全息图的数字重现,真正实现整个全息记录和重现过程的计算机模拟。