基于替换的组合电路的等价性检验方法

介绍了基于替换的组合电路的等价性检验算法，利用待检验的两个电路的结构相似性来逐步约简电路，从而加速了验证过程。     

GNSS基线向量与点位协方差传播方法的等价性

在GNSS控制网平差和点位测量中,需将GNSS基线向量协方差和点位协方差在不同坐标系间进行传播。推导了GNSS基线向量协方差从高斯平面直角坐标系到大地坐标系、再到空间直角坐标系的严密和简化传播公式,研究了GNSS基线向量协方差和点位协方差传播的等价性和统一性。理论和算例证明,推导的传播公式是正确的,可用点位协方差传播公式代替复杂的基线向量协方差传播公式,基线向量协方差和点位协方差在空间直角坐标系与高斯平面直角坐标系间的传播,都可统一到形式简单的空间直角坐标系与站心直角坐标系间的传播。     

复数域与实数域最小二乘平差的等价性研究

针对等精度独立观测条件下的同一平差问题,从理论上证明复数域与实数域最小二乘平差结果的等价性,并指出复平差方法在函数模型表达上的简便特点。基于常用的图像几何校正多项式模型构造复数域多项式模型,并设计一阶和二阶多项式图像校正算例。结果表明,两种方法的平差结果完全相同,但复数域平差方法的参数维数和法矩阵阶数仅为实数域平差方法的一半。     

等价权函数为连续可变函数的抗差Kalman滤波

设计了一种等价权函数为连续可变函数的抗差Kalman滤波,通过与现有常用抗差Kalman滤波方案比较,新设计的抗差权方案具有更优的抗差效果。     

基于PPLN的时序数据组合预测模型

针对观测数据时间序列,综合组合预测与投影寻踪学习网络的优点,提出一种新的预测模型.即采用静态预测法提取多组趋势项部分,自回归模型提取周期项部分,将它们都作为投影寻踪学习网络的输入部分,然后利用PPLN具有逼近复杂非线性函数的能力,通过网络学习与训练解决传统方法定权困难的问题.沉降预测的实验结果表明,与传统的曲线拟合法、变权重组合预测法相比较,该预测模型精度更高、具有实用性.     

台站迁移对甘肃省气温记录均一性影响的检验

针对气象台站气温观测资料序列存在站址迁移可能造成的资料非均一性影响,利用环县等6个站址迁移气象站的逐年平均气温、平均最高气温、平均最低气温序列,采用SNHT(标准正态检验)客观分析方法,结合6个气象站的元数据及历史沿革资料等信息进行主观分析,对因迁站造成的气温序列不均一性进行检验,表明站址迁移对气温资料影响较大,并且因地理地形环境而有所差异。结果表明:台站迁移后造成新旧站址的地理环境差异显著且海拔高度差异过大,是引起气温序列非均一性的主要原因。地理环境、气候条件相似的台站迁移对气温资料的均一性无明显影响。     

温江站气候资料非均一性检验及订正

为研究人为因素导致的"不连续点"对气候序列均一性的影响,以四川省温江地面观测站为例,结合历史沿革资料,采用标准正态均一性检验法(SNHT法)、Buishand均一性检验法、Pettitt均一性检验法分别对该站1960~2009年平均、最高和最低气温、气温日较差、相对湿度、降水、1mm雨日观测序列作均一性检验分析,并利用逐步回归法对不均一序列进行订正。发现迁站和城市化效应对气象要素的均一性产生影响,其中台站迁移对于气温、相对湿度序列的影响较明显,而对降水量的影响则不显著。订正后平均气温增温速率为0.116℃/(10a),变暖幅度增大;相对湿度订正后倾斜率为0.085/(10a),降幅减弱。研究表明不同要素的均一性受到迁站等因素影响程度各不相同,需要进一步区别分析。     

CCD倾斜仪的差分式结构和电路细分方法研究

介绍通过差分式结构设计和脉冲延迟细分方法解决CCD水管倾斜仪的抗干扰能力较弱、分辨力不高等不足.     

巡飞弹高精度组合导航方法研究

针对巡飞弹导航系统低成本、高精度和实时性的需求,提出一种时间-星间差分载波相位在GPS/SINS紧组合导航中的应用方法。给出了15种状态下的GPS/SINS紧组合导航动力学模型,推导载波相位的时间-星间双差观测量模型,利用卡尔曼滤波器进行数据融合,并利用仿真和机载实测数据验证算法的有效性。结果表明,与传统的伪距紧组合导航算法相比,时间-星间差分载波相位方法可以为中短航时的巡飞弹导航系统提供m级定位精度和mm/s级速度精度。     

基于CEEMDAN-LSTM组合方法的海平面变化预测分析北大核心CSCD

为提高海平面变化预测精度,将自适应噪声完备集合经验模态分解(CEEMDAN)与长短期记忆网络(LSTM)相结合,采用“分解-预测-重组”思路,提出一种海平面变化预测组合方法CEEMDAN-LSTM。结果表明,相对于直接使用LSTM神经网络进行预测(MAE=16.87 mm, RMSE=21.51 mm),以及已有的EEMD-BP神经网络组合方法(MAE=10.4 mm, RMSE=15.44 mm),CEEMDAN-LSTM组合方法预测表现最优(MAE=8.89 mm, RMSE=11.34 mm),具有最低的预测误差。     

基于数据库技术的气象审计软件的研究与应用

介绍了基于数据库技术的气象部门计算机审计软件的主要功能和研制技术,该软件研制设计了审计数据库,研究设计了财务分析方法和凭证审核方法,该软件2001年在气象部门推广应用,收到了较好的应用效果.     

Site selection and data processing of GNSS receiver calibration networks based on TEQC and GAMIT

This study introduces the site selection and data processing of GNSS receiver calibration networks. According to the design requirements and relevant specifications, the authors investigate the observation conditions of the potential sites and collect the experimental GNSS observation data. TEQC is used to evaluate the data availability rate and multipath effects of the observation data to determine the appropriate site. After the construction and measurement of the calibration network, the baseline processing of the medium and long baseline network is conducted by GAMIT. The accuracy indexes including NRMS, difference between repeated baselines, and closure of independent observation loops all meet the specified criteria.     

基于Multisim X的计算机辅助电子电路设计

学好<电子线路>这门课程,不仪需要有扎实的电路分析和信号与系统等专业基础知识,还需要在学习过程中加入单元或系统电路的实验环节,这样才能完成整个电路的设计.介绍如何在电路的理论没计基础之上,以Multisim X这一仿真软件为实验平台,仿照硬件环境来完成电路的最终设计的.     

基于自动增益放大的便携式心电监护仪设计

针对心电监护仪监测运动状态时易出现心电信号饱和现象,改进系统硬件电路,设计一种基于自动增益放大的便携式心电监护仪,选择合适前置放大及右腿驱动电路放大源信号,利用高通和低通滤波电路过滤信号噪声;加入以AD603芯片为核心的自动增益控制电路,通过调整放大倍数,自动调节采集心电信号幅值,避免出现饱和现象.实验结果表明,系统能够自动识别运动中的心电信号,并且失真度较小,能够为监测早期冠心病等心脏系统疾病提供准确结论.     

基于CSCW的远程教育系统研究与设计

基于CSCW的远程教育系统以协同理论为指导,提出了支持自主式学习、协同学习两种主要学习模式下的网络学习环境, 突破了传统教育时间和空间的限制.     

基于面向对象与深度学习的榆树疏林识别方法研究

榆树疏林是浑善达克沙地中一种特殊的植被类型,它对于维持区域生态系统稳定具有重要意义,在防风固沙、涵养水源、调节气候等方面发挥着重要的作用。本文利用无人机影像与GF-2影像,对高分辨率数据源中榆树疏林的两种自动识别方法进行了研究。在面向对象方法中,首先通过计算影像对象的局部方差变化率得到了最佳分割尺度;其次采用随机森林算法对初选特征的重要性进行排序,并删除无关特征;最后分别对支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）3种分类器进行参数寻优与榆树疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net构建深度学习模型对榆树疏林进行了提取,并与面向对象方法进行对比。结果显示：① 通过面向对象方法过程的优化,最终的识别精度较以往研究有所提升,GF-2影像中SVM总体精度为90.14%,RF总体精度为 90.57%,DNN总体精度为91.14%;无人机影像中SVM总体精度为97.70%, RF与DNN总体精度为97.42%。② 深度学习方法中,GF-2影像的总体精度为91.00%,无人机影像的总体精度达到了98.43%。研究结果说明在榆树疏林提取中,无人机影像具有更高的空间分辨率,更丰富的纹理、形状等信息,能达到比GF-2影像更高的精度。面向对象方法对于2种影像都有较高的适用性;深度学习的方法在本文中更适用于无人机影像,它可以有效地减少无人机影像中的错分现象。     

基于机器学习的高精度高分辨率气象因子时空估计

气象变量常作为重要的影响因子出现在环境污染、疾病健康和农业等领域,而高分辨率的气象资料可作为众多研究的基础数据,对推进相关研究的发展意义重大。本文以中国大陆为研究区域,利用2015年824个气象站点的气温、相对湿度和风速3套数据,结合不同的解释变量组合,分别构建了各自的GAM和残差自编码器神经网络（简称残差网络）模型,以10倍交叉验证判断模型是否过拟合。研究结果表明：① GAM和残差网络方法都不存在过拟合问题,同GAM相比,残差网络显著提高了模型预测的精度（3个气象因素的交叉验证CV R²平均提高了0.21,CV RMSE平均降低了37%）,其中相对湿度模型的提升幅度最大（CV R²:0.85 vs. 0.52,CV RMSE:7.53% vs. 13.59%）;② 残差模型的结果较普通克里格插值结果和再分析资料更接近站点观测数据,表明残差网络可作为高分辨率气象数据研制的可靠方法。此外,研究还发现在相对湿度模型中加入臭氧浓度和气温、在风速模型中加入GLDAS风速再分析资料,可提升模型的性能。     

基于GEE平台的广州市主城区不透水面时间序列提取

不透水面作为城市化水平以及城市环境的重要评价指标,其提取已经是当下的研究热点。与单时相影像相比,时间序列制图能够获取其准确的变化趋势,对于监测城市的快速发展具有重要意义。本文以广州市主城区为研究区,以Google Earth Engine平台为基础,利用2000-2017年的Landsat TOA影像计算BCI和NDVI,并通过自适应迭代法确定它们的阈值,从而提取初始的不透水面,然后进行时间一致性检验,使不透水面时间序列更加合理。研究结果表明:①BCI与NDVI的结合以及时间一致性检验能够提高不透水面的提取质量;②本文中不透水面提取的平均总体精度为90.4%,平均Kappa系数为0.812;③在2000-2017年广州市主城区不透水面面积增加近一倍,但增速有所放缓。④新增的不透水面主要集中在原本相对落后的主城区外围;⑤高程、道路密度和购物场所密度等是影响广州市主城区不透水面扩张的主要因素。     

基于MAEU-CNN的高分辨率遥感影像建筑物提取

从高空间分辨率图像（HSRI）中提取建筑物信息在遥感应用领域具有重要意义。然而,由于遥感影像中的建筑物尺度变化大、背景复杂和外观变化大等因素,从HSRI中自动提取建筑物仍然是一项具有挑战性的任务。特别是从影像中同时提取小型建筑物群和具有精确边界的大型建筑物时,难度更大。为解决这些问题,本文提出了一种端到端的编码器-解码器神经网络模型,用于从HSRI中自动提取建筑物。所设计的网络称为MAEU-CNN(Multiscale Feature Enhanced U-shaped CNN with Attention Block and Edge Constraint)。首先,在设计的网络编码部分加入多尺度特征融合（MFF）模块,使网络能够更好地聚集多个尺度特征。然后,在编码器和解码器部分之间添加了多尺度特征增强模块（MFEF）,以获得不同尺寸的感受野,用于获取更多的多尺度上下文信息。在跳跃连接部分引入双重注意机制,自适应地选择具有代表性的特征图用于提取建筑物。最后,为了进一步解决MAEU-CNN中由于池化及卷积操作导致的分割结果边界模糊的问题,引入多任务学习机制,将建筑物的边界几何信息融入网络...     

基于反馈线性化的多变量模糊迭代控制器设计

针对一类多变量非线性控制对象的轨迹跟踪问题,设计一种模糊迭代学习控制器,利用模糊控制器动态调节迭代学习律增益矩阵参数,通过反馈线性化算法和信息融合技术降低模糊控制器输入变量维数,实现多变量非线性系统轨迹跟踪控制.结果表明:与固定增益型迭代学习控制器相比,采用模糊迭代学习控制器学习速度提高,控制稳定性改善,两自由度机械臂的轨迹跟踪控制仿真结果也验证模糊迭代学习控制器的优越性.