面向数据传输的地理栅格数据快速压缩方法

随着对地观测技术的高速发展,高分辨率地理栅格数据已被广泛应用于地貌、环境、水文等领域,传输与存储海量数据亟需通过数据压缩来解决有限信道容量的制约。本文分析了地理栅格数据特征,并基于数据保真性和压缩即时性原则,提出了融合转换压缩和编码压缩的地理栅格数据两阶段压缩方法,并从精度和效率2个视角构建了两阶段压缩方法的评价方法。利用不同大小的规则格网DEM数据,在集群系统上对两阶段压缩方法的数据保真性和压缩性能进行了测试。实验结果表明,本文构建的两阶段压缩方法在数值和地表形态上均有较好的精度,数据保真性高。同时,其压缩率一般在50%以上,解/压速率达到实时层次,能够显著地减少数据传输时间消耗,提高网络传输效率。两阶段压缩方法具有较好的普适性,可为高性能地学并行计算等领域提供技术支撑。     

基于灰色最小二乘支持向量机的大坝变形预测

提出一种基于灰色最小二乘支持向量机的大坝变形预测新算法。通过对原始大坝序列进行一次累加,弱化序列中随机扰动的影响,增强数据的规律性,进而建立最小二乘支持向量机预测模型,并采用网格搜索法选取最优参数。算法充分利用了最小二乘支持向量机泛化能力强、非线性拟合性好等优良特性,避免了灰色方法及模型存在的理论缺陷。与灰色GM(1,1)和单一最小二乘支持向量机对比表明,新算法能保证较优的局部预测值和较好的全局预测精度,应用于短期大坝变形预测是可行的。     

结合TRC和Golomb编码的二维测试数据压缩

为有效降低确定性内建自测试的存储要求,提出一种结合扭环计数器TRC和Golomb编码的二维测试数据压缩的确定性内建自测试方案.首先利用基于扭环计数器TRC的测试集嵌入技术对测试集进行垂直压缩,从而减少确定性测试向量的个数；然后利用Golomb编码对垂直压缩所得TRC种子集再进行水平压缩,降低确定性测试向量的位数.基于I...     

改进SPIHT算法及硬件高速实现

基于小波变换的SPIHT图像压缩方案是一种实用高性能图象压缩编码算法,但原始SPIHT算法链表式编码限制了其在高速处理中的应用。本文提出了一种改进的SPIHT压缩编码算法,在确保恢复图像质量与原始算法基本相当的基础上,改进算法可以采用并行流水结构实现,有利于高速处理中的应用,可以对高达40×8Mbit／s的原始图像实时压缩和去压缩。     

高压缩低损耗图像编码算法研究

根据现有的图像压缩方法,提出一种二次压缩的具体算法。这种算法是先采用离散余弦变换、线性量化、哈夫曼编码进行有损压缩,再采用行程编码进行无损压缩。通过程序对岩心图像进行研究,测试结果证明了算法对岩心图像处理可以取得高压缩低损耗的目的。     

多模型协同下的城郊地区DEM构建方法研究

人类活动对地表的改造使其呈现形态多样化、不连续等特征,此时传统的DEM构建方法难以满足这些区域DEM精度要求。为此,本文提出了一种多模型协同构建DEM的思路,首先按照形态特征和语义信息对地形进行分类,然后对不同类型的地形区域,选择、设计适宜的方法分别进行DEM构建,最后将不同区域构建DEM结果融合拼接形成区域完整的DEM结果。本文选择江苏省南京市城市郊区某区域为实验区,以1:500比例尺地形图为基本数据源进行DEM构建实验。实验结果表明,与传统经典DEM构建方法相比,本文提出的多模型协同的DEM构建方法能够有效表达实验区域不同的地形特征,特别是对于人工改造的地形(如道路、边坡等区域),本文方法构建的DEM其形态精度优势显著;同时,基于验证点法的高程精度分析结果表明,本文方法构建DEM的高程精度亦优于传统DEM构建方法,特别是对于一些形态规则而高程信息相对稀少的区域,以边坡区域为例,经典DEM构建法平均误差均超过5 m,而本文构建结果平均误差为0.26 m,精度优势非常明显。研究表明本文提出的多模型协同的DEM构建方法适用于人类活动改造或显著影响的区域的DEM构建。     

不同尺度DEM的河流裂点提取及其效应分析

以不同尺度DEM数据提取裂点及其效应存在较大差异。本文以1：1万DEM为基础数据,通过小波分析生成多尺度DEM数据。以庐山地区16条河流为例,实现了多尺度DEM数据的河流裂点提取,探讨了河流裂点的变化规律,并构建了裂点个数的尺度预测模型。实验结果表明：(1)采用河道纵剖面与点坡降相结合的方法可快速准确地判断裂点;(2)在庐山地区,1:1万DEM数据可准确判断高差不小于5 m的裂点,对于高差小于5 m的裂点由于DEM表达精度和数据误差,而无法准确判定;(3)DEM尺度对裂点提取影响显著,裂点个数随着DEM分辨率降低逐渐减少,符合幂函数递减规律;(4)通过与ASTER GDEM和SRTM DEM对比验证,本文所构建的裂点个数与DEM尺度的拟合模型具有一定的预测精度。     

布尔矩阵乘快速算法探讨

本文探讨将图的可迁闭包算法,大型稀疏矩阵的优化压缩存储技术应用于布尔矩阵乘。并且根据两相乘布尔矩阵A,B的不同情况,提出不同的处理方法,得出了几个实用的处理布尔矩阵乘的较优算法,     

基于最小二乘配置法的优化GM（1,1）预测模型及其应用

针对灰色GM(1,1)预测模型预测结果精度低、模型缺乏稳定性的问题,基于最小二乘配置理论的GM（1,1)预测优化模型,首先通过使得生成序列新预测值的误差在最小二乘意义下最小,选取GM(1,1)模型的最优初值,利用指数函数法构造新的背景值;然后将优化的GM(1,1)模型和最小二乘配置理论有机结合,进一步对优化的GM(1,1)模型进行改进,构建优化的灰色最小二乘配置预测模型;最后通过对建筑物的沉降数据进行定量分析与预报,与其他模型进行对比分析。     

CRLS算法在智能天线中的应用

提出一种应用于窄带自适应波束形成的约束递归最小二乘算法.通过最小化阵列的输出功率,算法根据环境能有效的实现自适应,并且维持可视方向的频率响应.这种主瓣对准用户和旁瓣对准干扰的能力对当前和未来传感器网络有很大影响.递归最小二乘优势在于不需要对大量相关矩阵求逆,递归方程使相关矩阵的逆容易更新.通过matlab进行了仿真,给出了以改变天线数目和改变阵元间距的方向图以及跟踪能力比较图.仿真结果表明,递归最小二乘算法不仅有较好的稳定性,而且算法有较强的跟踪能力.