多模式自适应水下无线通信网络框架研究

对当前典型的水下无线通信网进行分析,针对水声、光、射频3种通信模式在水下无线通信中的优缺点,提出基于软件无线电技术的多模式自适应水下无线通信网络的概念及其框架结构,并对其中的自适应调制解调方式展开研究.结合MAC层协议,提出一种跨层的自适应调制解调解决方案,即通过收发双方的握手信息携带当前信道状态,由发射方根据握手信息,判断双方通信距离,预计信道未来状态,结合需要传输的数据量,自适应选择合适的通信模式和调制方式,并利用握手信号通知接收方,从而实现在通信网络范围内数据或指令的快速可靠传输.     

不同时频分析方法的精度比较及应用

在传统的地震资料分析、处理和属性分析提取等研究中,基于平稳信号分析处理理论的傅里叶变换是核心技术之一。地震信号往往是非线性、非平稳信号,传统傅里叶变换是一种整体变换,难于反映非平稳信号的局部特征,而时频分析技术能同时展示信号在时间域和频率域的局部化特征。在介绍几种地震常用的时频分析方法基础上,进一步深入研究自适应时频分析方法。理论分析和试验表明,自适应最优核时频分布在抑制交叉项的同时,时频聚集性也较好,因此,更有利于地震勘探信号的分析和地震属性的提取、频谱分解等。     

基于OLI多光谱遥感影像的八所港浅海水深反演

为了解决传统全局模型应用遥感影像反演水深的不足,提出地理自适应模型应用于八所港Landsat-8 OLI多光谱卫星影像。采用归一化水体指数进行水陆分离,在产生模拟数据时,为保证数据的合理性,对光谱灰度值进行自然对数求解。地理自适应模型将整个区域细分为5个小的区域单元,模型参数是自适应变化的,一般数学形式与传统全局模型一样。通过反演15m以浅的水深,发现光谱中对水体的敏感波段出现"红移";水深反演结果证明地理自适应模型有效地缓和了全局传统模型在底质类型和水体性质空间不均匀的问题,水深反演精度得到明显提高,并控制在1m以内。     

改进的最小生成树自适应空间点聚类算法

针对传统的最小生成树聚类算法存在使用全局不变阈值确定噪声边,聚类需要用户根据经验确定初始化聚类参数,如“边权值倍数容差”,“边长变化因子”等,聚类不能发现局部噪声的问题,本文提出了一种改进的最小生成树自适应空间点聚类算法。该算法在无需用户输入参数的前提下,克服主观因素的影响,根据最小生成树边长的数理统计特征定义裁剪因子。算法首先从宏观层面对最小生成树进行首轮删枝操作,消除全局环境下的噪声边,进而根据各子树的边长统计情况,自适应设定局部裁剪因子,进行第二轮删枝操作,消除局部环境下的噪声边。最后,采用1个模拟数据和1个实际应用验证算法的有效性,结果表明本文提出的改进算法在无需人为提供经验参数的环境下能够发现任意形状、不同密度的簇,能够准确的识别出空间点中的噪声数据,从而能够实现空间点数据背后隐藏信息的自动挖掘。     

海盐县窗口喜获全市首批“一星级群众满意基层站所（办事窗口）”称号

海盐县国土资源局发展中心国土窗口继2007被被嘉兴市评为“群众满意基层站所（办事窗口）”后,2008年度再次获得这一荣誉。由于连续两年获得,被嘉兴市授予全市首批“一星级群众满意基层站所（办事窗口）”称号。近年来,该窗口紧紧围绕“服务‘两创’、做优环境、发展海盐”的要求,以“创一流业绩,树一流形象”为目标,练内功、强素质、钻业务、优服务,受到了社会各界的普遍好评。具体做法有：一是加强学习、提高素质。     

莱芜市国土资源局强化窗口建设积极服务发展

莱芜市国土资源局全面加强窗口建设,最大限度给客户提供高效便捷服务,促进发展。一是强化窗口职能。按照“应进俱进”的原则,将原来回局把关、查档、出图等工作全部纳入窗口办理,实行封闭运行,确保不出窗口就完成审批,让企业进一个门、找一个人就能办成事。分别成立土地、矿产会审委员会,增加会审频率,提高会审效率和质量。对明白纸认真清理,及时添加最新政策,     

Adaptive Predictive Inverse Control of Offshore Jacket Platform Based on Rough Neural Network

The offshore jacket platform is a complex and time-varying nonlinear system,which can be excited of harmful vibration by external loads.It is difficult to obtain an ideal control performance for passive control methods or traditional active control methods based on accurate mathematic model.In this paper,an adaptive inverse control method is proposed on the basis of novel rough neural networks (RNN) to control the harmful vibration of the offshore jacket platform,and the offshore jacket platform model is established by dynamic stiffness matrix (DSM) method.Benefited from the nonlinear processing ability of the neural networks and data interpretation ability of the rough set theory,RNN is utilized to identify the predictive inverse model of the offshore jacket platform system.Then the identified model is used as the adaptive predictive inverse controller to control the harmful vibration caused by wave and wind loads,and to deal with the delay problem caused by signal transmission in the control process.The numerical results show that the constructed novel RNN has advantages such as clear structure,fast training speed and strong error-tolerance ability,and the proposed method based on RNN can effectively control the harmfid vibration of the offshore jacket platform.     

打开思想的窗口——新中国60年地质矿产事业对外开放的历史篇章

中国现代地质事业的最初是从国外引进而来.我们现在所知道的地质矿产领域的先驱,大都有着国外的教育背景,无论是地质调查还是地学研究或者地学教育,中国地质矿产事业的对外开放有传承、有血脉.     

基于自适应峰值分解的广义局部频率时频分析方法

往复压缩机振动信号具有复杂的多源冲击特性,表现较强的非平稳性,传统的时频分析方法难以提取有效的故障特征.以傅氏变换为基础的传统频率概念和以希尔伯特变换为基础的瞬时频率概念存在固有缺陷,提出一种广义局部频率的概念,并结合自适应峰值分解方法,实现信号时频分布的构造途径;与HHT时频分析方法进行仿真对比,并应用到往复压缩机振动信号故障特征提取.结果表明,基于自适应峰值分解的广义局部频率方法有效揭示往复压缩机不同故障的多源冲击振动信号时频特征,为往复压缩机故障诊断提供一种新的手段.     

Alternative Fuzzy Cluster segmentation of remote sensing images based on Adaptive Genetic Algorithm

Remote sensing image segmentation is the basis of image understanding and analysis. However, the precision and the speed of segmentation can not meet the need of image analysis, due to strong uncertainty and rich texture details of remote sensing images. We proposed a new segmentation method based on Adaptive Genetic Algorithm (AGA) and Alternative Fuzzy C-Means (AFCM). Segmentation thresholds were identified by AGA. Then the image was segmented by AFCM. The results indicate that the precision and the speed of segmentation have been greatly increased, and the accuracy of threshold selection is much higher compared with traditional Otsu and Fuzzy C-Means (FCM) segmentation methods. The segmentation results also show that multi-thresholds segmentation has been achieved by combining AGA with AFCM.