旋转流体中的非线性惯性波

本文从旋转流体中非线性惯性波的基本方程出发,通过微分几何理论论证了非线性惯性波在传播方向上的周期性及不存在孤波解。采用Hamilton函数及其作用──角度变量给出非线性惯性波的解析解。并以简洁形式提出了一种有限振幅的非线性惯性波和用罗斯贝数作为控制参量的非线性频散关系和波速公式。     

非线性逐步拟合推估

推导了白噪声条件下的非线性系统的逐步拟合推估和有色噪声条件下的非线性逐步拟合推估的计算公式。非线性系统逐步拟合推估理论第一步是非线性拟合推估,以后各步是非线性滤波。白噪声条件下的非线性系统的逐步拟合推估是有色噪声条件下的非线性逐步拟合推估一个特例。     

基于SAR-SIFT改进的SAR图像配准

合成孔径雷达(SAR)图像配准时,由于受到乘性散斑影响,匹配算法的性能受到限制.SAR-SIFT使用ROEWA算子代替差分算法计算梯度,对SAR图像的散斑具有一定的稳健性.为了进一步抑制散斑噪声,本文提出了基于SAR-SIFT改进的SAR图像配准算法.利用非线性扩散滤波生成SAR图像的非线性扩散尺度空间,在非线性尺度空...     

基于不同旋转角下的坐标转换模型精度分析

简要介绍了三种不同旋转角下的坐标转换模型,并通过Visual C++6.0编制相应的坐标转换程序,对三种坐标转换模型的精度做对比分析,结果表明根据旋转角的大小选择不同的坐标转换模型对坐标转换精度有直接影响.     

利用非线性扩散的半自动纹理图像分割

介绍了一种非线性扩散过滤器法从包含纹理的图像中获取灰度、尺度和方向信息,并形成经过耦合保边平滑的5通道向量值图像,对纹理图像的分割变为对此向量值图像的分割。针对半自动操作的特点,在合理的假设前提下,采用了多通道统计区域分割法。试验结果表明,本文的纹理分割方法能有效地利用重要纹理特征与灰度的混合信息,是一种半自动的无监督纹理图像分割方法。     

南海北部陆坡海域内波谱特征

本文对1998年南海季风实验中定点观测的声学多普勒流速剖面仪（Acoustic Doppler Current Profiler,ADCP）海流数据进行频谱分析,结果表明南海北部地区内波之间的非线性作用的强弱影响着该海域的内波谱特征。在季节性温跃层（水深22m和58m）中,由于存在着强的非线性作用,内波带的谱斜率趋于σ^-1和σ^-2之间,而且较高能量的潮谐波频率的峰值随着频率呈现少见的一。递减。在季节性温跃层（水深130m）以下,内波非线性相互作用较弱,观测的内波带谱特征与标准Garrett-Munk内波谱相似,均显示了σ^-2的谱斜率。     

基于空间自相关的支持向量机空间聚类研究

经济统计信息多包含多维度的属性,在研究数据内在结构时,需要采用降维方法将多维信息转换到三维以内的空间以实现多维信息可视化和聚类。支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中表现出许多特有的优势,但SVM是一种监督分类方法,需要已知样本集来训练分类过程。由于高维经济统计数据中往往缺少已知聚类中心,从其他方法的聚类结果选择小样本集作为聚类中心具有很大的主观性;空间自相关分析能揭示出高空间聚集区域和随机离散区域,并能分析出各区域的空间聚集模式,这为已知小样本的选择提供了可行的方法。该文以四川2007年统计年鉴的经济数据为例,通过主成分分析法和非线性映射法进行聚类,将各类中心和空间自相关分析揭示的高空间聚集目标作为已知样本集导入SVM,得到的结论是:采集于主成分分析法和非线性映射法的两个不同已知样本集的SVM分类结果之间的差异较大,已知样本集的选择具有很大主观性;空间自相关分析结果能大量减少特征样本集的数目,这不仅简化了SVM算法分类过程,并且结果也能准确反映四川发展实际情况。     

一种改进扩展卡尔曼滤波算法的GPS多径抑制应用

在用EKF算法消除微弱GPS卫星信号中的噪声,并估计出多径幅度与码相位时延的码跟踪环中,由于各种误差的存在,从而降低了环路的跟踪性能。针对这一问题,该文在EKF算法的基础上提出了一种LSEKF算法,该LSEKF算法用最小二乘估计的原理对EKF算法所用的采样观测点进行修正,构造出一组无偏、均方误差和最小与空间分布确定的新型采样观测点,用来进行后续的滤波估计。仿真结果表明,相比EKF算法,LSEKF算法拥有更高的伪码跟踪精度,而且收敛速度更快,跟踪门限也更低。     

中国夏季降水异常分布的非线性特征

运用基于前馈型人工神经网络的非线性主成分分析方法(NLPCA),对中国近50 a夏季降水异常分布的非线性特征进行了分析。结果表明,中国夏季降水的异常分布具有一定的非线性特征,当夏季降水距平的一维NLPCA近似在非线性主成分取极端相反位相时,对应的空间分布型表现出明显的不对称性;一维NLPCA对夏季原始降水距平场的近似,比传统一维PCA的近似更为逼真。