高分二号卫星影像自适应模糊阈值法小波去噪

高分二号卫星影像提供了丰富的图像信息,高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰,如果感兴趣区域受到污染,则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题,本文采用自适应模糊阈值法去噪方式,该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后,重新构造作为新的小波系数,经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较,结果表明,自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点,既保留图像细节又使图像更加平滑,图像整体信息完好,去噪效果更为理想。     

检索词优化与空间自适应的深网POI获取方法研究

针对检索词库构建困难、数据请求量受限制等相关问题,该文提出一种基于独立覆盖率排序和空间自适应剖分的深网POI信息搜索方法,通过候选检索词初步构建、贪婪式探测搜索、检索词优化降维、空间自适应剖分爬行等主要流程,利用逐步逼近POI搜索的最大覆盖最优解,实现对深网POI信息的全量获取,大幅度提高深网POI数据的召回率与采集效率,该方法对于丰富地理信息资源、提升空间信息服务与内容管理能力具有重要意义。     

顾及有色噪声的自适应粒子滤波UWB定位算法

传统卡尔曼滤波算法要求噪声模型符合高斯分布,在UWB室内定位中,由于载体本身的机制等干扰,观测噪声不仅仅是白噪声,也存在有色噪声的情况,而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度,同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时,拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪;观测噪声为有色噪声时,自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。     

北极冰下水声通信中改进的最小均方/四次方直接自适应均衡器

本文提出了一种适用于北极冰下水声通信的最小均方/四次方直接自适应均衡器（LMS/F-DAE）。它能处理基带复信号,与LMS相比,具有更好的均衡效果。考虑到均衡器的稀疏特性,在其代价函数中加入自适应范数（AN）作为约束。它能根据均衡器系数的大小自适应变化：对于小系数,此约束项存在以加快收敛速度;对于大系数,此约束项不存在以减小均衡误差。利用第九次中国北极科学考察得到的实验数据验证AN-LMS/F-DAE的性能。结果表明,与传统的LMS/F-DAE相比,AN-LMS/F-DAE能提升均衡器的稀疏性且均衡性能更优。     

多源地理空间矢量数据关联分析

针对多源地理空间矢量数据多来源、难以集成综合利用这一现状,本文提出了多源地理空间矢量数据关联方法,并以此为基础构建了多源地理空间矢量数据关联的可视与计算查询系统。首先,对多源地理空间矢量数据关联的概念及分类进行了定义。然后,以此为基础,提出了关联关系构建技术：自适应四叉树编码技术、扫描线技术、几何匹配及语义匹配技术。最后,为实现关联关系的直观展示,设计了原型系统。关联技术的提出可建立起多源地理空间矢量数据之间的关联关系,原型系统的构建也为用户综合利用多源地理空间矢量数据提供了平台,提高了数据的利用率及数据查询的效能。     

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.     

黑潮流域海温适应性观测敏感区诊断方法研究

敏感区诊断是适应性观测的关键问题,集合变换卡尔曼方法(EnsembleTransformKalmanFilter,ETKF)是目前主要的诊断方法之一。将集合变换卡尔曼方法应用于海洋环境适应性观测,根据ROMS海洋模式数据构建海表温度集合预报,以黑潮流域宫古海峡附近海域为验证区进行敏感区诊断计算,分析不同间隔时间条件下敏感区分布情况,结合模拟系统观测试验验证在敏感区进行适应性观测对预报质量的提升效果。结果表明,在诊断所得敏感区内添加观测能够提升预报质量;随时间间隔增大,敏感区向上游区域平移且预报质量提升效果减小;与在验证区整体添加观测相比,敏感区观测对预报质量提升效果基本相同并且观测成本明显减少。     

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。     

Understanding marine ecosystem based management: A literature review

Ecosystem based management takes into account the interconnectedness and interdependent nature of ecosystem components and emphasizes the importance of ecosystem structures and functions which provide a range of services. The concept has now been adopted by many international agreements and national governments and is in the process of being implemented. This paper seeks to review the literature and to analyze the understanding of the subject. The term is defined and its implementation in fisheries and for all marine uses is analyzed. It has been concluded that to understand marine ecosystem based management one must consider ecosystems as complex adaptive systems which can show changes at higher levels from actions and processes occurring at lower levels. Recognizing that humans are part of these complex adaptive systems is vital in that their actions along with other processes can lead to transformations in ecosystem functioning. This recognition is also important to show how society can sustainably exploit these resources and that the inclusion of all stakeholders in the management process is necessary to legitimize the process. The uses of the precautionary principle along with adaptive management are seen to be useful tools in implementing these insights into the management of natural resources. Finally, the need for reducing consumption of fish is considered.     

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.