基于DSP的水下图像传输系统研究

本文研究了基于高性能的DSP芯片TMS320C549的水下图像传输系统，并采用Goertzel算法进行信源编码和MFSK调制方式、运用Turbo码进行信道的编、解码，来实现水下视频图像高速数据传输的目的。     

长江口及济州岛附近海域变性水团的初步分析

基于变性水团的概念,本文把聚类分析用于确定长江口及济州岛附近海域变性水团的边界。由聚类分析得到的结果表明,在该海区有十个水团。对它们的特征、分布与变化进行了初步分析。作者得出的结论是:1、在十个水团中,有四个大洋性水团,六个变性水团。2、该海域水团变性的特点为暧季增温、降盐、降氧,而冷季则相反。3、水团变性是由海区内、外因素综合作用而发生的,而后者在浅水区域起主要作用。4、水团边界的舌状分布与流向之间有明显关系。因之,海流的方向及强度,大致可依水团舌状分布而判断。5、底层中心渔场基本上位于各变性水团之间的混合区或其附近。     

Underwater Acoustic Image Transmission System Based on DSP

The underwater acoustic image transmission system based on the high-speed DSP device TMS320C549 has been studied.We use Goertzel algorithm for source decoding and MFSK for modulation.Turbo code is used for channel coding and decoding.The purpose is to implement underwater video image data transmission.     

基于决策树的我国农业数据挖掘分析

决策树是用于分类的常用建模方法。首先对分类的概念和决策树方法分别进行了总体介绍,在此基础上对我国30个省市自治区的乡村劳动力、耕地面积以及农业总产值信息数据进行了挖掘分析,在运用决策树对数据进行分类过程中对连续数据采用聚类分析的方法进行离散化处理,从而避免了原始经验分类方法的主观性。最后,通过上述决策树分类方法,生成我国农业情况的决策树,获得相关空间分类规则,并对其进行分析说明。结果表明,决策树分类方法适合我国农业情况。     

利用双向缓冲区算法综合海图岛屿

阐述了岛屿综合的内容和原则。介绍了双向缓冲区算法的概念并给出了双向缓冲区算法的定义,研究并证明了双向缓冲区算法的特性。分析了利用双向缓冲区算法综合海图岛屿的原理,并通过实验验证利用双向缓冲区算法综合海图岛屿具有较好的效果。     

数字管网连通分析的淘汰算法与实现

本文从图论的观点出发,分析了数字化市政管网的构成和连通的特点,探索出数字化管网线路连通性分析的规律,提出了逐步淘汰算法进行连通性分析的方法。给出了基于mapbsic的实现这种算法的关键语句和注意问题。     

人口空间聚类规则挖掘——全国各省市产业结构分类研究

本文采用离差平方和法(Ward方法),对2005年全国31个省市产业结构情况进行分析说明,归纳总结出各省市的主要产业类型及各产业与人均生产总值的关系,并从经济的视角获得各省市的产业结构类型与其经济发展状况的关系。     

基于分区的局域神经网络时空建模方法研究

区域数据表现为两种尺度的空间特性:反映全局特征的空间依赖性和反映局域特征的空间波动性.空间波动性表现为空间数据在局部地区的聚集或高低交错现象.在研究区域数据时空预测性建模时,从降低数据的空间波动和不平稳性对模型预测能力的影响角度出发,提出了一种基于分区的局域神经网络时空非线性建模的思路.分区过程由基于空间邻接关系的K-means聚类算法完成.不同的分区方案通过相关性、波动性、紧凑性等指标进行评价和优选.在确定最优分区方案的基础上,对各子区分别采用两层前馈网络进行建模,模型的输入不仅要考虑本区内单元的作用,而且要考虑相邻子区的边界效应.各神经网络模型的时空预测能力通过平均相均差和动态相似率等指标进行衡量.最后,通过对法国94个县每周流感报告病例的时空建模分析表明,与全局神经网络模型相比,基于分区的局域神经网络模型具有更好的预测能力.     

基于遗传算法的空基导航信号增强平台组网优化方法研究

根据空基导航信号增强平台的工作原理设计了组网优化评价指标;然后简单介绍了遗传算法的基本原理,对空基增强平台的空间位置进行了二进制编码;最后采用通用的遗传算法对空基导航信号增强平台空间分布进行优化搜索。仿真实验结果证明该算法能够对空基导航信号增强平台进行有效布置,覆盖范围内导航服务误差分布合理,并且能够根据实际要求对空基平台进行优化调整。     

The ionospheric eclipse factor method (IEFM) and its application to determining the ionospheric delay for GPS

A new method for modeling the ionospheric delay using global positioning system (GPS) data is proposed, called the ionospheric eclipse factor method (IEFM). It is based on establishing a concept referred to as the ionospheric eclipse factor (IEF) λ of the ionospheric pierce point (IPP) and the IEF’s influence factor (IFF) . The IEF can be used to make a relatively precise distinction between ionospheric daytime and nighttime, whereas the IFF is advantageous for describing the IEF’s variations with day, month, season and year, associated with seasonal variations of total electron content (TEC) of the ionosphere. By combining λ and with the local time t of IPP, the IEFM has the ability to precisely distinguish between ionospheric daytime and nighttime, as well as efficiently combine them during different seasons or months over a year at the IPP. The IEFM-based ionospheric delay estimates are validated by combining an absolute positioning mode with several ionospheric delay correction models or algorithms, using GPS data at an international Global Navigation Satellite System (GNSS) service (IGS) station (WTZR). Our results indicate that the IEFM may further improve ionospheric delay modeling using GPS data.