斑鳢(Channa maculata)微囊藻毒素去毒相关基因sGST的克隆与序列分析

采用RT-PCR技术和RACE技术成功克隆淡水鱼类斑鳢sGST基因cDNA全序列,推测得到氨基酸序列,初步分析其结构功能域及系统进化关系。结果表明,斑鳢sGST基因cDNA序列全长为898bp,编码225个氨基酸。斑鳢sGST与真鲷、金头鲷、鲽、黑头鲦、川鲽、大口黑鲈等最新定名为ρ型的sGST氨基酸同源性较高,ρ型sGST为水生生物所特有并共同占据进化树上独立的分枝;与大鼠、小鼠、人等哺乳动物sGST现有所有类型同源性均很低,并且在进化树上距离也较远,表明本研究成功克隆的sGST基因应属于ρ型,可能在鱼类等水生生物对水栖环境的适应上有重要作用。     

CHRIS／PROBA高光谱数据的预处理

针对CHRIS／PROBA高光谱遥感数据的特点,对CHRIS影像进行去条带处理、辐射校正、大气校正等预处理,获得较好质量的影像,为影像的进一步分析和实际应用提供保障。     

中国MODIS卫星影像彩色镶嵌图制作

本文介绍了大范围卫星影像彩色镶嵌图的制作流程．对于大范围卫星影像彩色镶嵌图制作的技术难点（去云、拼接、调色），文章进行了重点介绍并提出技术解决办法．利用MODIS卫星数据制作了两幅全国彩色影像镶嵌图：一幅为红波段（B1）、绿波段（B4）和蓝波段（B3）构成的真彩色合成影像：一幅为红波段（B1）．近红外波段（B2）和蓝波段（B3）构成的假彩色合成影像．两幅影像色彩精美，信息量丰富．     

基于小波变换系数自适应阈值法在语音去噪中的应用

在软阈值去噪算法基础上，根据小波变换后信号与噪音具有的奇异性，提出无偏风险自适应阈值估计算法，并应用于语音信号的去噪处理，实验结果表明该算法的最小均方误差低于其他的去噪算法。     

南极冰貌卫星影像条带噪声的剔除

本文在简要叙述条带噪声形成原因的基础上 ,针对南极地区的ASTER 1A的可见光影像中出现的条带噪声的现象 ,通过设计了基于切比雪夫窗、凯瑟窗的FIR滤波器和约束最小二乘FIR滤波器对其条带噪声进行剔除 ,这两种滤波器能够尽可能地剔除条带 ,同时使影像的灰度分布发生最小畸变。并通过与其他方法 (例如 :低通滤波 ,直方图匹配等 )比较 ,说明这两种滤波的方法优于其他的方法     

小波分析去噪在腰沙围垦变形监测中的应用

由于受到许多复杂因素影响,沉降监测过程中所得到的信号数据可能会含有噪声。Matlab中小波分析功能能够对信号数据中的噪声信号进行有效的分解,最后重构处理后的信号。通过实例对比,选用合适的去噪方法和去噪函数,对信号数据进行处理,最后能够得到更适合的最优估计。     

三维古构造恢复技术在油气评价中的应用——以珠江口盆地番禺-流花地区为例

目前常用的古构造图的制作方法为"厚度图法"和"断层平移法",这两种方法对断控圈闭为主的古构造恢复具有一定的局限性,且不能定量化的研究古构造生长发育情况。本论文首次将三维古构造恢复技术应用于珠江口盆地番禺-流花地区。三维古构造恢复技术在应用时,避免了厚度异常现象,实现了去压实恢复,能够更真实的反映古构造情况。该技术在珠江口盆地番禺流花地区"A"构造的应用,达到了定量分析古构造发育的效果,并且认识到了A构造在关键时期T32时期古构造幅度较小,后期构造幅度增大是A构造充满度过低的重要原因之一。     

GNSS 监测数据预处理在变形预测中的应用

GNSS监测技术被广泛应用于变形监测工作中,但GNSS监测数据中会有缺失值、噪声等误差的存在,对预测结果造成影响。引入改进的小波神经网络模型进行变形预测,并考虑该模型的自适应性和容错性,分别采用三次样条插值法、小波滤波法和拉依达准则对原始监测数据进行缺失值填补、去噪和粗差剔除等预处理。并利用实际监测数据进行短期预报分析,对比原始监测数据和预处理后的监测数据的预测结果,结果表明预处理后的监测数据的预测效果更好。     

改进的距离约束最小二乘模糊度搜索算法

针对短基线最小二乘模糊度搜索算法搜索效率低的缺点,该文提出了一种改善模糊度搜索空间以提高模糊度搜索效率的方法。最小二乘搜索算法通过基线长度范围确定模糊度搜索空间,完成模糊度的搜索和确认。距离约束的短基线模糊度搜索空间是一个空心椭球,各模糊度之间具有相关性,影响模糊度搜索效率。该文通过最小二乘去相关调整方法降低模糊度之间的相关性,减少搜索次数。实验证明,该算法的搜索效率提高了25%以上,且随着基线长度的增加,搜索效率有更多的提升。     

结合模平方的双树复小波变形监测数据滤波

针对变形监测数据的去噪问题,该文在分析离散小波变换去噪不足的基础上,提出了一种基于模平方的双树复小波变形监测数据滤波方法。该方法利用双树复小波变换的完全重构、近似平移不变性和较好的方向选择性等特点,通过最小尺度空间的小波系数得到噪声强度,并结合模平方处理法确定各层的阈值,经重构阈值处理后的各层小波系数即得到去噪后的信号;经算例,并与传统离散小波变换对比分析。结果表明:双树复小波变换的分解效果优于传统离散小波变换,能较好地表现出细节部分的频率信息,使变形信号的周期性变化特征更为明显。该方法去噪更彻底,进一步提高了消噪的精度和可靠性,可作为变形监测数据降噪处理的新方法。