使用等效偏移角稀疏测量的面阵相机序贯图像几何校正

天基光学相机实际在轨对地观测成像的畸变需通过几何校正抑制。目前主流面阵相机对地观测获得的小尺寸、高帧频序贯图像很难满足传统几何校正方法逐帧解算对单帧图像控制点数量与空域分布的要求且计算量巨大。针对这一问题,提出一种使用等效偏移角稀疏测量的面阵相机序贯观测图像几何校正方法,将逐帧校正参数解算问题转化为时域稀疏测量条件下等效偏移角信号恢复问题,利用等效偏移角信号时频信息可有效降低对单帧图像控制点数量和空域分布要求。通过高分四号卫星面阵相机在轨实测图像数据验证了所提方法的可行性且其能大大降低序贯图像几何校正处理的计算量。     

压力恢复系统引射器工作效率工程估算

在与高能化学激光器配套的引射式压力恢复系统中 ,引射器作为一个关键部件 ,其工作效率对于整套系统有很大影响。本文结合工程实际 ,对引射器工作效率的工程计算方法进行了较为深入的研究 ,提出了合理假设。计算采用守恒方程组 ,考虑了在热力学特性上 ,引射气体和被引射气体有较大差别的实际情况 ,按照工程设计的要求 ,对引射器的工作效率进行了计算。通过对多组参数的计算和分析 ,得出了有关参数对引射器工作效率的影响规律。计算结果表明 :引射气体和被引射气体的速度参数、总压和环境压力的调整对于引射器的工作效率有着较大的影响。     

关于抗美援朝战争几个史实问题的考证

近些年出版了不少有关抗美援朝战争的著作,其中有史书、传记、文章和纪实文学作品,对探讨这场战争的经验或教训做出了非常重要的贡献,使人很受教益.但不容忽视的是,有的也在有意无意间对某些史实作了歪曲的记述和不尽正确的评说.其中,有的至今尚未澄清,有的本已得到澄清却仍在炒作.本文本着求实的精神,就其中具有一定影响的几个问题作一探讨,以求恢复历史原貌.     

基于支持向量机的彩色图像恢复新方法

引起图像退化的因素众多,因而难以用一个统一的方法来进行恢复处理。鉴于图像的像素和各颜色分量通道间本质上存在某种相关性,以及以支持向量机为核心的统计学习理论具有较好地解决小样本、非线性、高维数问题的能力,提出了一种新的空域图像恢复方法,并通过对来自于待处理图像本身的训练样本的学习,构造自适应的回归插值函数;然后基于该函数对图像作有选择的修改,从而达到图像恢复的目的。实验表明,该方法是有效的,并且具有较好的泛化性能。     

为兵团经济社会又好又快发展提供有力保证

2008年是我国改革开放30周年,也是党的纪律检查机关恢复重建30周年。1978年,党的十一届三中全会作出恢复重建党的纪律检查机关的决定,这是党的政治生活中的一件大事,对于新时期坚持党要管党、从严治党方针,维护全党的团结统一,加强党的执政能力建设和先进性建设具有重大意义。30     

基于稀疏贝叶斯学习的DOA估计

针对基于l1范数约束的稀疏表示DOA(Direction Of Arrival)估计算法对初始参数较为敏感的问题,提出了一种基于稀疏贝叶斯学习的DOA估计算法。首先通过信号来波方向的空间采样构造冗余字典,将阵列信号处理中的DOA估计信号模型转化为压缩感知中的稀疏重构信号模型。然后基于经验贝叶斯推理的方法,将待估计的稀疏系数值用方差未知的联合高斯分布描述,而未知的方差值决定了待估计系数的稀疏性。通过观测数据估计得到未知的方差,进而得到信号的DOA估计值。仿真结果表明,提出的算法有较高估计精度,并且对非相干信源和相干信源都具有较好的估计性能。     

芦山，凤凰涅槃展新颜

“4·20”芦山强烈地震一年多来,四川省雅安军分区作为解放军在芦山地震灾区执行灾后重建任务的代表队,带领全体官兵和民兵预备役人员积极投身灾后恢复重建,自觉担当政策宣传员、矛盾调解员和重建示范员,助推灾后重建步伐,带头开辟致富门路,带领周边群众重建家园、恢复生产,敲开希望之门。从建设永久性住房、帮助灾区快速恢复生产、监测地质灾害点到抢修遭受破坏的基础设施,灾区重建战场随处可见“迷彩绿”,民兵预备役人员正以自己的智慧、汗水和奋力拼搏的精神为建设幸福美丽新家园而努力。     

稀疏图DS-CDMA系统设计

DS-CDMA是在扩频技术上发展起来的多址接入方式,但在用户接入数量过载时难以保证高质量的通信性能。基于此,提出了一种基于稀疏图的DS-CDMA系统。该系统以低密度二分图的形式来描述扩频码片和用户之间的关系,使得参与通信的每个用户只在少量码片上进行非零位扩频调制,最大限度地减少了用户间的相互干扰。借助图模型的相关理论,把适合于稀疏图的置信度传播算法应用于该系统,进行多用户检测,通过码片与用户之间的消息迭代来消除噪声和多址干扰带来的影响。结合计算机仿真,从不同的角度测试了系统的误码率等性能。理论分析与性能验证表明,稀疏图DS-CDMA在接入用户数量远远超过系统容量的情况下,依然具有优良的性能。     

含噪稀疏信号重构的l0范数期望值最小化方法

压缩感知理论是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对测量值受噪声污染的含噪稀疏重构问题,提出了近似l0范数期望值最小化方法。该算法基本思想是将含噪稀疏重构问题转化为近似l0范数期望值最小化问题,并利用噪声的统计特征将随机最优化问题化简为常规的最优化问题,然后采用最速下降法求解。数值仿真表明,本文提出的方法具有更好的重构精度,且计算量较小。     

基于小波域字典学习方法的图像双重稀疏表示

提出了一种有效地结构化字典生成算法以及图像双重稀疏表示方法.在Rubinstein等提出的图像双重稀疏表示模型的基础上,引入小波零树结构,将同一空间位置对应的同方向跨尺度小波基函数的线性组合作为新的基函数,并通过K-SVD学习算法得到线性组合系数,由此得到了一种更加切合图像方向特征的结构化字典学习算法.在此基础上提出了相应的图像分解与重构算法.遥感图像M项逼近实验以及压缩仿真实验表明,本文提出的结构化字典比已有的字典具有更好的图像稀疏表示效果.