不同推力与射流类型的火箭发动机排气噪声仿真研究

火箭发动机排气的气动噪声分析是降噪的基础。采用k-ε湍流模型和大涡模拟对发动机排气场进行仿真,再采用FW-H法对噪声场进行计算。对4种不同推力发动机的欠膨胀和过膨胀排气流场的仿真分析表明：排气场声功率级的分布与湍流强度的分布具有相似性,且有明显边界;声功率级在射流影响区域呈现锥形分布的特征,半锥角随推力增大但变化不大,在13°～16°;正激波后的声功率最大,此外噪声强度最大的位置介于马赫数为1的界面到燃气/空气界面之间;射流欠膨胀时,最大声功率在喷管出口下游,射流过膨胀时,最大声功率在喷口附近或内部;对于推力接近的发动机排气场,其噪声声压级基本相同,与射流状态无关;随着发动机推力的增大,声功率级最大值增大不多,而高声功率级的范围扩大是噪声增大的主因;发动机排气噪声的频率范围较宽,主频随着推力增大而降低的原因不是高频噪声降低,而是下游大尺度涡脉动引起的低频噪声增强。     

基于改进SegNet网络的遥感图像语义分割方法研究

遥感图像的语义分割在生产和生活中有着广泛的应用。针对常用的语义分割网络SegNet在遥感图像上对小目标和边缘细节分割精度不够理想的问题,对SegNet进行改进,提出EP-SegNet模型。该模型将激活函数由ReLU替换为ELU,以加快收敛速度,避免神经元死亡,去掉编码器最后一层的池化仅作卷积处理以降低空间信息的损耗,构建Bottleneck层以在加深网络的同时减少参数量,引入金字塔池化模块(PPM)以提升网络对全局信息的感知能力。实验结果表明：该模型的准确率为97.48%,高于SegNet模型3.31%,在图像分割中对边缘细节和多尺度目标的分割精度有较明显提升,较之前模型表现更优。     

复杂网络波动扩展衍射欠定采样预测模型

复杂网络环境中对网络波动的准确预测可以有效监测网络环境,防范网络入侵和拥堵。由于在复杂网络受到干扰的可能性更大,其网络波动具有扩展衍射特征,不可预测性强。传统方法中采用自回归移动平均模型进行复杂网络波形预测算法设计,在波动信号的时频重叠调制过程中未能纳入杂波先验信息,波动序列的扩展衍射特征形成欠定采样,预测效果不好。提出基于空间扩展自回归移动平均模型的复杂网络波动欠定预测算法,采用LTE线性均衡滤波,进行降噪去除杂波干扰,提取波动序列的扩展衍射特征形成欠定采样样本序列,设计网络波动时空序列扩展衍射点阵,准确预测网络波动的参数信息。以病毒入侵,网络监听和拥塞堵塞等波动产生模型为实例,进行仿真实验,结果表明该算法具有较高预测精度,监测点波动误差较小,实现复杂网络波动状态的动态跟踪和评估。     

基于三维Hough变换的机载激光雷达平面地标提取

针对机载激光雷达点云数据中的平面地标检测问题,分析了以三维Hough变换为基础的传统的平面检测算法,指出其存在空间分割不一致问题,在检测法线垂向地标时出现"极点"现象。研究了三维Hough变换的空间完备分割条件,利用参数空间的对偶特性,提出了一种基于对偶空间分割的三维Hough变换算法,避免了空间不一致问题。仿真和实验证明,改进三维Hough变换算法在不增加计算量的同时,能够有效检测激光雷达点云中的平面地标。     

谁有权分割我的自主择业费？

我是某部干部,想问一下有关自主择业费的分割问题。我于1996年10月结婚,婚后因长期两地生活感情不和,2001年9月离婚。我于2002年5月再婚,2008年退出现役,选择了自主择业,部队发了12万元自主择业费。2009年6月,我的第二段婚姻也走到了尽头,我到法院起诉,     

一种面向目标的伪彩色图像融合算法

针对远距离红外与可见光融合图像中目标不突出的问题,提出了一种面向目标的伪彩色图像融合算法。基于目标特征将红外图像分割为目标区域和背景区域,以人类视觉的生物机理和感受野的数学模型为基础,利用差分高斯函数(Difference of Gaussians,DOG)模拟视觉拮抗特性,对目标区域和背景区域用改进的感受野模型和不同的彩色映射规则进行伪彩色图像融合。实验结果显示:该算法能够保留图像共有特征,突出独有特征,融合图像色彩自然、目标突出,具有良好的视觉效果。     

非均匀照明单峰直方图图像的目标分割法

大多数阀值算法在对具有单峰分布和非均匀光照的图像进行分割时存在着许多困难。本文提出的自动生成生长种子的边沿区域增长算法,可以较好地实现对这类图像的分割。该算法根据图像的灰度值分布,自动生成生长种子,与常用的Otsu法相比在分割单峰分布和非均匀照明的图像时,被分割的目标图像边界更精确,更清晰。     

融合对数极坐标和改进窄带法的图像分割方法

基于曲线演化的水平集算法近来已被广泛应用于图像分割中,针对其计算速度慢的问题,提出一种新的基于改进窄带法的图像分割方法INBM(Improved Narrow Band Method).INBM首先将均匀采样的图像映射到对数极坐标系中,由视网膜空间分辨率机制可知,注视点都在图像兴趣区,由此形成初始轮廓,然后用改进的窄带水平集(Level Set)方法演化曲线得到最终分割结果.改进窄带法是通过降低窄带区域内的水平集函数求解个数,来减少计算时间.实验结果表明,该方法大大提高了图像分割的速度.     

基于梯度矢量流的水平集算法

针对传统水平集分割图像会出现演化曲线停止于梯度的局部极大值或孤立的边缘处的缺点,对速度停止项进行了改进.该方法将梯度阈值和梯度矢量流引入速度停止项中,利用梯度阈值来使边缘得到更好的保持;利用梯度矢量流来代替梯度场以扩大边界梯度场吸引曲线的范围,避免出现演化曲线停止于梯度的局部极大值或孤立的边缘处的现象.实验结果表明该方法优于传统水平集方法.     

PCNN图像分割新方法

为了解决脉冲耦合神经网络(PCNN)难以确定最优分割结果以及脉冲产生门限由非线性方法计算得到的问题,提出了一种基于PCNN的图像分割新方法.该算法采用线性方式动态调整脉冲门限,采用二维最大相关准则确定PCNN网络的循环迭代次数,并引用中值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响.实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性.