中国航空工业集团公司雷华电子技术研究所, 江苏无锡 214063
由于缺少旁瓣匿影性能评估的统一标准, 子阵划分对旁瓣匿影性能影响研究较少。对此, 本文提出旁瓣匿影性能评估参量——旁瓣匿影率, 其本质是计算满足旁瓣匿影要求区域占整个方向图区域的比例。其中保护通道直接利用子阵级数据通过加权非相参积累方式构建, 可实现保护通道的自适应干扰抑制, 支撑干扰条件下的自适应旁瓣匿影。实验表明, 子阵划分非均匀性越强, 子阵数越多, 扫描角越小, 有源相控阵天线的旁瓣匿影率越高, 旁瓣匿影性能越好。
子阵划分 保护通道 旁瓣匿影率 方向图 subarray partition guard channel side-lobe blanking ratio pattern 太赫兹科学与电子信息学报
2023, 21(9): 1117
1 金属矿山安全与健康国家重点实验室, 马鞍山 243000
2 马鞍山矿山研究院 爆破工程有限责任公司, 马鞍山243000
3 中钢集团 马鞍山矿山研究总院股份有限公司, 马鞍山 243000
为确保大断面立井马头门施工质量, 并降低爆破对立井马头门产生的损伤与破坏, 提出了一种立井大断面马头门掘进的超前致裂分区爆破技术。根据某地下矿山立井马头门设计断面及工程地质条件, 将-199.5 m、-258.2 m等马头门掘进断面划分为上分层、中分层、下分层等, 施工顺序为: 上分层→中分层→下分层。首先沿各分层开挖轮廓线施工超前致裂孔, 其孔深为马头门掘进深度, 超前致裂孔采用间隔装药, 并先于主爆区起爆, 实现孔间相互贯通。其次, 沿各立井马头门开挖轮廓线形成“减震沟”, 降低爆破地震波的传播。马头门各施工区域设置逐孔微差起爆, 间隔时间为5~20 ms, 实现分段爆破振动的干扰、抵消, 降低爆破对大断面马头门的影响。各马头门开挖轮廓线半壁孔率达95%以上, 既能满足大断面马头门破碎岩体掘进中对控制顶板成型质量的要求, 又降低了支护、喷浆等成本支出, 实现错峰降振。大断面马头门掘进的超前致裂分区爆破技术可为类似立井马头门施工作业提供一定指导建议。
马头门 分区施工 超前致裂孔 数码电子雷管 爆破振动 微差间隔 horsehead gate partition construction advanced fracture hole electronic detonator blasting vibration millisecond delay
1 空军航空大学， 吉林 长春 130022
2 东北师范大学地理科学学院， 吉林 长春 130024
3 空军航空大学， 吉林 长春 130022中国人民解放军93116部队， 辽宁 沈阳 110000
面对日益丰富的机载、 星载高光谱传感器， 及其相伴增多的高光谱数据， 产生的数据量过大、 波段冗余等问题一直是高光谱图像处理、 解译的重难点。 同时， 利用高光谱遥感技术揭露伪装目标， 也一直是现代遥感应用技术研究要点。 在探测得到海量的地物光谱数据、 具有冗余的光谱信息， 设计恰当的数据降维技术具有至关重要的作用。 降维处理的主要方法中的波段选择方法， 其不但可以使图像数据的光谱信息在不失真的条件下实现数据降维， 还能在其基础上对伪装目标及其背景实现精确区分， 是当今利用高光谱技术进行**应用的重要技术手段， 同时也是国内外众多学者的研究热点。 利用各类指标计算波段间的不同表现， 并依据其参数选取代表性强的波段用于地物识别或分类来检验方法的优劣是目前比较常用的研究方式， 但是面向特殊地物， 如植被伪装目标的特定波段选择方法方面的实验研究现仍较少。 研究选取绿色钢板、 绿色伪装网、 绿色假草皮， 置于含有绿色健康植被、 湿润裸地、 干燥裸地的背景环境中， 通过模拟真实环境中的伪装目标和背景地物进行波段选择及分类实验验证。 首先通过分析光谱曲线， 选取显著特征波段; 其次结合根据波段间相关系数划分的子空间进行波段筛选; 然后依据地物目标的图像亮度建立视觉模型， 最终得到具有相对独立性和最佳可识别度的波段选择集合。 并在支持向量机分类器和马氏距离分类器中同两种常用算法选择波段结果与全波段组合进行分类实验对比， 实验发现所提出方法的波段选择结果相对于常用算法和全波段组合， 分类精度和速度均有所提高。 其中， 相较于应用全波段进行分类， 在两类分类器的分类结果， 总体分类精度分别提高4.559 2%和2.364 8%， Kappa系数分别提高0.059 4和0.031 2， 分类时间减少6.83 s。 实验证明该方法能有效在植被伪装目标和背景地物之间做出高效分类， 具有较大实际应用价值。
植被伪装 相关系数 子空间划分 可识别度 分类精度 Vegetation camouflage Correlation coefficient Subspace partition Recognition degree Classification accuracy 光谱学与光谱分析
2023, 43(5): 1582
1 大连交通大学 机械工程学院，辽宁 大连 6028
2 大连市先进机器人感知与控制技术创新中心，辽宁 大连 11608
水下环境获取图像存在对比度下降、清晰度降低、信息衰减等问题。传统方法是对整幅图像的偏振信息进行估计处理，水下图像中目标具有复杂的偏振特性，导致某些目标区域的复原效果欠佳，发生退化。本文提出了一种水下降质图像偏振参数分区优化复原方法。首先经分块对比度加强和引导滤波对两幅偏振正交图像处理后提取高低偏物体的连通域，根据偏振度图像各像素点的值进行分区，优化了对低、高偏振度目标物区域的提取过程；其次分别估计各目标物的目标光偏振度，解决了传统方法中全局估计中复杂目标的错误估计问题；最后对后向散射光偏振度图像进行迭代优化，得到最优选区。实验表明：本文实验结果的主观视觉质量提升显著，前两组实验在低浑浊度下对比原始光强图，客观评价指标EME值提升平均达554%，对比度则平均提升528%，第三组实验在低照度高浑浊度环境下对比原始光强图，EME值提升达379%，对比度则提升956%。三组实验自然图像质量评价指标NIQE值表现良好，图像更加自然。本文的方法较传统方法能有效地复原水下浑浊图像，增加图像对比度，削弱信息衰减，实现更好的图像清晰化效果。
信息衰减 对比度加强 分区优化 迭代优化 图像清晰化 information attenuation increased contrast partition optimization iterative optimization image sharpening 光学 精密工程
2023, 31(20): 3010
中国海洋大学 信息科学与工程学部， 山东 青岛 266000
针对爬山算法在自动聚焦中出现的诸如准确率差、速度慢等问题，提出了一种结合自适应步长和两步搜索法的分区搜索算法。方法根据聚焦评价函数值大小和曲线线形将聚焦评价曲线分为平缓和陡峭两个区域，平缓区域使用自适应步长进行搜索，提高自动聚焦搜索速度；陡峭区域使用两步搜索法，避免假峰值干扰所导致的聚焦错误，提高自动聚焦准确率。实验结果表明，分区搜索算法相较于爬山算法聚焦速度提升了11.25%，且具有更好的准确性和抗干扰能力。
自动聚焦 爬山算法 分区搜索 自适应步长 两步搜索 automatic focusing hill climbing partition search algorithm self-adaptive step two-step search
1 河北省安防信息感知与处理重点实验室，河北 邯郸 056038
2 河北工程大学信息与电气工程学院，河北 邯郸 056038
首先设计串扰影响评估方法，动态评估相邻纤芯之间的串扰影响；然后提出空分复用弹性光网络中串扰感知的虚拟网络映射算法。在虚拟节点映射阶段，为了增强虚拟节点与虚拟链路的关联性，采用虚拟节点邻近排序方法。物理节点优先级评估方法考虑节点相邻链路的芯间串扰，达到均衡芯间串扰效果。在虚拟链路映射阶段，设计频谱区域分配方法以减小芯间串扰。仿真结果表明，当负载为100~900 Erlang时，所提算法的平均提升虚拟光网络请求接受率比LCLC-VNM算法提高了6.45%，串扰改善了32.1%，但时间复杂度略高于LCLC-VNM算法。
光纤光学 空分复用弹性光网络 虚拟网络映射 芯间串扰 频谱分区 串扰改善率
1 中钢集团 武汉安全环保研究院有限公司,武汉 430081
2 中铁二十三局集团(湖北)爆破有限公司, 武汉 430081
针对复杂环境下待拆楼房呈南北“L”型, 非对称、不规则、周围待保护建(构)筑物较多、定向倾倒难度大的特点, 通过采用机械切割分区的预拆除方法和增加切口高度的方法, 来确保楼房顺利倒塌, 从而有效控制爆破有害效应。太平洋大厦采取“孔内、孔外延时相结合, 分区顺次定向倒塌”的一次爆破拆除总体方案, 预拆除中采用机械切割分区的方法将楼房分为矩形区域和异型区域。矩形区域爆破切口分布在1~3层, 异型区域爆破切口分布在1~3层和8~9层, 形成切口。立柱单耗最大1.67 kg/m3, 剪力墙单耗为1.6 kg/m3。爆区采取单排布孔的形式, 起爆网路采用孔内高段非电导爆管雷管、孔外低段非电导爆管雷管接力延时起爆网路, 矩形区域向西南方向定向倾倒, 异型区域向西方向三层折叠爆破, 两个区域之间间隔1900 ms。为了有效控制爆破危害效应, 对爆破切口位置进行覆盖防护; 在楼房倒塌位置铺设高6 m的废渣作为缓冲层; 并针对重点区域搭设双层排架进行被动防护。楼房成功倒塌并充分解体, 爆破飞石、冲击波和爆破振动均在安全范围内, 未对周围环境造成影响, 得到了良好的爆破效果。
爆破拆除 复杂环境 异型结构楼房 机械切割分区 安全防护 blasting demolition complex environment special-shaped structure building mechanical cutting partition safety protection
吉林农业大学信息技术学院, 吉林 长春 130118
针对玉米生产中叶片氮素快速、 无损检测的实际需求, 使用叶级高光谱数据(400~2 500 nm), 依据等效水厚度梯度划分叶片样本, 建立了梯度连续的叶片氮素反演模型, 初步探索了含水量因素对叶片反射率特性及反演模型精度的影响。 首先获取叶级高光谱数据, 再根据等效水厚度数值大小对样本进行排序及滑动划分, 建立了子集集合。 父集除原光谱数据之外还采用了三大类: (1)基线矫正类、 (2)散射校正类和(3)平滑处理类光谱变换方法, 而子集未使用任何光谱变换方法。 建立全波段的PLSR反演模型, 对比模型精度, 初步定量评价了等效水厚度因素对建模精度的影响。 研究结果表明: (1)四组数据中有三组父集反演精度低于最优子集的反演精度, 另外一组持平(2018大田低氮: (父)=0.48<(子)=0.57, (父)RPDCV=1.38<(子)RPDCV=1.52; 2018大田高氮: (父)=0.48<(子)=0.7, (父)RPDCV=1.39<(子)RPDCV=1.8; 2019大田高氮: (父)=0.59<(子)=0.68, (父)RPDCV=1.57<(子)RPDCV=1.77); (2)四组数据的最优子集反演精度都达到甚至超过了定性模型水平, 而父集只有两组; (3)制作反演数据集时在样本筛选问题上需要考虑等效水厚度因素, 以避免过于宽泛的样本选择而导致整体反演精度的损失。 综上, 等效水厚度因素对玉米叶片氮素建模精度存在显著影响, 不可忽视。 在考虑该因素后, 使用叶级高光谱数据对玉米叶片氮素进行快速无损检测的技术方法会更加可信、 可行。
叶片氮浓度 等效水厚度 高光谱 光谱变换技术 数据集滑动划分 Foliar nitrogen concentration Equivalent water thickness Hyperspectral Spectral transformation techniques PLSR Sliding datasets partition PLSR 光谱学与光谱分析
2022, 42(9): 2913
1 天津中医药大学中药制药工程学院, 天津 300193
2 中国医学科学院生物医学工程研究所, 天津 300192
3 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
4 北京工业大学信息学部, 北京 100124
高血压合并冠心病是高血压疾病的一类严重合并症。 目前高血压患者对合并冠心病的情况检测不及时, 容易导致严重事件的发生, 其致残率、 致死率极高, 严重影响患者的生活质量。 因此对高血压患者合并冠心病的早期发现对预防更严重事件的发生显得尤为重要。 舌体信息与心血管功能关系密切, 为此, 提出一种基于舌体高光谱用于高血压患者中合并冠心病筛查新方法。 采集154例心血管科门诊患者舌体377.8~1 049.1 nm高光谱数据并记录临床诊断信息。 对高血压患者组及高血压合并冠心病患者组舌体光谱比较发现, 在500~600 nm波段之间, 两组光谱存在显著性差异。 基于中医舌诊分区理论, 对舌体进行区域划分, 划分为舌尖、 舌左、 舌中、 舌右以及舌根五个区域。 各舌体分区在波长509.6和561.2 nm以及540.5和576.7 nm均存在极大和极小值, 这与血红蛋白对光的吸收特征相吻合。 对组间各舌体区域光谱特征进行差异性分析。 T检验分析结果显示高血压患者组与高血压合并冠心病患者组舌尖与舌中区域光谱具有显著性差异。 基于高血压患者组与高血压合并冠心病患者组舌体不同区域光谱特征的差异性, 利用神经网络, 选取500~600 nm舌尖与舌中光谱数据进行后续高血压患者组与高血压合并冠心病患者组分类辨识模型的建立。 选用准确度、 灵敏度以及特异性作为模型预测能力的评价指标。 最终获得模型的预测准确度、 灵敏度以及特异性分别为84.78%, 86.95%和82.61%。 实验结果表明高血压患者与高血压合并冠心病患者舌体高光谱信息之间存在显著性差异。 利用舌体高光谱所建立的分类模型能够用于高血压以及高血压合并冠心病患者的无创辨识, 为高血压患者中高血压合并冠心病的早期发现提供一种有效筛查手段。
中医 舌诊 高光谱 分区 高血压 高血压合并冠心病 Chinese medicine Tongue Hyperspectral imaging Partition Hypertension disease (HD) Coronary heart disease (CHD)
