1 南京电子技术研究所，江苏 南京 210039
2 北京航空航天大学 电子信息工程学院，北京 100191
在传统多假设跟踪(MHT)算法中通常会假设杂波强度先验已知，当观测场景中杂波未知且空变时，该假设将会导致跟踪算法性能急剧下降。针对这一问题，本文提出一种基于自适应高斯混合模型(GMM)在线估计未知杂波的改进MHT 算法。首先利用自适应GMM 拟合未知杂波空间分布，并自适应地估计出波门内的杂波强度；然后将其应用于MHT 处理中，有效改善航迹得分计算和最优假设航迹估计的准确性，进而实现在杂波未知场景中的稳定跟踪。仿真结果表明，在未知杂波观测场景中，所提算法相比传统MHT 算法和MHT-GMM 算法获得了更好的数据关联准确性和航迹维持性能。
多假设跟踪 杂波强度 自适应高斯混合模型 航迹得分 最优假设航迹 multiple hypothesis tracker clutter intensity adaptive Gaussian Mixture Model track score optimal hypothetical track 太赫兹科学与电子信息学报
2023, 21(6): 794
1 浙江理工大学基础结构技术研究所, 杭州 310018
2 浙江省装配式混凝土工业化建筑工程技术研究中心, 杭州 310018
为提高工业废渣的利用率, 选用磷石膏、高炉矿渣、硅酸钠代替部分水泥并对土样进行固化处理。通过D-最优混料设计, 得出3与7 d的无侧限抗压强度回归方程, 并计算得到最优质量配合比。使用最优配方固化土样, 测得3和7 d无侧限抗压强度分别达4.88和5.84 MPa。通过因素间交互分析结果, 得出固化材料的最优掺量范围。通过X射线衍射和扫描电子显微镜对固化土微观机理进行分析, 结果表明最优固化土相比水泥固化土水化反应更完全, 颗粒间连接更密实, 结构更稳定。最后通过对最优配方进行环境效益与经济性评价, 得出该配方在强度、环境效益、经济性等方面均要优于水泥。
工业废渣 早强固化剂 D-最优混料设计 最优配合比 无侧限抗压强度 微观机理 industrial waste residue early strength curing agent D-optimal mixture design optimal mixture ratio unconfined compression strength microscopic mechanism
河北视窗玻璃有限公司,河北省企业技术中心,河北省超薄电子玻璃技术创新中心,廊坊 065000
实验设计中的混料设计是解决配方问题非常有效的方法,通过混料最优设计可以优化玻璃配方。结合JMP软件分析,得到了在一定约束条件下的碱铝硅盖板玻璃的最佳配方组合。实验结果表明：混料设计可根据较少的预期拟合模型,拟合出最优的玻璃配方,并可预估出玻璃的性能;用软件计算得到的配方制备了玻璃,并测试了玻璃的性能,结果达到了预期效果。
实验设计 混料设计 盖板玻璃 配方 design of experiment mixture design cover glass formulation
1 青海省海西公路总段,德令哈 817099
2 长安大学材料科学与工程学院,西安 710061
为更好地促进小粒径钢渣在薄层沥青混合料中的应用,采用V-S(volumetric mix)法设计SMA-5沥青混合料的集料掺配比例; 等体积替换掺加1.18~2.36 mm、2.36~4.75 mm两种粒径钢渣于SMA-5沥青混合料中,分析其对沥青混合料试件的粗集料间隙率VCAmix、最佳沥青用量的影响; 借助车辙试验、小梁弯曲试验、冻融劈裂试验与浸水马歇尔试验对钢渣沥青混合料的高温稳定性、低温抗裂性与水稳定性进行评价。结果表明: 掺入钢渣降低了集料间的骨架结构效应,提高了混合料沥青用量; 复掺钢渣降低了沥青混合料的高温稳定性,但随着钢渣掺量增加,各掺配方案下沥青混合料的低温性能均降低,水稳定性、高温稳定性均提升; 推荐SMA-5钢渣沥青混合料中2.36~4.75 mm粒径钢渣掺量75%为最优配比。
道路工程 沥青混合料 钢渣 路用性能 粗集料间隙率 road engineering asphalt mixture steel slag SMA-5 SMA-5 road performance percent voids in coarse mineral aggregate
1 武汉理工大学资源与环境工程学院, 武汉 430070
2 矿物资源加工与环境湖北省重点实验室, 武汉 430070
3 湖北大江环保科技股份有限公司, 黄石 435005
为研究铜渣尾矿作为填料对沥青混合料性能的影响, 分析了铜渣尾矿的物理化学性质, 通过马歇尔稳定度试验确定沥青混合料的最佳配合比, 开展车辙试验、劈裂试验、冻融劈裂试验、浸水马歇尔试验来评价沥青混合料的路用性能, 对铜渣尾矿沥青路面进行检测, 并通过微观形貌分析铜渣尾矿与沥青的黏附特征。结果表明: AC-25C、AC-20C、AC-16C、AC-13C沥青混合料中铜渣尾矿掺量分别为4%、3%、3%、2%(质量分数), 其对应沥青用量为38%、4.2%、4.5%、4.6%(质量分数)时, 沥青混合料性能最佳。与石灰石沥青混合料相比, 铜渣尾矿沥青混合料的高温稳定性、抗裂性、水稳定性得到明显的提升。铜渣尾矿沥青路面性能良好, 其渗水系数为62 mL/min, 摩擦系数为90, 压实度为964%, 均符合规范标准, 铜渣尾矿与沥青形成的沥青胶浆具有良好的黏结性能。
铜渣尾矿 沥青混合料 填料 配合比设计 路用性能 copper slag tailing asphalt mixture filler proportion design road performance
河北经贸大学信息技术学院，河北 石家庄 050061
针对可见光通信中的离散傅里叶扩展正交频分复用系统的非线性效应，提出一种基于高斯混合模型的聚类解调方法。运用机器学习中的高斯混合模型根据接收信号估计所有星座点的高斯分布参数。然后计算接收信号到每一个星座点高斯分布的概率，选择概率最大值对应的星座点作为接收信号的判决结果进行解调，从而可以获得一些信噪比增益。仿真结果表明，在LED非线性信道下，高斯混合模型聚类解调方法在16和32阶正交振幅调制下可以分别获得0.6 dB~2.7 dB和0.2 dB~1.7 dB的信噪比增益。
光通信 可见光通信 离散傅里叶扩展正交频分复用 机器学习 高斯混合模型 解调 激光与光电子学进展
2023, 60(15): 1506008
1 中国科学院空天信息创新研究院，北京 100194
2 中国科学院大学，北京 100049
3 华南理工大学 软件学院，广东 广州 510006
4 中国科学院上海光学精密机械研究所 量子光学重点实验室，上海 201800
激光雷达具有全天候工作、探测精度高、有效探测距离远、易获得三维信息等特点，但工作在远距离模式时，目标点云比较稀疏。当前便携条件下，基于深度学习的算法在激光雷达点云数据直接目标识别时，实时性和成功率尚不能达到远程监视实际工程的要求。针对实际工程中利用激光雷达检测运动目标进而实时引导高分辨率相机的需求，采用基于变化的检测方法，对远距离条件下激光雷达的运动目标检测方法进行了研究，利用点云数据的距离信息，给出三维单高斯模型和三维高斯混合模型检测动目标的过程和方法，提出了利用杂波图恒虚警率检测法处理点云数据的方法。实验表明，与二维图像动目标检测方法相比，三维单高斯模型法会很大程度提高检测准确性，降低虚警率，但仍然存在较高虚警率。为适应复杂三维场景，采用基于三维高斯混合模型的方法进一步降低了虚警率，但也降低了检测速度；而杂波图CFAR的方法具有很高的实时性，同时也具有较好的检测性能。
动目标检测 杂波图CFAR 激光雷达 三维高斯混合模型 moving target detection clutter map CFAR lidar 3D Gaussian mixture model 红外与激光工程
2023, 52(4): 20220506
1 皖西学院 机械与车辆工程学院，安徽 六安 237012
2 中国科学院安徽光学精密机械研究所 中国科学院大气光学重点实验室，安徽 合肥 230031
3 中国科学技术大学，安徽 合肥 230026
设计和构建了发射波长为355 nm和532 nm的户外型全天时激光雷达系统，用于探测大气气溶胶和水汽。运用355 nm和532 nm的米散射、532 nm的偏振、氮气和水汽分子的拉曼激光雷达技术，用于对边界层结构、对流层气溶胶和云光学特性及其形态、水汽混合比进行连续探测研究。该系统结构紧凑，运输方便，具备远程操作、数据传输、一键式启动等功能。利用该系统对大气气溶胶和水汽进行探测，探测结果表明：在大气气溶胶的探测过程中，在重污染条件下混合层高度较干净天低，在0.5 km以下，而干净天在1 km左右；通过对消光系数、Angstrom指数和退偏振比分析可知，重污染条件下，底层大气气溶胶以球形粗粒子污染物为主，干净天底层大气气溶胶以球形细粒子污染物为主；在云层中，Ang-strom指数明显减小，且出现负值，说明云粒子半径较大。在水汽探测过程中，采用自标定方法获得系统的标定常数为121，与已标定的激光雷达系统对比，误差在±0.3 g/kg以内；连续探测结果表明可对夜晚5 km及白天混合层以内进行探测。该系统满足产品化的需求，可广泛运用于大气环境的监测领域中。
激光雷达 气溶胶 水汽混合比 消光系数 Angstrom指数 退偏振比 lidar aerosol water vapor mixture ratio extinction coefficient Angstrom exponent depolarization ratio 红外与激光工程
2023, 52(4): 20220484
1 安徽大学物质科学与信息技术研究院, 安徽 合肥 230610
2 中国科学院合肥物质科学研究院健康与医学技术研究所, 安徽 合肥 230031
在利用表面增强拉曼光谱(SERS)对毛发中痕量物质进行分析时, 该SERS信号中毛发特征峰与增强基底背景峰会相互耦合。 在耦合情况下, 背景峰会被误识别为毛发特征峰, 导致待测物的识别错误, 此外具有高峰强特性的背景峰对毛发中微弱特征峰产生掩盖干扰。 因此, 背景峰的扣除是解决上述问题的重要途径, 但常规的扣峰方法会导致周围邻峰的严重失真。 针对上述问题提出了高斯混合模型, 该模型在表征SERS信号的同时又使得各特征峰相互独立, 在扣峰过程中对周围邻峰不产生干扰, 既实现干扰峰的扣除又保证了邻峰的微失真。 高斯混合模型的核心问题在于模型参数的求解, 文中提出了小波变换与共轭梯度法, 分别解决模型的初始参数问题及最优解问题。 小波变换通过映射放大SERS信号的细节信息, 充分提取该信号的细微特征信息, 将该特征信息作为模型的初始参数。 其中共轭梯度法是迭代优化方法, 将模型参数进行循环迭代优化, 最终收敛结果即为模型参数的最优解。 综上两种方法可准确建立高斯混合模型, 模型中单高斯函数为SERS信号的特征峰, 且两者的峰形保持一致。 在扣除SERS信号的背景峰时应遵循以下过程, 包括有效数据的提取、 模型建立和峰的扣除。 其中有效数据的提取是对空白与滴样的增强基底进行同位置检测, 由此得到一组SERS信号。 模型建立是通过高斯混合模型对滴样SERS信号进行表征, 该信号可由多个高斯函数表现。 最后利用空白增强基底的特征峰对滴样的SERS信号进行指认, 其中峰形相似且峰位相同的特征峰可扣除。 实验结果表明, 方差值比最小时, 高斯混合模型的峰位、 峰宽、 峰强等特征与毛发SERS信号基本相同, 此时高斯混合模型可准确表征毛发SERS信号的特征信息。 在对7组毛发进行扣峰实验时, 毛发SERS信号中背景峰扣除率达到50%～100%, 同时毛发的特征峰也得到有效提取。 在对真实毛发样本进行快速分析时, 该模型识别出了毒品曲马多。
表面增强拉曼光谱 高斯混合模型 共轭梯度法 小波变换 背景峰扣除 Surface-enhanced Raman spectroscopy Gaussian mixture model Conjugate gradient method Wavelet transform Background peak deduction
