我国南方丘陵山区大面积种植油茶果, 而目前油茶果的采摘期主要根据节气和经验来判断, 过早和过晚采摘油茶果皆会带来经济损失。 旨在探索高光谱成像技术准确鉴别油茶果成熟度的可行性, 应用波段范围为400～1 000 nm的高光谱成像(HSI)系统采集了不同成熟度油茶果共480个样本的高光谱数据。 基于SNV、 SNV-detrend、 SG、 一阶导和二阶导5种不同预处理建立PLS-DA和PSO-SVM判别模型。 选择最优预处理数据进行特征波长筛选, 发现相比于SPA, CARS筛选特征波长建立的简化模型性能更优, CARS-PLS-DA和CARS-PSO-SVM模型预测集分类准确率为92.5%和89.2%, Kappa系数均超过0.86。 采用颜色矩的方法提取高光谱图像中颜色特征值结合特征波长建立PLS-DA和PSO-SVM组合模型, 发现仍是经CARS筛选特征波长建立的模型性能最优, 其中CARS+颜色-PLS-DA和CARS+颜色-PSO-SVM模型预测集分类准确率分别为94.2%和93.3%。 特征波长融合颜色特征值的组合建模比单一特征波长建模分类效果好, 预测集分类准确率分别提高了1.7%和4.1%。 CARS+颜色-PLS-DA模型显示出最佳预测性能, 其Kappa系数为0.923 1。 研究表明利用高光谱成像技术结合化学计量学方法可用于油茶果成熟度检测, 为实现快速、 无损、 准确鉴别油茶果成熟度提供了科学依据。

为进一步提高事件传感器光流估计的精确度，解决平面拟合算法的拟合模型误差问题，提出一种事件传感器平面拟合光流估计改进算法。该算法采用Prim贪婪算法思想，从事件流中提取有效事件，获取最优局部邻近事件集，为后续光流估计奠定基础。同时，采用特征值算法代替传统最小二乘法，结合贪婪算法下事件集内数据的优劣排序，优化平面拟合模型的建立，提高光流估计算法的精确度。实验结果表明，相比于现有的基于平面拟合的事件传感器光流估计算法，该算法在平均端点误差和平均角度误差两个指标上分别约提升20%和11%，有效提升了事件传感器光流估计算法的精确度。

我国西北盐渍地区长距离输水工程由于冻融、干湿、盐侵等作用, 对水工混凝土耐久性产生不利影响, 直接影响输水稳定性及工程的安全运行与效益发挥。本文以甘肃省引大入秦工程输水建筑物为背景, 基于室内加速试验, 针对干湿-冻融和干湿-冻融-盐侵两种工况, 研究质量损失率、抗压强度损失率、相对动弹性模量等耐久性指标变化情况, 采用改进物元可拓模型综合分析矿粉、粉煤灰、引气剂、聚丙烯4种因素对水工混凝土耐久性的影响程度, 并将计算结果与试验结果、实际状况开展比对分析。结果表明: 在干湿-冻融工况中, 粉煤灰对于水工混凝土耐久性的影响较矿粉、引气剂、聚丙烯显著, 而在干湿-冻融-盐侵工况中, 聚丙烯的影响最为显著, 且最为敏感; 采用改进物元可拓模型综合分析以上4种影响因素, 影响程度依次为聚丙烯(3.450 9)＞粉煤灰(2.509 0)＞矿粉(2.447 2)＞引气剂(2.232 5), 且根据等级变量特征值的大小可判断大循环后混凝土试块的状态, 与实际状况相符。因此改进物元可拓模型可以综合分析盐渍区水工混凝土耐久性的影响因素, 具有一定的实用价值。

非线性效应严重影响光纤通信中信号的传输，导致波形或频谱中包含的信号失真。采用特征值通信的方式来克服非线性效应，即在发送端用Darboux变换合成孤子信号承载信息，接收端用非线性傅里叶变换解调特征值恢复信号。通过对算法的改进，降低了非线性频分复用(NFDM)通信系统的计算复杂度，仿真结果表明NFDM通信系统能够有效抑制非线性效应。

光纤中传输的信号会受到衰减、色散和非线性效应的影响导致波形或频谱中包含的信号失真, 可采用特征值通信的方式来克服色散和非线性效应。文章首先使用达布变换(DT)合成孤子信号承载信息, 通过对比非线性傅里叶变换(NFT)中的解析和数值法, 选取合适的方法解调恢复信息。然后通过仿真实验对特征值通信方式进行了验证, 并研究了传输过程中影响特征值的幅度、脉冲持续时间和采样点数等因素, 仿真结果表明, 使用文章所提方法通信距离能达到2 000 km以上。在此基础上, 文章还对特征值的选取范围进行优化, 使得接收端能够更为准确地解调出特征值承载的信息。

当前电子鼻对有毒气体的识别存在数据量少,训练生成的神经网络映射能力差等问题。本文以甲醛和甲醇为目标气体,采用自制的气敏传感器对甲醛和甲醇进行数据采集,并对采集到的数据进行滤波和平滑处理,以提取不同传感器对目标气体的响应值。依据准则函数生成伪随机数,并建立伪随机特征值矩阵以扩大有效数据量。利用主成分分析 (PCA)法对特征值进行降维处理,选择贡献率大的主元成分作为反向传播(BP)神经网络的输入向量,构造PCA-BP神经网络。分别用实测特征值矩阵和伪随机特征值矩阵训练PCA-BP神经网络,通过对比分析两个网络得出,实测特征值矩阵的识别率为92%,而伪随机特征值矩阵的识别率为97%。结果表明,伪随机特征值矩阵能有效提高PCA-BP神经网络的映射能力,提高识别正确率。

基于高斯映射聚类边缘提取算法提出了一种快速而精确的新方法,通过凝聚聚类和估计法线将高斯球中的法线进行聚类,通过分析每个点最近邻域点的协方差矩阵特征值来检测边缘特征。对不同的点云对象进行边缘提取对比实验,分别从边缘提取效果和提取时间进行对比分析。实验结果表明,所提方法能快速有效地提取点云的边缘特征,相比原高斯映射聚类边缘提取算法有很大的提升。

为解决由视角、尺度等变化造成的行为类内差别大的问题,提出一种基于时空方向主成分直方图(HSTOPC)的人体行为识别方法。首先,将深度图序列转换为三维(3D)点云序列,对此序列采用新颖的图像预处理方法获得新的深度图序列,即在空间和时间维度上对采样获得的深度图序列进行限制,除去一些动作信息量较少的序列和空间,从而降低输入数据的冗余减少空间尺度变化的影响;其次,为了解决帧间关联性较弱的问题,采用时空方向主成分方法描述新的点云序列,获得3D点云序列中每点的方向特征;然后,对3D点云序列中所有方向特征进行多层时域重叠分割,获得HSTOPC特征描述子;最后,采用支持向量机分类器进行训练、测试。在3个标准数据库上的实验结果表明,提出的HSTOPC特征描述子对噪声、运动速度变化、视角变化和时域不对齐具有很好的稳健性,可以显著提高人体行为识别的准确率。

异步条件下对变换域通信系统 (TDCS)信号用特征值分解法可估计基函数序列, 但由于协方差矩阵特征分解的不唯一性, 造成分段得到的特征向量存在标量模糊的缺陷。通过理论分析特征值分解算法, 提出了一种改进算法, 将接收信号的分段周期扩大为基函数周期的 2倍, 通过特征值分解算法得到协方差矩阵的最大特征向量, 用长度为基函数周期的窗口在最大特征向量中滑动, 当窗口的二范数达到最大值时, 即可得到基函数序列。通过实验仿真, 改进算法能够有效克服分段向量出现部分正反号的缺陷, 系统误码性能与同步条件下的系统误码性能基本一致。

在设计红外火焰探测器的过程中，人工光源常常会引起探测器的误报。为有效区分人工光源与火焰信号，本文首先对采集的 1种人工光源以及 3种火焰信号进行分析，将采集的信号进行小波包 4层分解，得到信号的能量谱。通过分析发现选取第 2,3,4,7频段的能量值能够将这 4种信号有效区分。为进一步验证实验结果，本文将双通道两路信号的第 2,3,4,7频段的 8个能量值作为一组特征向量，与 BP神经网络结合进行模式识别。结果表明，通过这样的方法不仅可以区分火焰和人工光源，同时可以对 3种火焰进行识别，其识别的正确率为 84.1%。因此，基于小波包能量分析的方法提取这 8个能量值作为特征值具有一定的可行性，能有效减少人工光源引起的误报，同时为火焰种类的识别以及以后的灭火自动化提供了新的可能性。