球坚介壳虫的生活习性及其防治方法

扬子石化公司为全国特大型企业,拥有公用绿地２００ｈｍ２以上,栽种了大量的绿化苗木。近几年来,由于新增绿地不断扩大,气候条件适宜病虫害的发生,防治措施又没有及时跟上,致使病虫害蔓延速度加快,球坚介壳虫的危害尤为严重。针对这一情况,我们对球坚介壳虫的生活...     

基于Ad Hoc网络的数据快速传输方法

Ad Hoc网络是一种新型的自组网络,因其架设方便,应用范围不受环境设备的制约,在近年来得到了研究人员的高度关注。针对拥塞避免在Ad Hoc网络中无法区分丢包类别而错误启动致使传输效率下降的问题,将传统TCP协议拥塞控制算法进行优化,并在NS-2仿真软件中通过仿真试验证实该方法在Ad Hoc网络中传输速率更快、数据包的遗失率更低。     

基于GPU的并行人脸检测方法研究

为了进一步提高人脸检测的精度和速度,提出了一种改进的Viola-Jones人脸检测算法,并在GPU平台上对改进后的算法加以优化。采用新型稀疏特征来进行人脸检测,利用计算机的图形处理单元GPU进行并行加速,并对优化前后的结果进行对比。结果表明,该算法把检测率提高到93.6%,与传统Viola-Jones人脸检测算法相比检测精度有了较大的提升;GPU并行加速实现了对OpenCV 1.6~3.2倍左右的加速比,有效提高了人脸检测性能。     

地震信号的完整集合分解方法

为有效开采岩性、薄储层等隐蔽性油气藏,需准确处理分析非线性、非平稳地震信号,以获取信噪较好的地震剖面。基于提高处理后地震剖面精度的需求,提出了一种地震信号的完整集合分解方法(Complete Ensemble Empirical Mode Decomposition,CEEMD)。CEEMD主要由经验模态分解(EMD)、本征模态函数的确定以及地震信号完整重构3部分构成,在EMD的基础上加入了自适应噪声来减小模态效应,分解过程中既保留了EMD处理非平稳、非线性信号的优势,又可以有效改善EMD的模态混叠问题,从而提高信号的信噪比并有效保留原信号中的有效成分。该方法可对地震信号进行更为精确地分解,然后实现完整的信号重构,在精确处理的同时,大大减少了有效信号的丢失,使地层信息更加明确,地质结构分辨率得到有效提升。     

ELMD联合粒子群优化小波阈值的语音去噪研究

语音信号是一种非稳态的随机信号,而传统的时频分析法缺乏对这类信号进行最稀疏表示的能力,为此提出了一种完备的局部均值分解(Ensemble Local Mean Decomposition,ELMD)联合粒子群优化小波阈值语音消噪分析法:在对原始信号LMD(局部均值分解,Local Mean Decomposition)分解基础上加入高斯白噪声辅助分析的自适应分析法,以减轻分解后的产生模态混叠现象;对于分解后的分量中残留的噪声使用粒子群优化算法获得最优小波阈值滤除。对实际采集语音信号进行Matlab仿真的处理分析结果显示,该算法在抑制语音中的背景噪声有着良好的效果,且有效降低了对语音有效信息的损伤。