灰度图像编码技术的研究与实现

本文就静态灰度图像的压缩编码做了详细的阐述:以8×8像素的图像子块为最小处理单元,DCT变换(FDCT)使图像能量分布更为集中、据量化表量化DCT系数、Z型扫描把诸多的零值表示为较短的码字、最后的Huffman熵编码高效的压缩了原始图像.并对部分功能模块处理做了实验,给出试验结果.实验表明达到了图像压缩的目的.     

基于准分布式FBG传感器的光纤入侵报警系统

根据FBG传感器的应变、振动和冲击特征,报道了一种基于准分布式FBG传感器的入侵报警系统.首先根据小波降噪原理和小波多尺度边缘检测的方法分别进行降噪和报警信号分割,同时对分割信号分类和特征分析以进行报警判断和识别;其次分析了入侵监测系统的五种报警模式;最后根据LabVIEW开发了入侵报警软件.经过实验证明入侵报警系统能够完成自动、实时报警和报警定位.     

基于车桥耦合振动分析的桥梁损伤诊断方法评述

车辆通过桥梁时,桥梁和车辆的动力响应都包含桥梁结构模态或者几何参数信息,对它们进行分析能识别桥梁的模态参数和损伤。结合国内外最新研究成果,综述基于车桥耦合振动分析的桥梁结构损伤识别技术,并与传统识别方法进行比较。指出其优缺点;详细介绍基于灵敏度分析和模型修正的方法、基于结构刚度搜索的方法、利用车辆响应傅立叶变换识别桥梁频率的方法、利用车激桥梁响应的小波变换识别桥梁模态参数的方法以及综合利用车辆和桥梁响应识别桥梁损伤的方法等5种参数识别与损伤诊断方法的基本原理,并总结上述方法的实施步骤和应用时应该注意的问题;指出了该领域的关键问题和进一步的研究方向。     

典型电梯故障振动的分析和诊断

本文以电梯的故障振动为研究对象,运用EVA-625对检验工作中常见的几例典型的电梯故障振动进行检测,并将振动信号的软件处理和振动产生机理相结合进行分析,准确诊断出电梯故障所在,说明了EVA-625在振动分析中的重要作用,提出了将EVA-625运用于电梯故障振动分析和诊断中的方法。该方法兼具准确性和实用性强,能成为电梯常规检验的补充。     

1949-2014年京津冀地区霜雪低温灾害时空变化

通过对1949-2014年京津冀地区霜雪低温灾害资料的收集整理,应用数理统计和小波分析法对这一时期京津冀地区霜雪低温灾害的等级、时空分布特征、周期规律以及与ENSO事件相关性进行分析.结果表明,1949-2014年京津冀地区霜雪低温灾害共发生114次,其中1级、2级、3级霜雪低温灾害的发生频次分别为28次、53次、33次;灾害的变化可分为三个阶段,第一阶段为1949-1976年,第二阶段为1977-1998年,第三阶段为1999-2014年,第一阶段和第三阶段霜雪低温灾害发生频次较少,第一阶段以1级和2级灾害为主、第三阶段以2级和3级灾害为主,第二阶段霜雪低温灾害发生频次较高,以2级和3级灾害为主;小波分析得出,灾害存在着4个明显的主周期,即7a、13a、24a、38a左右的周期;拉尼娜事件与京津冀地区霜雪低温灾害的发生关系较显著.     

青海省黑河上游地区1961～2019年降水量时空变化特征研究

利用1961～2019年黑河上游托勒、野牛沟和祁连气象站降水资料,采用线性趋势、M-K检验、Molet小波等对年、汛期和非汛期降水进行了时空变化特征分析研究.年、汛期和非汛期的降水量呈显著性增加趋势,但年、汛期降水量增加趋势更为显著,区域降水量变化趋势跟年、汛期和非汛期降水量一致;年代际变化中年和汛期的降水量年代值变化...     

基于决策树分类法的塔克拉玛干南缘沙漠化信息提取方法研究

选择策勒绿洲作为典型的绿洲-荒漠交错带,采用Landsat ETM+影像,分析了沙漠化土地的光谱特征及其波段间的相互运算,用分层分离的方法,提取了沙漠化土地信息. 结果表明:利用修改型土壤调整植被指数(MSAVI),归一化差异水体指数(NDWI)和遥感图像缨帽变换后的亮度(Brightness)、绿度(Greenness)、湿度(Wetness)等复合识别指标,在决策树的各节点设计不同的分类器,可以划分沙漠化等级;决策树分类法可以有效地排除和避免提取地物时受多余信息的干扰及影响,其总体提取效果较好,是快速自动提取沙漠化土地信息的有效手段.      

用MATLAB实现滤波器对数字地震资料处理初探

本文介绍了用MATLAB工具软件对数字离散信号进行频谱分析和设计FIR数字滤波器的方法,并用它对数字地震记录进行频谱分析和滤波处理。文中还给出了地震台站测震数据进行频谱分析和滤波处理的实例,对台站在地震数据处理中有一定的应用价值。     

小波分析在PM10浓度时间序列分析中的应用

以西安市PM10日平均浓度时间序列为例,根据小波分析的基本原理,应用小波分解和重构对PM10浓度时间序列的变化进行了分析,得到PM10的年变化趋势和突变特征。研究结果表明,用小波分析应用于大气污染物浓度时间序列的分析是可行的。     

基于HHT方法的矿井瓦斯体积分数预测

为有效分析煤矿瓦斯监测数据以实现较准确的瓦斯浓度预测,研究应用希尔伯特-黄变换(HHT)方法进行瓦斯浓度时间序列分析与预测的方法。应用经验模态分解(EMD)方法将瓦斯浓度时间序列分解成不同频率的固有模态函数(IMF)分量的叠加,以获取瓦斯浓度时间序列的瞬时特征;通过Hilbert变换求得各IMF分量的瞬时频率,依据各IMF分量瞬时频率的均值将分解得到的IMF划分成较高频和低频2类新的分量,选取适合于各分量特征的预测模型分别进行预测,以消除局部随机性对预测精度的影响,结合自回归(AR)、径向基函数(RBF)神经网络和支持向量机(SVM)3种预测模型实现瓦斯浓度预测。实例分析表明:应用该方法所得预测结果比较准确,降低了预测复杂度,提高了预测精度。