A generic data assimilation framework for vehicle trajectory reconstruction on signalized urban arterials using particle filters

With trajectory data, a complete microscopic and macroscopic picture of traffic flow operations can be obtained. However, trajectory data are difficult to observe over large spatiotemporal regions—particularly in urban contexts—due to practical, technical and financial constraints. The next best thing is to estimate plausible trajectories from whatever data are available. This paper presents a generic data assimilation framework to reconstruct such plausible trajectories on signalized urban arterials using microscopic traffic flow models and data from loops (individual vehicle passages and thus vehicle counts); traffic control data; and (sparse) travel time measurements from whatever source available. The key problem we address is that loops suffer from miss- and over-counts, which result in unbounded errors in vehicle accumulations, rendering trajectory reconstruction highly problematic. Our framework solves this problem in two ways. First, we correct the systematic error in vehicle accumulation by fusing the counts with sparsely available travel times. Second, the proposed framework uses particle filtering and an innovative hierarchical resampling scheme, which effectively integrates over the remaining error distribution, resulting in plausible trajectories. The proposed data assimilation framework is tested and validated using simulated data. Experiments and an extensive sensitivity analysis show that the proposed method is robust to errors both in the model and in the measurements, and provides good estimations for vehicle accumulation and vehicle trajectories with moderate sensor quality. The framework does not impose restrictions on the type of microscopic models used and can be naturally extended to include and estimate additional trajectory attributes such as destination and path, given data are available for assimilation.     

基于图像融合与处理技术的舰船目标检测

舰船目标检测在国民经济、国家安全和环境保护等诸多方面有非常重要的地位。本文首先获取原始的光学遥感图像,进行预处理去除噪声等不良因素的干扰;其次进行目标增强,利用CRC自适应控制的结构元素尺寸,便于感兴趣的视觉焦点提取,运用自适应滤波器提取出划定的感兴趣区域的特征信息,利用图像信息融合检测出舰船目标;最后通过实验进行验证本文设计的算法,与传统舰船目标检测相比,提高了检测率,即使存在噪音等不利因素也能有效地检测出目标,并且降低了漏检率和虚警率。     

空气净化器风道的计算机仿真

在进行空气净化器风道结构的设计中,风道的结构形式对风量起着重要的影响。本文利用ICEPAK计算机仿真软件在设计阶段对空气净化器的风道进行模拟仿真,建立了风道的仿真模型及建模过程,仿真出风道进口处与出口处的空气流速的变化值,进一步研究离心风机的风量与滤层阻力、流量、流速的影响关系。通过实验比较,在不同滤器种类的情况下,验证了风阻对风量的影响大小,证明了空气净化器风道计算机仿真的正确性。     

格蕴涵代数的超滤

通过超滤构造超积是模型论中构造模型的一种重要方法。文中提出了格蕴涵代数中超滤的概念，研究了它与素滤子及有限交性的关系，并证明了它与极大真滤子的等价性，为进一步研究相应的超积理论打下了基础。     

无源滤波器在开关电源设计中的应用

传导性电磁干扰是电气设备开关电源中的主要干扰源,所以电磁兼容性指标已经成为开关电源设计的重要参数。从开关电源的工作原理出发,对开关电源的电磁干扰机理进行分析,研究使用无源滤波技术减少电磁干扰。从实际应用角度对无源滤波器中电容、电感等元件的特性进行了分析,给出了实用电路和元件参数。无源滤波技术在轨道交通空调专用电源上的应用结果表明,使用无源滤波技术对电磁干扰有很好的抑制效果。     

基于改进自适应遗传算法的船舶电力系统滤波装置优化配置

近年来随着大量非线性负载的投入使用，船舶电网谐波问题日益严重，直接影响到船舶电气设备的正常工作和使用寿命。论文结合船舶电力系统动态负荷多等特点采用节点电势法进行基波潮流计算，忽略传输线路压降，对非线性负荷进行迭代求解，因而收敛速度快，精度高。在迭代求解过程中，采用改进的自适应遗传算法。根据适应度值的集中程度自适应地变化整个种群的交叉概率和变异概率，增加了种群多样性，扩大了搜索空间。应用改进的自适应遗传算法对一个12节点船舶电力系统进行滤波器优化配置，优化结果表明了算法的有效性。     

格蕴涵代数的拓扑结构

给出了格蕴涵代数中弱滤子的概念，对弱滤子的性质和结构进行了研究，证明了格蕴涵代数中全体弱滤子构成一个拓扑结构，格蕴涵代数之间的蕴涵同构是相应拓扑结构之间的拓扑映射。     

船舶电力系统谐波的危害与治理

谐波的干扰已成了船舶电力系统中影响电能质量的一大"公害"。本文从船舶电力系统谐波生成的内在机理出发,分析了船舶电力系统谐波的危害以及计算方法并提出了几种谐波治理的措施。     

用于稀疏系统辨识的改进惩罚LMS算法研究

基于加权零吸引因子最小均方算法（RZA-LMS）,提出了一种应用于系统辨识的新型自适应滤波算法（ARZA-LMS）。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e与误差信号e之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验证了新算法的性能明显优于原算法和若干现有稀疏系统辨识的方法。     

高职高专学生英语学习中负迁移现象的成因与阻断

本文对高职高专学生英语学习的现状进行了分析,认为造成此现象的原因主要是学习过程中的负迁移引起的,文章最后提出了减少英语学习负迁移的几种措施。