强干扰区多类噪声时空叠加,对电磁勘探的影响严重且复杂.以往的人工源电磁(Controlled-Source Electromagnetic Method,CSEM)信号处理方法大多针对单道数据进行处理,并未考虑各道之间的相关性,从而产生非必要的误差.为此,在同步观测的基础上,本文提出一种基于站间传递函数的CSEM有效信号提取方法.首先,从多域对同步观测的CSEM数据进行质量评价,优选出高信噪比的参考站;其次,基于参考站与测站之间的时域信号方差比(Ratio of variance,ROV)实现测站强干扰噪声的快速识别与定位,采用密度聚类方法(Density-based spatial clustering of applications with noise,DBSCAN)筛选出测站高信噪比数据段,并构建频率域站间传递函数;最后,考虑各道之间的相关性,利用参考站信号与站间传递函数对受强干扰时间段的观测数据进行处理,从而实现了强干扰环境下CSEM有效信号的高精度提取.通过对仿真信号与广域电磁法(Wide Field Electromagnetic Method,WFEM)实测数据的处理,验证了方法的有效性和实用性.结果表明,本文提出的基于站间传递函数的CSEM信噪分离方法不仅考虑了多道同步观测数据之间的相关性,还能在不增加野外工作量的基础上实现对有效信号的高精度提取,方法具有普适性,为CSEM同步阵列数据处理提供了一种快速、可行的解决方案.
近年来,随着多系统全球导航卫星系统(global navigation satellite system,GNSS)的迅速发展以及实时高精度应用需求的日益增长,国际GNSS服务分析中心(International GNSS Service,IGS)提供的状态空间表述(state space representation,S...
详细信息
近年来,随着多系统全球导航卫星系统(global navigation satellite system,GNSS)的迅速发展以及实时高精度应用需求的日益增长,国际GNSS服务分析中心(International GNSS Service,IGS)提供的状态空间表述(state space representation,SSR)产品越来越丰富。评估不同分析中心的GNSS实时产品及其定位性能对用户具有重要参考价值。对中国科学院(Chinese Academy of Sciences,CAS)、法国太空研究中心(Centre National d’Etudes Spatiales,CNE)、德国宇航中心(Deutsches Zentrum für Luft-und Raumfahrt,DLR)、西班牙航天与防务公司(GMV Aerospace and Defense,GMV)、德国地学研究中心(Deutsches GeoForschungsZentrum,GFZ)、武汉大学(Wuhan University,WHU)6个分析中心的GPS/北斗卫星导航系统(BeiDou satellite navigation system,BDS)SSR产品的可用性、精度和实时精密单点定位性能进行了评估。实验结果表明:CAS播发的GPS卫星可用性最高,提供了所有32颗GPS卫星的SSR改正数;CAS、GFZ、WHU 3家分析中心的BDS卫星可用性相对较高,提供了15(BDS-2)+27(BDS-3)卫星的SSR改正数。在6个分析中心中,WHU的GPS卫星的三维轨道精度和钟差精度均为最佳;不同分析中心GPS卫星的信号空间测距误差(signal-in-space ranging errors,SISRE)普遍优于5 cm,不同分析中心GPS卫星的SISRE值的大小顺序为:WHU
多视图聚类是当前数据分析领域的一个重要研究方向，旨在通过整合来自不同视角的数据，提升聚类精度。然而，传统的多视图聚类方法虽然在一定程度上提高了聚类效果，但往往忽略了视图间局部与全局特征的交互与融合。此外，尽管近年提出的多视图深度聚类方法，通过深度神经网络或对比学习增强了表征能力，但大多只关注局部或全局特征，未能在同一框架下对这两类特征进行综合处理。针对这些不足，提出了一种融合卷积神经网络与Transformer的深度多视图聚类模型(Deep Multi-View Clustering Network Integrating Local and Global Features，DMVCN-ILGF)，该模型设计了并行的卷积分支和Transformer分支，分别用于提取局部特征和全局特征。为了实现特征的有效融合，引入了特征交互机制(Feature Interaction Mechanism，FIM)和特征融合模块(Feature Fusion Module，FFM)，通过充分整合各视图的特征信息，以增强不同特征的交互和融合，最终提升聚类性能。进一步地，还设计了实例级和类别级对比损失，分别计算各视图的局部与全局特征之间的相似性，从而优化模型的表征能力和聚类效果。实验结果表明，提出的DMVCN-ILGF模型在多个多视图数据集上均取得了显著优于现有方法的聚类性能。
省域铁路成网条件下列车开行方案涉及线路制式、等级以及列车种类等多因素影响,叠加客流选择的多样性,使优化问题更加复杂化。为刻画网络条件下客流和列车流的耦合,利用深度优先搜索(Depth First Search,DFS)算法构建客流径路备选集;基...
详细信息
省域铁路成网条件下列车开行方案涉及线路制式、等级以及列车种类等多因素影响,叠加客流选择的多样性,使优化问题更加复杂化。为刻画网络条件下客流和列车流的耦合,利用深度优先搜索(Depth First Search,DFS)算法构建客流径路备选集;基于列车开行方案的编制原则建立列车径路备选集,以列车运行成本和旅客出行总时间最小为优化目标,构建双目标非线性优化模型,设计NSGA-II(Non-dominated Sorting Genetic Algorithm-II)算法进行求解;从列车运行、旅客出行和企业运营这3个维度建立多准则评价指标体系,利用熵权-TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)方法比选Pareto前沿面上的典型解,选取相对接近度最高的解作为建议方案。依托Z省铁路网进行大规模实例研究,结果表明:模型求解得到的Pareto前沿面收敛性和分布性较好,具有较强鲁棒性,与多目标粒子群优化算法(Multi-objective Particle Swarm Optimization,MOPSO)相比取得的结果更佳。通过熵权-TOPSIS方法多准则评价比选,得到方案II为该省推荐列车开行方案,省域范围内开行列车660对·d-1,相较优化前,旅客出行时间成本和列车运行成本显著降低,线路利用率过低或过高区段比例大幅减少,运能紧张区段得到有效疏解。
在计算大规模介质-金属复合周期结构的电磁散射时，传统积分方程方法存在未知量大、存储占用多和计算时间长等问题。本文采用广义Poggio-Miller-Chang-Harrington-Wu-Tsai (PMCHWT)-电场积分方程(electric field integral equation， EF...
详细信息
在计算大规模介质-金属复合周期结构的电磁散射时，传统积分方程方法存在未知量大、存储占用多和计算时间长等问题。本文采用广义Poggio-Miller-Chang-Harrington-Wu-Tsai (PMCHWT)-电场积分方程(electric field integral equation， EFIE)方法计算均匀介质金属复合结构的电磁响应。该方法通过在分界面处设置区域连接模型(contact-region modeling， CRM)来保证边界处的连续性。为加速子阵列阻抗矩阵填充，本文采用快速偶极子方法(fast dipole method， FDM)来提高计算效率并降低内存占用。结合子全域(sub-entire-domain， SED)基函数方法，子阵列的电流分布特征可被推广到大规模介质金属复合周期结构的电磁场计算中。数值算例表明，该方法能够在保证计算精度的同时大幅度降低计算代价，内存占用降低至商业软件Altair FEKO(使用快速多层多级子方法)的1/10，计算误差在2.6 dB以内。
暂无评论