检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高速旋转γ软核中的形状驱动效应

高速旋转γ软核中的形状驱动效应

作者：汪雷东北师范大学

学位级别：硕士

本文首先介绍了有关高自旋态物理的一些基本理论,它们主要包括基于Nilsson势平均场的独立粒子模型、用超导思想或Bogoliubov变换处理的对关联理论、同时处理单粒子运动和集体运动的推转壳模型以及建立在这些基本理论之上的Hatree-Fock-B... 详细信息

本文首先介绍了有关高自旋态物理的一些基本理论,它们主要包括基于Nilsson势平均场的独立粒子模型、用超导思想或Bogoliubov变换处理的对关联理论、同时处理单粒子运动和集体运动的推转壳模型以及建立在这些基本理论之上的Hatree-Fock-Bogoliubov-Cranking理论。继而提出了本文所用到的理论模型,即位能面的计算模型,并详细的介绍了其中各项的来源及求解,尤其对液滴能项的求解做了扩展的讨论。结合2008年在原子能院HI-13串列加速器上完成的Cs的在束γ谱实验介绍了原子核高自旋态的实验方法以及我们的实验过程。通过我们的离线分析,扩展了Cs的能级纲图,将部分转动带推至了更高的自旋态。其后介绍了在高自旋态物理中普遍存在的回弯现象,并对这一现象存在的原因做了详细的讨论。理论分析中用到的TRS程序是建立在Nilsson—Strutinsky—Cranking模型基础之上的。此程序是由陈永寿研究员与Frauendorf等人编写,并以此为基础做了部分改进。用此程序我们首先分别计算了Cs的液滴势、壳修正能、对能,并给出了核实的位能图。同时讨论了它们在驱动原子核形状时所起到的作用,得到了核实的极小值形变,并确定了Cs的γ软性。继而详细的讨论了不同单准质子驱动势对原子核形状的影响,我们发现高j轨道准粒子对原子核形状的影响是极为丰富的。在ω= 0.02ω0时,通过计算我们得到了Cs 1/2[550](1h)、3/2[422](1g )、1/2[420](2d )三个组态带的形变值。随着转动频率的增大,在ω= 0.05hω时,我们计算了1/2[550](1h )、3/2[422]( 1g)组态带回弯后的形变值,即一对准中子顺排后的三准粒子带。通过比较我们发现带交叉前后形变值有一个明显的变化,即从γ～0°向γ= -60°改变。这一方面体现了Cs核的γ软性,另一方面我们可以得到结论,带交叉后的旋称劈裂与带交叉前相比应当有明显的缓和,这与实验结果是非常符合的。之后我们对12以上两个组态进行了CSM的计算,得到了带交叉频率,并与实验值进行了比较,从而结合多重证据确定了组态指定的正确性。为了获得一些系统性的结论,我们对Cs、Cs也进行了同样的计算,分别获得了两核的核实以及1/2[550](1h)、3/2[422](1g)组态带的一准质子态和三准粒子态的形变值。看到了Cs、Cs、Cs共同的特征:对于形变极软。并且随着准中子的顺排,γ形变值向γ= -60°方向变化。我们发现对于ε形变而言,Cs > Cs > Cs。因为这一原因,又根据Nilsson轨道的上斜形状和下斜形状解释了在 Cs核中g [404]9/2态未被观察到,而在Cs核中d[420]1/2态则未被观察到的事实。同样对Cs、Cs也进行了CSM的计算,得到了带交叉频率。并与实验值做了系统的比较。

关键词：形状驱动 γ软核高自旋态 TRS计算 CSM计算

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于形状驱动的多扩展目标跟踪及分类方法

基于形状驱动的多扩展目标跟踪及分类方法

作者：李方迪江南大学

学位级别：硕士

随着传感器分辨率的提高,一个目标可以占据多个分辨单元,这样的目标被称为扩展目标。近年来,扩展目标跟踪的研究受到了国内外研究学者的广泛关注。尤其是随机有限集(Random Finite Set,RFS)的出现,被广泛应用于多扩展目标跟踪中,解决了... 详细信息

随着传感器分辨率的提高,一个目标可以占据多个分辨单元,这样的目标被称为扩展目标。近年来,扩展目标跟踪的研究受到了国内外研究学者的广泛关注。尤其是随机有限集(Random Finite Set,RFS)的出现,被广泛应用于多扩展目标跟踪中,解决了复杂环境下目标数目未知且变化的多扩展目标跟踪问题,还将此类技术应用到了民用、军事、医用等领域。虽然多扩展目标跟踪技术得到了进一步发展,但量测难以有效划分和不规则形状估计问题仍然是扩展目标跟踪领域的重点和难点问题。本文围绕随机有限集在扩展目标跟踪中的应用,重点解决了紧邻目标量测集划分与跟踪、未知新生目标预测、航迹关联等问题,取得的主要成果如下:1.针对多扩展目标跟踪中,出现的紧邻目标量测集划分和后续的跟踪问题,提出了一种基于B样条形状驱动的概率假设密度(B-spline Shape Driven Probability Hypothesis Density,BSD-PHD)滤波方法。该方法首先针对传统形状选择划分算法(Shape selection partitioning,SSP)遍历量测集候选位置时出现的时间复杂度高的问题,引入了核密度估计(Kernel density estimation,KDE)方法寻找候选位置,并且使用B样条形状匹配策略选出最佳划分方案,提出了BSD-KDE-SSP方法。之后,针对目标出现紧邻或者交叉运动时,仅采用目标的位置信息对其更新,出现的漏跟、错跟等现象,使用该算法中的B样条形状匹配策略对其更新,便可提取出正确的目标状态,而后可以较准确提取出目标的形状类别信息。实验表明,BSD-PHD-SSP能有效提高算法的效率,实验中还将BSD-PHD滤波算法分别与ET-GM-PHD、高斯逆威沙特PHD(Gaussian inverse Wishart PHD,GIW-PHD)进行了比较,该算法在不改变其它参数值的基础上,能够更准确估计出目标的运动、形状以及形状类别信息。2.针对多扩展标跟踪中,高斯混合滤波算法的计算量大,新生目标未知问题,提出基于关联矩阵的多扩展目标跟踪算法。传统的ET-GM-PHD滤波方法,在每个时刻的滤波中,要对每一个高斯分量进行量测遍历更新,严重影响了算法的运算效率,而提出了基于关联矩阵的多扩展目标跟踪算法。该算法中将目标量测状态与预测高斯分量状态的关联矩阵引入滤波方法中,将量测与高斯分量状态相似度高的分量保留,其他未进行更新匹配分量可能是杂波分量,可直接舍去,有效提高了算法的执行效率。运动过程中有目标新生时,关联矩阵中目标量测列存在新生目标量测集,经过多个时刻的判别,确定为新生目标提取出来。实验表明,关联矩阵既可以提高算法的运行效率,同时可以完成对未知新生目标的识别。3.针对多扩展目标跟踪中,不能提供准确的航迹关联信息,提出了两种滤波框架下的高斯分量航迹标签关联算法。首先,在BSD-PHD滤波框架下引入高斯分量标签,解决了多扩展目标发生紧邻或者交叉运动时,无法准确提取出目标的航迹信息的问题。然后,在基于关联矩阵的BSD-PHD滤波框架下引入高斯分量标签,解决了高斯分量数目迭代增多,计算量大的问题,还将高斯分量标签引入目标自适应框架中,解决了新生目标的航迹估计问题。实验表明,提出算法在扩展目标的航迹提取方面有良好的效果。

关键词：多扩展目标跟踪随机有限集形状驱动核密度估计关联矩阵航迹标签

基于分布式多传感器融合的多扩展目标跟踪方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分布式多传感器融合的多扩展目标跟踪方法研究

作者：徐梦凡江南大学

学位级别：硕士

基于分布式传感器下的多扩展目标跟踪的研究,是目标跟踪中的一个重要课题。该技术在各个各方面影响着人们的生活,被广泛应用于民用、军事等领域。该课题存在目标新生时间不定、目标紧邻难以分辨、传感器精度影响跟踪精度以及受限视野下... 详细信息

基于分布式传感器下的多扩展目标跟踪的研究,是目标跟踪中的一个重要课题。该技术在各个各方面影响着人们的生活,被广泛应用于民用、军事等领域。该课题存在目标新生时间不定、目标紧邻难以分辨、传感器精度影响跟踪精度以及受限视野下传感器融合误差等问题。因此,本文在扩展目标高斯混合滤波(Extended Target Gaussian mixture PHD,ETGM-PHD)框架下,展开了基于位置和形状信息的关联算法和分布式多传感器多扩展目标跟踪相关算法的研究,取得的主要成果如下:(1)针对多扩展目标跟踪中,新生目标无法自适应新生问题和紧邻目标容易错误区分的问题,提出基于位置和形状信息的关联算法。在随机有限集框架下,目标的量测存在顺序、数目不定的问题。ET-GM-PHD滤波方法为了防止漏跟,需要将所有目标量测与预测分量进行遍历更新,计算量随时间呈指数暴增,算法效率较低。本文计算出基于位置和形状信息的关联矩阵,对矩阵信息进行处理,可大大减少后续分量数并能提取出新生目标。当目标紧邻时,通过关联的形状信息还可以较好地跟踪紧邻目标。实验表明,关联算法可以自适应未知新生目标,正确匹配紧邻目标,以及提高算法的运行效率。(2)针对传统的基于GCI(Generalized Covariance Intersection,GCI)分布式多传感器融合方法,其跟踪精度易受单传感器探测精度影响的问题。传统的GCI方法两两融合所有目标分量,无论是否属于同一目标,会导致融合结果误差;低权重的融合结果直接去除,无论目标是消失还是漏检;高权重的融合结果也可能错误融合紧邻目标。提出一种改进的基于标签高斯混合滤波的分布式多传感器多扩展目标跟踪策略。基于关联算法得到可靠的目标轨迹标签,同轨迹标签目标直接融合防止估计状态失准,不融合的目标保持下一轮滤波,以保留仅在单传感器中的目标,或是漏检目标。实验结果表明,提出的改进算法较之于传统算法在跟踪性能上具有明显的提升。(3)针对在受限视野场景下,传统的分布式多传感器融合跟踪算法容易错跟、漏跟的问题,本文基于标签高斯混合滤波器,提出了一种更加鲁棒的分布式融合算法。传统的有限视野处理,对不同传感器目标分类,只用匹配算法匹配公共视野的目标,而忽略不同视野下的目标,会引发航迹标签不匹配和融合错误。本文重点关注影响标签赋予的目标新生和消失时刻。提出的鲁棒的分布式融合算法,使公共视野的目标第一时刻新生;目标疑似新生,可能是跨视野运动,若在传感器间匹配上,则非新生目标;同理,目标从公共视野到单视野会在邻居传感器内疑似消失,利用(2)中的策略,可以在邻居传感器维持航迹。实验结果表明,本文提出的算法可有效跟踪多扩展目标,较之于传统算法具有更好的鲁棒性。

关键词：多目标跟踪形状驱动广义协方差交集分布式多传感器关联矩阵

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

形状引导的过程式植物建模

形状引导的过程式植物建模

作者：刘志浩中国科学院大学(中国科学院深圳先进技术研究院)

学位级别：硕士

植物是现实环境和数字化场景中的重要组成元素。随着计算机图形学技术的日益进步,植物模型被大量应用于电子游戏、影视作品、城镇和园艺设计等场景中。但由于植物通常具有复杂的几何结构,因此如何进行高效逼真的植物建模一直是图形学领... 详细信息

植物是现实环境和数字化场景中的重要组成元素。随着计算机图形学技术的日益进步,植物模型被大量应用于电子游戏、影视作品、城镇和园艺设计等场景中。但由于植物通常具有复杂的几何结构,因此如何进行高效逼真的植物建模一直是图形学领域的重要课题。基于规则和数据的植物建模方法往往面临规则参数设置复杂、植物外形不易控制和建模技能门槛高等问题。而现有的交互式植物建模方法虽然支持普通用户设计植物造型,但是大多基于二维草图实现,导致无法推断可靠的三维深度信息。就公开文献来看,本文在国内外首次将虚拟现实与深度学习技术应用于植物三维建模,并根据不同类型的形状约束提出了三种新的植物三维建模方法。这些形状驱动的植物建模方法的共性是用户只需要关注植物的整体外形特征,而逼真的内部植物细节模型则通过过程式建模算法基于外形约束自动生成。本文的主要贡献如下:1.提出了一种二维形状驱动的植物建模方法。该方法结合了深度学习与过程式植物建模技术,通过将从二维推断三维信息的问题转化为图像间的翻译问题,实现了可靠的三维深度估计。首先,该方法使用神经网络从二维的植物轮廓草图和主枝干线条中预测两种特殊的深度图像,并据此恢复植物的三维外部轮廓和主骨架。接着以主骨架为基础,完整的植物模型则通过过程式建模算法在三维轮廓内自动生成。此外,本文还将该方法扩展以解决基于单幅图像的三维植物重建问题。2.提出了一种三维骨架驱动的植物建模技术。该方法作探索了虚拟现实技术在植物建模中的应用。通过使用沉浸式VR设备,结合三维手势实现了对植物骨架的直接三维控制。该系统允许用户使用手柄直接绘制三维的骨架结构,并且支持对植物的任意部分进行灵活的修改和编辑。这种沉浸式的直接三维交互克服了传统建模软件在建模时的繁琐操作。此外,该方法还提供了画刷等高层语义工具来指定植物骨架的生长趋势,用来批量生成植物枝干。3.提出了一种三维轮廓驱动的植物建模技术。该方法结合三维手势,使用更少的交互实现了通过设计植物的三维轮廓来进行交互式植物建模的方法。用户首先将目标植物的树冠区域拆解为若干简单的轮廓包体并用手势逐个绘制,而最终的植物模型则通过过程式建模方法自动生成。该方法的优势在于可以充分发挥人类的观察力和创造力,即用户可以最大限度地将复杂的植物结构抽象为简单的三维几何形状。此外,该方法支持用户用手势来操作和编辑已经创建好的轮廓形状。实验证明本文提出的几种形状引导的植物建模方法能够有效帮助用户进行高效的植物造型创作,并可以充分激发用户的想象力和创造力。

关键词：植物建模深度学习虚拟现实形状驱动