城市综合能源系统(urban integrated energy system,UIES)作为城市能源生产、运输、消费的载体,其运行中需要具备充足的灵活性来应对各种不确定波动。从灵活性的定义出发,该文提出基于不确定量波动范围的灵活性调度指标。为降低传统区...城市综合能源系统(urban integrated energy system,UIES)作为城市能源生产、运输、消费的载体,其运行中需要具备充足的灵活性来应对各种不确定波动。从灵活性的定义出发,该文提出基于不确定量波动范围的灵活性调度指标。为降低传统区间数在描述不确定量时由于概率信息丢失而导致的决策保守性,提出采用考虑相关性的多带区间数(multi-band interval number,MBIN)描述不确定量的方法,并通过历史数据和插值法得到连续的累积分布函数。提出以运行成本最小和可容纳室外温度和光照强度不确定波动范围最大的UIES多目标区间优化调度模型。采用区间可能度方法处理含有传统区间数和考虑相关性的MBIN的约束条件,将原问题转化为确定性多目标混合整数线性规划问题。通过一种直接求解多目标优化问题折中最优解的方法,将此问题进一步转化为可以高效求得折中最优解的单目标混合整数线性规划问题。最后,通过一个含有农业-工业-商业园区的实际UIES的算例分析,结果验证所提出模型和求解方法的正确有效性。展开更多
近年来,波段选择在高光谱图像降维处理中得到了广泛地应用,然而常用的数据降维方法并没能将与人类视觉系统相关的信息进行有效利用,如果将人类与生俱来的视觉注意机制能力应用到高光谱图像中目标的视觉显著性特征的增强或识别,对于高光...近年来,波段选择在高光谱图像降维处理中得到了广泛地应用,然而常用的数据降维方法并没能将与人类视觉系统相关的信息进行有效利用,如果将人类与生俱来的视觉注意机制能力应用到高光谱图像中目标的视觉显著性特征的增强或识别,对于高光谱图像的目标检测研究无疑会产生相当的促进作用。研究提出引入视觉注意机制理论应用于波段选择研究,构建面向目标检测应用的视觉注意机制波段选择模型。通过分析计算波段图幅的目标与背景的可识别程度,量化所在波段对地物目标与背景的判别能力,提出了基于目标视觉可识别度的波段选择方法;利用LC显著性算法进行空间域的视觉显著性目标分析,计算背景与目标的显著性差异绝对值,提出基于LC显著目标结构分布的波段选择方法。将这两种方法结合提出的改进子空间划分方法,建立面向目标检测的视觉注意机制波段选择模型,并经高光谱遥感AVIRIS San Diego公开数据集进行目标检测实验验证,结果表明所提出的基于视觉注意机制的波段选择模型对于目标检测应用具有较好的检测效果,实现了数据降维和高效的计算处理。展开更多
This paper addresses the problem of single-channel speech enhancement in the adverse environment. The critical-band rate scale based on improved multi-band spectral subtraction is investigated in this study for enhanc...This paper addresses the problem of single-channel speech enhancement in the adverse environment. The critical-band rate scale based on improved multi-band spectral subtraction is investigated in this study for enhancement of single-channel speech. In this work, the whole speech spectrum is divided into different non-uniformly spaced frequency bands in accordance with the critical-band rate scale of the psycho-acoustic model and the spectral over-subtraction is carried-out separately in each band. In addition, for the estimation of the noise from each band, the adaptive noise estimation approach is used and does not require explicit speech silence detection. The noise is estimated and updated by adaptively smoothing the noisy signal power in each band. The smoothing parameter is controlled by a-posteriori signal-to-noise ratio (SNR). For the performance analysis of the proposed algorithm, the objective measures, such as, SNR, segmental SNR, and perceptual evaluations of the speech quality are conducted for the variety of noises at different levels of SNRs. The speech spectrogram and objective evaluations of the proposed algorithm are compared with other standard speech enhancement algorithms and proved that the musical structure of the remnant noise and background noise is better suppressed by the proposed algorithm.展开更多
基于深度学习的多光谱卫星遥感图像地物分类算法通常选用RGB波段而忽略NIR等波段数据,其网络的特征提取与应用扩展能力有待提升。针对这一问题,文章提出一种基于改进YOLOv5的多光谱卫星遥感图像地物分类方法(即VN-YOLOv5-Seg网络),该方...基于深度学习的多光谱卫星遥感图像地物分类算法通常选用RGB波段而忽略NIR等波段数据,其网络的特征提取与应用扩展能力有待提升。针对这一问题,文章提出一种基于改进YOLOv5的多光谱卫星遥感图像地物分类方法(即VN-YOLOv5-Seg网络),该方法联合RGB与NIR波段数据作为输入,以YOLOv5目标检测网络作为骨干网络,使用ProtoNet网络作为分割头将目标检测转换为像素级的地物分类任务。为了验证VN-YOLOv5-Seg网络的有效性,文章选用GID-15数据集,分别使用RGB波段、RGB+NIR波段作为网络输入进行试验,并将VN-YOLOv5-Seg与其他地物分类网络的分类结果进行对比分析。试验结果表明,在RGB波段基础上引入NIR波段,平均交并比(Mean Intersection over Union,mIoU)提高了2.5%;相较于FCN分割头,mIoU提升了8.1%;相较于PSPNet、DeepLabV3和U-Net方法,mIoU分别提高了2.6%、1.2%和1.4%。试验结果充分验证了方法的有效性,以及引入更多波段信息用于地物分类的必要性。展开更多
文摘近年来,波段选择在高光谱图像降维处理中得到了广泛地应用,然而常用的数据降维方法并没能将与人类视觉系统相关的信息进行有效利用,如果将人类与生俱来的视觉注意机制能力应用到高光谱图像中目标的视觉显著性特征的增强或识别,对于高光谱图像的目标检测研究无疑会产生相当的促进作用。研究提出引入视觉注意机制理论应用于波段选择研究,构建面向目标检测应用的视觉注意机制波段选择模型。通过分析计算波段图幅的目标与背景的可识别程度,量化所在波段对地物目标与背景的判别能力,提出了基于目标视觉可识别度的波段选择方法;利用LC显著性算法进行空间域的视觉显著性目标分析,计算背景与目标的显著性差异绝对值,提出基于LC显著目标结构分布的波段选择方法。将这两种方法结合提出的改进子空间划分方法,建立面向目标检测的视觉注意机制波段选择模型,并经高光谱遥感AVIRIS San Diego公开数据集进行目标检测实验验证,结果表明所提出的基于视觉注意机制的波段选择模型对于目标检测应用具有较好的检测效果,实现了数据降维和高效的计算处理。
文摘This paper addresses the problem of single-channel speech enhancement in the adverse environment. The critical-band rate scale based on improved multi-band spectral subtraction is investigated in this study for enhancement of single-channel speech. In this work, the whole speech spectrum is divided into different non-uniformly spaced frequency bands in accordance with the critical-band rate scale of the psycho-acoustic model and the spectral over-subtraction is carried-out separately in each band. In addition, for the estimation of the noise from each band, the adaptive noise estimation approach is used and does not require explicit speech silence detection. The noise is estimated and updated by adaptively smoothing the noisy signal power in each band. The smoothing parameter is controlled by a-posteriori signal-to-noise ratio (SNR). For the performance analysis of the proposed algorithm, the objective measures, such as, SNR, segmental SNR, and perceptual evaluations of the speech quality are conducted for the variety of noises at different levels of SNRs. The speech spectrogram and objective evaluations of the proposed algorithm are compared with other standard speech enhancement algorithms and proved that the musical structure of the remnant noise and background noise is better suppressed by the proposed algorithm.
文摘基于深度学习的多光谱卫星遥感图像地物分类算法通常选用RGB波段而忽略NIR等波段数据,其网络的特征提取与应用扩展能力有待提升。针对这一问题,文章提出一种基于改进YOLOv5的多光谱卫星遥感图像地物分类方法(即VN-YOLOv5-Seg网络),该方法联合RGB与NIR波段数据作为输入,以YOLOv5目标检测网络作为骨干网络,使用ProtoNet网络作为分割头将目标检测转换为像素级的地物分类任务。为了验证VN-YOLOv5-Seg网络的有效性,文章选用GID-15数据集,分别使用RGB波段、RGB+NIR波段作为网络输入进行试验,并将VN-YOLOv5-Seg与其他地物分类网络的分类结果进行对比分析。试验结果表明,在RGB波段基础上引入NIR波段,平均交并比(Mean Intersection over Union,mIoU)提高了2.5%;相较于FCN分割头,mIoU提升了8.1%;相较于PSPNet、DeepLabV3和U-Net方法,mIoU分别提高了2.6%、1.2%和1.4%。试验结果充分验证了方法的有效性,以及引入更多波段信息用于地物分类的必要性。
