摘要：如何提高地震资料的信噪比和分辨率 ,是地震资料处理中的关键。本文在分析地震共中心点道集的 AVO特性 ,以及不同炮检距信号经过不同路径的地层吸收的基础上 ,发现对于某一时刻的不同炮检距地震信号的不同频率成分 ,可以用多项式描述其与炮检距 x的关系 ,进而提出了基于信号时频分析和多项式拟合的时频域零炮检距地震道拟合技术。同时 ,利用多道信号估算的信噪比来设计的时频域 Wiener滤波器 ,克服了常规多项式拟合技术压制噪声能力不足的缺陷。

摘要：烟、雾、霾、浑浊海水等散射介质对穿过它们的光线有散射作用.在散射环境下,通过成像系统获得的图像都会有一定程度的退化,为提取场景内的有效信息带来困难.因此,研究穿透散射介质成像,提取有效的场景信息,对于科学研究和工业应用都有着重要的价值.关于穿透散射介质成像,学术界已经提出了多种模型和算法,大致可分为主动式方法和被动式方法两类.被动式方法主要以自然光为照明手段,对自然光的传播路径建模,求解相关参数以获得场景信息,其缺点是不能用于无光或暗光的场景.为此,研究者提出主动式方法,主要包括结构光扫描、主动偏振光以及时间门等.这些传统的成像方法存在光照不足、需要扫描或需要复杂的成像设备等问题.计算摄像学领域近年来提出的瞬态成像技术能为解决上述问题提供新的思路,因为瞬态成像技术在传统的成像技术的基础上增加时间维的信息,使得许多用传统成像技术无法观测的场景属性可以被理解和获取.文中提出一种基于瞬态成像技术的穿透散射介质成像的方法,将常用于计算机视觉和计算机图形学的单次散射模型扩展为瞬态单次散射模型,并设计出偏移拍摄法,以重构场景的深度及纹理.该方法能在散射环境中重构毫米级精度的深度图和较清晰的纹理图.

摘要：在搜救领域中,透过程序完成半自主或自主飞行控制,无人机能够协助救难人员更好地完成救援任务。搜救任务中涉及到多个目标间的搜索,相比于单目标的搜索问题,需要更复杂的算法或是奖励重塑形式,才能改进其稀疏奖励的问题。此外,搜救任务比起一般的强化学习问题,更讲究时效性。如何利用搜救的先验知识对算法进行改进,从而提高完成任务的效率和训练时间,是机器学习应用的研究重点。针对搜救任务背景,研究了无人机在多目标问题下的路径规划问题。基于分层学习的概念对已有的深度强化学习算法进行了改进,提出了适用于多目标任务的深度强化学习算法——MTDDPG。该算法结合环境分区和奖励重塑,利用环境分区对搜救场景进行简化,从而缩短训练时间,再通过奖励重塑的方式提升任务完成的效率,提升了MTDDPG算法在多目标搜救任务上的训练速度和效率。利用程序仿真设计三个实验对算法进行验证,并基于不同的先验信息对环境进行建模实验,对比不同算法在多目标任务中的实验结果。此外,根据先验信息的完整与否,对比MTDDPG在不同先验信息完整度的场景下训练的结果,结果表明MTDDPG在多目标搜救任务上,可以有效地解决搜索问题,完成指定的搜救任务。