SCSI总线技术概述

讨论和比较了不同的ＳＣＳＩ技术,指出ＳＣＳＩ总线从低速到高速,从并行到串行的发展趋势,最后把ＳＣＳＩ接口与其它接口进行了比较。     

层面理论之数据分析技术——最小空间分析法

层面理论重视研究内容的设计,但并没有因此而忽略对数据统计分析的关注。相反,层面理论在数据分析上强调理论构建与概念结构的合理性,力图避免"将统计手段置于理论之上"的纯定量分析技术的固有缺陷。通过其原理、拟合检验、结果解释、分类等几个方面介绍了层面理论中的一种数据分析技术——最小空间分析法(Smallest Space Analysis),并对其中的一些细节进行了讨论。     

The coral grayness in northern South China Sea and its description of interdecadal variation of precipitation in south China

The interdecadal variation of coral grayness in northern South China Sea （SCS） is studied using the annual mean coral grayness in northern SCS from 1789 to 1992 and annual precipitation at Guangzhou from 1908 to 1992 by Singular Spectrum Analysis （SSA）, correlation analysis, Mann-Kendalrs abrupt change analysis and composite analysis. The interdecadal variation of south China precipitation as reflected by the series of Guangzhou precipitation rebuilt with the coral grayness is discussed. The results show that the variation of coral grayness in SCS has significant terms of tendency, much-weighted interdecadal variation and weak interannual variation. There was a century-scale abrupt change of coral grayness at the end of the 1880s that changed from positive anomalies to negative anomalies. The global field of SST difference corresponding to the point of abrupt change was negative anomalies over the SCS and neighboring northern Indian Ocean, most of central and western Pacific Ocean and coastal areas of the northern Atlantic Ocean. The large-scale distribution of SST anomalies is concomitant with the century-scale abrupt change of coral grayness in SCS. Negative correlation exists between the coral grayness in SCS and precipitation in Guangzhou on the interdecadal scale and the interdecadal precipitation in Guangzhou as reflected by the interdecadal data of SCS coral grayness shows that the interdecadal variation of south China precipitation changes significantly from phase to phase. The current study aims at contributing in the effort of identifying alternative indexes for climate change in south China on the interdecadal scale and beyond.     

TDRSS通信业务和信号设计

即将筹建的跟踪及数字中继卫星系统（TDRSS）是国防和载人航天的重要支撑系统。介绍了TDRSS正反向通信链路的信号设计技术，根据K波段单址勤务、S波段单址勤务、S波段多址勤务，在正向链路都选择非对称的QPSK调制方式，I路传送扩频数据，Q路传送测距码；反向链路根据不同的数据组和数据模式，在I路和Q路选择扩频或不扩频，采用对称的QPSK调制。给出了详细的信号表达式及系统设计要点，为工程实践打下了基础。     

基于奇异谱分析的混沌序列降噪

基于奇异谱分析的基本思想，提出一种降低混沌信号中噪声的算法及一种基于噪声奇异谱特性的最佳重构阶次选择方法．对一个混沌时间序列进行奇异谱分析，得到各主分量和经验正交函数，选择合适阶次重构信号，即可得到降噪后的混沌时间序列．数值仿真证实了该算法的有效性．     

集成奇异谱分析和长短期记忆网络的区域海平面变化预测

基于我国首套高精度全球海洋气候数据集（CDRs）,选取季节变化较为明显的黄海作为研究区域,利用奇异谱分析（SSA）对黄海海域海平面异常（SLAs）数据进行了时间序列与时空序列的分解去噪,并结合长短期记忆（LSTM）网络构建了SSA-LSTM组合模型,对黄海海域海平面变化趋势进行预测。结果表明：SSA-LSTM组合模型对时间序列的预测精度显著提高,预测长度5年的均方根误差最小为35.04 mm;在对时空序列的预测中,预测第1年的均方根误差最小为19.68 mm。同时,利用空间模态进行了海平面变化时空分异规律研究,发现黄海海域海平面变化趋势具有高度一致性,并且与季节、纬度显著相关。预计2016年―2025年黄海海域海平面将以每年3.65±0.79 mm的速率持续上升。     

基于SSA的弹头激波信号处理方法研究

针对弹头激波信号混杂其他噪声干扰无法分离时延特征参数问题,利用奇异谱分析(SSA)的自适应滤波特性进行处理,并对嵌入维数和重构主分量数目对分离效果的影响进行了讨论,建立性能评价函数和选择准则来进行优化。仿真结果表明,采用最优参数时SSA能有效提取出噪声条件下激波信号特征。     

使用高斯分布估计策略的改进樽海鞘群算法

针对樽海鞘群算法在求解复杂优化问题时存在种群多样性减弱、易于陷入局部最优等不足, 提出了一种使用高斯分布估计策略的改进樽海鞘群算法(salp swarm algorithm using elite pool strategy and Gaussian distribution estimation strategy, GDESSA)。首先提出一种精英池选择策略, 领导者位置在每次更新时随机从精英池中选择一个个体作为食物源, 增强领导者的探索能力, 丰富种群多样性。其次利用高斯分布估计策略对追随者公式进行改进, 通过拟合优势群体信息, 修正种群进化方向, 增强算法的寻优能力。使用CEC2017测试函数对改进算法进行测试, 并通过统计分析、收敛性分析、稳定性分析、Wilcoxon检验、Friedman检验、Iman-Davenport检验评估改进算法性能。仿真结果表明: 本文提出的改进策略能有效提高算法性能; 提出的改进算法相比其他算法, 具有更快的收敛速度和更好的收敛精度。     

基于变权重奇异谱分析的心律不齐识别方法

现有心律不齐研究多数围绕心电信号中不同频率特性成分的分离展开，而不同子序列的信息量对于最终目标决策的贡献则缺少研究与分析.为增强高贡献度子序列对于分类器的影响，提出了一种变权重奇异谱分析与深度学习结合的识别方法.通过奇异谱分析获得多个子序列，结合各个子序列的奇异值计算随机森林下的基尼系数，并将其作为权重.变权重的序列样本用于训练神经网络模型，更高效地挖掘了有用信息，进一步提高了识别精度，最终的心律不齐识别准确率为98.35%，Macro-F1为97.95%.相对于传统的定值权重，本文提出的变权重识别方法在各个性能指标上均有明显提升.     

基于SSA-BP极端高温天气驾驶疲劳的检测

摘 要：疲劳驾驶是引起道路交通事故的主要因素之一，提高驾驶疲劳检测精度是预防交通事故的有效措施。为研究驾驶员在极端高温天气下驾驶过程中疲劳程度情况，基于生理反馈仪和卡罗林斯卡嗜睡表（Karolinska Sleepiness Scale, KSS）主观疲劳调查方法，采集了本地和外地2类驾驶员在正常天气（35℃以下）、高温天气（35℃~39℃）及极端高温天气（40℃及以上）等3种气温环境下主观疲劳值和生理指标（心电信号与表皮温度）。通过应用皮尔逊相关性分析方法、非参数检验（曼-惠特尼U检验）及配对检验针对各项生理指标进行特征分析。结果表明，在极端高温天气下2类驾驶员主观疲劳值与各项生理指标之间存在相关性；2类驾驶员主观疲劳值和各项生理指标在3种天气下变化存在显著差异；相比于本地驾驶员，在极端天气下外地驾驶员疲劳程度的增加较快。在此基础上，选用麻雀搜索算法(Sparrow Search Algorithm, SSA)优化了BP（Back Propagation ）神经网络预测模型，建立基于SSA-BP驾驶疲劳检测模型，对样本数据进行预测与分类，验证了该模型的有效性。结果表明，标准BP神经网络和SSA-BP疲劳检测精度分别为88.5%、95%，建立的SSA-BP驾驶疲劳检测模型预测效果良好，可为极端高温道路交通安全提供参考与借鉴。