基于卷积神经网络和稀疏滤波的调制识别方法

针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。     

聋人高等融合教育的学习支持服务探究

聋人高等融合教育有利于构建"宽容、无差异"的校园文化与"平等、融合"的社会环境,有助于聋人融入主流社会。融合教育的实施需要完善的支持系统,在分析我国聋人高等融合教育现状的基础上,从学校角度探讨了无障碍学习环境、差异化教学、人员保障方面的学习支持服务,以期为聋人高等融合教育的发展提供借鉴。     

健康中国背景下学校体育与社区体育融合发展的研究

运用文献资料法和专家访谈法对学校体育与社区体育融合发展的必要性,存在的困难,以及如何实现融合发展等方面进行研究.提出要促进学校体育和社区体育的深度融合,党和国家必须有政策大力支持,建立相应的管理制度,学校和社区应该合力举办相应的体育运动,实现二者文化融合,为实现社区体育和学校体育深度融合贡献出一份力量.     

高职院校创新创业教育中工匠精神的培育

工匠精神的时代内涵由传统手工业者具备的价值取向,扩展至各行各业劳动者的敬业奉献精神、追求极致的职业态度以及开拓创新的职业能力。工匠精神与高职院校创新创业教育职业价值观培育相契合,与高职学生创新创业意识要求相切合,与高职学生创新创业精神要求相一致。高职院校创新创业教育中工匠精神的培育路径包括推进课程改革,优化创新创业教育课程体系;深化产教融合,探索"大国工匠"人才培养模式;加强"双师型"师资队伍建设,为工匠精神的培育提供师资保障。     

基于多模态融合技术的用户画像方法

针对当前用户画像工作中各模态信息不能被充分利用的问题, 提出一种跨模态学习思想, 设计一种基于多模态融合的用户画像模型。首先利用 Stacking集成方法, 融合多种跨模态学习联合表示网络, 对相应的模型组合进行学习, 然后引入注意力机制, 使得模型能够学习不同模态的表示对预测结果的贡献差异性。改进后的模型具有精心设计的网络结构和目标函数, 能够生成一个由特征级融合和决策级融合组成的联合特征表示, 从而可以合并不同模态的相关特征。在真实数据集上的实验结果表明, 所提模型优于当前最好的基线方法。     

基于Landsat 8遥感影像融合方法和评价

不同卫星所拍摄的遥感影像对融合算法具有不同的适应性,人们需要根据不同的需求选择不同的融合算法。本文以Landsat 8遥感影像为研究对象,进行全色影像和多光谱影像的融合,同时选择4种影像融合算法,对校正后的Landsat 8多光谱影像和全色影像进行融合处理,并对融合后结果进行定性和定量评价。试验结果表明,Brovey融合算法均值最大为168.266 737,融合效果相对较差;PC融合算法的均值最小为161.863477,影像光谱保真度最好;HSV融合算法信息熵和平均梯度依次为5.286 542、18.826 124,其表达空间细节的能力最佳,但其光谱保真度较差;NNDiffuse融合算法各项评价指标综合效果最好。     

融合码盘和激光雷达的里程计与建图

提出了一种用于自动驾驶汽车的低漂移、低延迟的里程计与高精度建图的算法。该方法融合了多种传感器的测量结果，包括车轮编码器、转向盘转角编码器、激光雷达及可选GPS等的测量结果。里程计算法由车轮里程计和激光里程计组成：前者基于车辆运动学模型，高频、实时估计位姿增量，用于点云去畸变和为后者优化位姿提供可用的初值；后者以较低的频率估计车辆的精确位姿变化，以补偿前者累计的误差，其核心是一种基于角度度量的两阶段特征提取方法。建图算法基于因子图，包含激光里程计因子、回环因子和可选GPS因子，通过增量平滑和建图算法优化全局轨迹，在线生成全局地图，其中GPS因子能够自动对齐GPS坐标系和里程计坐标系，逐步融合GPS测量值，解除了算法初始化过程对于GPS的依赖。所提出的方法在自动驾驶汽车平台数据集上进行了评估，并和已开源的部分相关工作进行对比，结果表明它具有更低的漂移率，在本文进行的最大规模的测试中达到了0.53%。相关代码以开源形式供交流参考（https：//github.com/Saki-Chen/W-LOAM）。     

多星载光学传感器系统误差极大似然配准算法

针对低轨星座协同探测弹道目标过程中存在系统误差的问题，提出多星载光学传感器系统误差极大似然配准（maximum likehood registration，MLR）算法。通过一阶Taylor近似对非线性量测转换线性化，推导出目标状态的误差协方差与卫星轨道定向、姿态角测量和传感器测量等随机误差的关系，并基于视线交叉获得观测在状态空间中的近似投影，从而将MLR算法扩展到低轨星座多光学传感器的误差配准。通过引入各类测量误差的先验信息对目标状态的误差协方差进行修正，利用期望极大化迭代，实现了对系统误差的无偏有效估计及目标轨迹的融合估计。仿真验证了所提算法的有效性，且配准性能优越。