基于双胞循环神经网络的雷达捷变频行为识别

雷达程控捷变频行为具有一定的抗窄带瞄准式干扰能力,同时能够实现测量和动目标指示等功能,给干扰引导带来一定的困难。对此,提出随机频率模板的方法,对雷达程控捷变频行为进行建模,并设计了一种双胞循环神经网络识别程控捷变频行为。仿真实验结果表明,双胞循环神经网络能够有效识别雷达程控捷变频行为,并以一定的概率预测未来的频率序列,能够有效地为窄带瞄准式干扰提供引导。仿真结果也表明,所提网络能够有效记忆和识别一组非线性时间序列。     

基于SDIF门限失效的雷达射频隐身信号设计原理

抗分选信号是射频隐身信号的一个重要方向,其基础是抗分选信号设计原理,其设计的本质是雷达信号分选算法的失效原理。序列差值直方图(sequential difference histogram, SDIF)算法是工程上广泛使用的一种核心分选算法。本文详细分析了SDIF算法,指出其门限函数会在信号脉冲重复间隔(pulse repetition interval, PRI)值服从长度为PRI最小间隔20倍以上的区间分布时失效,并通过公式推导进行了证明。信号仿真、分选系统实验及信号对比实验进一步验证了SDIF门限失效原理的正确性,为射频隐身抗分选信号设计提供了理论支撑,可以提高射频隐身抗分选信号的设计效率。     

基于双导师制的教育研究类毕业论文改革与实践——以井冈山大学化学师范专业为例

通过对井冈山大学2014级至2017级化学师范生教育研究类毕业论文的实施与指导现状调查，发现了存在的突出问题，针对选择教育研究类毕业论文的学生人数偏少、毕业论文缺乏中学老师参与指导、毕业论文研究方法单一、毕业论文整体质量不高等系列问题提出了具体的对策建议。以2018级化学师范生为试点，实行中学教师和高校教师联合指导的“双导师制”，通过毕业论文与教育见习、教育实习及教育研习的紧密结合，实施了毕业论文选题与论证、毕业论文实地调研与实践研究、毕业论文撰写与答辩评审等环节的综合改革。结果表明，教育研究类毕业论文改革显著增强了师范生的教育研究意识，提高了师范生的教育研究能力，为培养合格“教育研究型”师范人才奠定了良好的基础。     

基于改进熵权法和SECEEMD的短期风电功率预测

为实现短期风电功率的高精度预测，综合考虑风电功率数据波动性以及多维气象数据对风电功率预测的影响，提出了一种基于改进熵权法和SECEEMD的短期风电功率组合预测方法。首先，提出了一种综合相关性分析模型，结合多种特征选择方法对多维气象特征实现综合评价，准确筛选与风电功率相关性较高的气象特征，提高预测精度。其次，针对CEEMD(Complementary Ensemble Empirical Mode Decomposition,互补集合经验模型模态分解)存在的分解分量过多，模态混叠程度加剧的问题，提出了SECEEMD分解算法，在降低分量数量，降低模态混叠程度的同时，提高模型的训练速度。然后，分别建立NWP-LSTM和SECEEMD-BP预测模型，并通过贝叶斯优化算法优化长短期记忆神经网络和BP神经网络结构；最后，通过改进熵权法寻找到最优权重组合进行加权组合。实验以内蒙古某风电场的风电功率数据和气象数据为实验数据，经验证，本文所提预测模型，能较大程度提高预测精度，相较于一般预测模型，R2-Score分别提高了4%和0.6%，MAE分别降低了44%和1.1%，证明本文所提风电功率预测方法具有更高的预测精度和更快的训练速度，更加适合进行风电功率预测。