基于深度神经网络的高环境 适应性水声通信系统研究

深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性.     

卡默勒现象意识的幻觉主义分析

卡默勒的幻觉主义理论是现象意识分析中一种不同的声音。其幻觉主义理论认为:现象意识是一个幻觉；可基于相似性理论来解释现象意识的机制，指出现象意识就是外部物理性质经模块处理的结果，其处理过程遵循表象原则、接受喜好原则、配置原则和个例化原则；现象意识的幻觉元是解释现象意识为何强烈的问题。幻觉主义理论为现象意识的分析提供了一个新的思路，但也存在着如特殊心理模块等的理论缺陷。     

多无人机协同探测快速目标的控制方法设计

针对无人机(unmannd aerial vehicle, UAV)对快速运动目标的协同探测问题, 设计了一种多UAV协同探测控制算法。首先假设每架UAV都携带相同的探测载荷, 根据载荷特性设计了针对快速运动目标的UAV协同探测队形。然后引入固定时间控制一致性协议到UAV载荷角度控制中, 控制载荷持续照射目标; 引入有限时间一致性协议到UAV编队控制中, 用以形成协同探测队形, 并通过二跳网络加快队形的收敛。通过将UAV队形控制与UAV载荷的角度控制相结合, 从而实现UAV对快速运动目标探测时间的最大化, 极大的延长了高速运动目标被发现的时间。最终通过理论分析和仿真实验证明了该控制算法的有效性。     

基于蓝牙的多功能台灯控制系统设计

针对台灯的个性化和智能化，设计了一套基于蓝牙的多功能台灯控制系统.首先用光敏传感器检测光照强度，用红外感应传感器检测是否有人，用超声波传感器检测使用者与台灯之间的距离，然后将这些检测信号传输到单片机，单片机将信号与设定值进行对比分析，再判断台灯的开/关状态，调节灯光亮度，对使用者的坐姿和使用时间作出语音提醒等.同时，相应参数实时显示在OLED屏和蓝牙终端，使用者通过蓝牙终端可以对台灯进行控制.与蓝牙的联机测试结果显示，系统功能强大，运行稳定.     

基于布里渊光时域反射技术的断层稳定性监测试验

针对断层稳定性问题,采用BOTDR分布式光纤感测技术对内蒙阿拉善地区贺兰山西麓断层进行了监测分析,研究了自然条件下断层内部应力的变化情况.研究结果表明:贺兰山西麓断层在观测周期内钻孔周围围岩整体发生拉伸变形;断层面附近岩层的应力状态易受断层活动的影响,根据分布式光纤的应变分布曲线能够精确划分出断层活动的影响范围在断层之上9m和之下8m;BOTDR分布式监测技术可以有效捕捉到自然条件下断层微弱活动所引起的应变变化,实现应变的动态实时监测.BOTDR监测技术为长期、精细化评价断层稳定性状态提供了十分可靠的监测手段.     

县域景观特征管理单元划分方法——以武胜县为例

为了解决目前国内景观特征研究多以大尺度为主且以自然条件为基础, 缺少实际管理意义的问题, 尝试从县域层面进行景观特征单元的划分, 并与现有行政管理单元相结合, 提出发展建议。依据武胜县30 m高程、坡度和土地利用数据, 将武胜县域划分为100 m×100 m的栅格网络, 利用 ArcGIS和SPSS进行二阶聚类分析。结果显示, 武胜县可以划分为7类景观特征管理单元, 单元内部自然地理特征相似, 组间差异显著。将武胜县按聚类结果划分为较单一镇域、较单一村域和较复杂村域 3 种不同的管理模式, 并分析较复杂村域的成因, 提出管理策略。最后, 从景观特征保护出发, 对武胜县 7 处建成区提出规划管理建议。     

基于MEMS传感器的助老型机构人体姿态识别方法

研究一种基于MEMS传感器的助老型机构人体姿态识别方法,通过对老人的坐起、卧起、走路、上下楼梯五个动作识别,验证该识别方法的有效性.将7个传感器模块置于老人的腰部、大腿、胳膊等部位,采用坐标变换的方法,将采集到的相关部位四元数信息转化到腰部坐标系下,并组建标准矩阵,提取标准矩阵的均值、方差等特征值,通过基于阈值的两层识别算法快速判断动作类型,并采用支持向量机融合多种特征值作对比实验.实验表明,使用融合后的特征,平均识别率提高了18.4％.本研究完成了老人日常生活中五个动作的识别.     

Curvelet域GPR数据噪声压制与高频补偿方法

提出GPR数据Curvelet域随机噪声压制与高频补偿同步处理方法.首先，将GPR数据变换到Curvelet域，结合其多角度、多尺度的稀疏性，给出随尺度和角度变化的自适应阈值函数进行随机噪声的压制;其次，根据电磁波在完全弹性介质中的传播规律，结合Curvelet的多尺度多角度特性，求取时变补偿因子，倒数加权对应的尺度、角度，补偿高频损失;最后，进行Curvelet反变换，获得随机噪声压制与高频补偿以后的GPR数据.该方法属于完全数据驱动，克服了传统方法人为因素的影响.