基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力，使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度，提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先，对跳频信号进行短时傅里叶变换获取谱图。然后，从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明，此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

科技创新、科技产业与科技金融时空耦合分析

选取我国30个省市2008～2017年的面板数据,利用科技创新、科技产业和科技金融三系统耦合协调度模型进行测算,针对各省市三系统耦合协调度进行空间相关性检验.结果显示,我国科技创新、科技产业与科技金融整体处于中度耦合协调水平,且时间上呈现出周期波动的特征,空间上呈现出"东高西低"的态势;长三角地区始终位于H-H区域,而西北地区位于L-L区域.得出如下建议,科技金融应形成支持科技发展的长效机制;地方政府应推出因地制宜的科技金融政策;中央政府应对低度耦合发展集聚的区域给予相应的优惠补贴和鼓励措施.     

基于MSP430的多功能信号发生器设计

针对一般信号发生器存在价格昂贵、便携性差,且在特定场合产生信号针对性不强等问题,基于直接数字频率合成原理设计了一种多功能信号发生器.信号发生器以MSP430F149单片机为控制核心,利用AD9852芯片产生1 Hz～20 MHz的正弦信号及AM、ASK、BPSK、FSK等多种调制信号.整个系统结构紧凑,具有良好的人机交互界面,电路简单,功能强大,具有较好的稳定性和抗干扰性能,使用方便.     

从人格与创新能力的相关性看大学教育中创新人才的培养

人格是影响创新人才成长的重要因素。人格的形成既受遗传因素的制约,也受环境、教育、成熟过程等因素的影响,因此人格既有稳定性,又有可变性。不同的人格特征对于创新能力的影响不同。大学教育中,从人格角度探索创新人才的培养,就是要注重培养学生有利于创新的人格特质,造就时代所需要的创新人才。     

提高热工控制系统生产安全性的措施研究

随着热电厂机组容量的不断增加,热工控制系统的设计越来越复杂。发电过程智能化控制是热工控制系统设计人员必须具备的一项基本技能,热工控制自动化系统通常是通过分散控制系统(DCS)来实现的。本文结合现代工业主流的分散控制系统在电厂自动控制方面的应用,分别从超驰保护、信号选择、限制输出等角度,提出了提高热工控制系统生产安全性的措施。经生产实践检验,热工控制系统运行效果良好,生产安全性显著提高。     

基于Copula函数的土石坝三维坝坡稳定可靠度分析

不完备概率信息条件下边坡稳定可靠度评价是岩土工程新兴的热点问题之一,其关键难点在于如何在不完备概率信息条件下有效地建立符合抗剪强度参数分布特征的联合概率分布模型.在考虑堆石料非线性强度参数不完备概率信息条件下,采用Copula函数建立非线性强度参数联合分布模型,结合径向基神经网络(RBFN)提出了土石坝坝坡稳定系统可靠度分析智能响应面法,并通过实例验证了其可行性与有效性.最后,基于所建的智能响应面,系统研究了Copula函数类型与样本数量对土石坝坝坡稳定系统可靠度的影响规律.     

基于共现分析的分类器链标签序列优化方法

针对分类器链模型采用随机生成方式确定标签序列会极大影响分类器链性能的问题。通过共现分析技术深入挖掘标签间的潜在关系, 提出一种基于贪心算法和n-gram模型的两种标签序列优化策略以提升分类器链模型性能。基于贪心算法的策略通过计算和排序标签之间共现率来生成优化的分类器链标签序列, 而基于n-gram模型的策略则通过最大化标签之间条件概率来生成优化的分类器链标签序列。最后通过多个多标签基准数据集进行实验验证, 实验结果表明, 与当前流行的各种分类器链模型相比, 所提的两种策略很有竞争力, 可以明显提升多标签分类效果。     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

"花瓶"一无所用?独立董事对公司创业导向的影响

近年来,创业导向前因研究的焦点已渐从外部环境转至企业及管理者层面.其中有关管理者层面的因素涉及董事会整体和CEO,鲜有研究考察其他类别董事(如独立董事)对创业导向的影响.基于此,文章整合合法性理论与信号理论,预测和检验独立董事与创业导向的关系.基于信息传输、软件和信息技术服务业A股上市公司2011—2016年的面板数据,实证结果表明,独立董事的存在通过增加企业合法性促进创业导向,当独立董事中存在"学者董事"时,上述关系的强度增强;而企业所在地区制度发展水平较高时,上述关系的强度减弱.文章具有一定的理论和实践意义.