可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

大学英语教学中中国传统文化渗透路径探究

文化与语言有着密切的联系，一定的文化背景知识有助于促进语言应用能力的提高。大学英语教学的同时也应该是对文化的传授，英语教学不仅是语言知识的教授，更应该是文化知识的传播。从多模态视角出发，探究中国传统文化导入大学英语教学的必要性及途径，有助于提高当代大学生的英语识读能力及文化传播的能力。     

视频广告中多模态的隐喻认知建构——以香奈儿可可小姐香水广告为例

在认知语言学隐喻认知角度分析广告文本研究的基础上,本文加入了多模态的分析方法,认为图像、声音等模态的引入使从隐喻角度分析视频广告成为可能。文章通过对视频广告香奈儿可可小姐香水广告的多模态隐喻认知分析,证明了该分析方法是一种有效的了解动态文本认知建构过程的方法。     

独立学院商务英语视听说课程中的多模态教学模式探讨

该文以独立学院英语专业学生为研究对象,将多模态教学模式与商务英语视听说课程相结合,试图找到适合独立学院英语教学资源和效果的最优化的途径,为独立学院商务英语类课程提供启示。     

具有输入量化的信息物理系统的安全控制

针对执行器攻击、量化编码器/解码器参数不匹配和外部干扰的信息物理系统(cyber-physical systems, CPS)，设计一种新型的鲁棒自适应控制器确保其安全稳定运行。基于Lyapunov稳定理论推导出使信息物理系统具有鲁棒H2性能的充分条件，控制器的非线性结构包含两部分：一部分为干扰和量化补偿器，用于消除外部干扰和量化误差的影响，另一部分为基于隐蔽式假数据攻击上界信息的攻击补偿器，用于抑制异常检测器检测不到、未触发警报的攻击。最后，仿真算例结果表明控制器能保证闭环系统稳定并且具有较好的系统性能，说明了方法的有效性。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

基于神经网络的光伏电站气象-功率模型

基于双层前馈神经网络建立光伏电站输出功率与辐照等气象因素间的非机理模型。建立光伏电站输出功率与气象因素的神经网络模型；对功率模型的输入特征进行选择，分析不同气象因素的组合作为输入变量对模型准确度的影响，明确功率模型的输入变量；分析该模型网络的训练算法、隐含层神经元个数及训练次数对模型准确度的影响，据此确定功率模型的最优结构与参数；基于光伏电站的实际数据对功率模型进行验证。结果表明，基于双层前馈神经网络的光伏电站气象-功率模型具有较高的准确度。     

基于Flash技术的手势输入模型

用Action Script 3.0建立了手势输入模型.详细分析了手势图像获取、图像差值混合技术运用、运动区域分析、控制信号产生及输出过程.讨论了为保证控制信号可靠性而采取的一系列措施.