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。     

高低温环境航天机构力矩特性测试平台研制

为了测试在太空环境下航天机构中弹性机构的性能指标,研制了高低温环境下测量角度-力矩特性的测试平台.分析测试平台测试原理后,设计了平台的机械结构、设计电气系统结构并搭建软件系统.机械结构考虑对被测对象的保护,针对高低温测试带有高低温箱,可以为被测对象提供-100℃～100℃的温度环境,具有热变形偏差测量与补偿设计,减少温度变化对测量精度的影响.软件系统具备收集、处理、存储数据和图形化显示能力.分析平台不确定度的组成,对传感器进行测试校准并对航天弹性机构进行测试,测试结果验证了:该测试平台的力矩检测范围为0～50 N·m,力矩检测精度≤0.5％FS,角度测量扩展不确定度为U=35.6″,得到了被测对象的角度-力矩特性曲线图.     

基于改进TOPSIS的电力基建项目评价机制与应用

针对现有电力基建项目评审时存在的测评指标不全面、评价结果不合理等缺陷，提出基于改进TOPSIS的电力基建项目质量偏差度评价模型。通过对影响电力基建项目质量评审合理性的因素进行分析，实现项目质量偏差度评价指标体系的构建。采用组合赋权法，使得主客观权重值得到有效的平衡，完成权重组合系数的合理选取。利用余弦相似度和灰色关联分析，完成对传统TOPSIS法的改进。在此基础上，将改进TOPSIS法运用于电力基建项目质量评价工作中，使评审结果的准确性得到进一步的提高。算例结果表明，该模型可有效完善项目质量偏差度评价指标，使得评价结果更加符合实际情况，为电力基建项目的评审工作提供有效支持和决策。     

一类新的随机三项共轭梯度算法

针对经验风险最小化(ERM)这一无约束优化问题,使用随机优化算法.为了提高损失函数值的下降速度,考虑三项共轭梯度法的优点,提出一类新的随机三项共轭梯度算法.并将新算法与经典的随机梯度下降(SGD)类算法和已有的随机共轭梯度算法CGVR进行比较,数值结果表明新算法比SGD类算法在求解ERM问题上更有优势.     

两个新的q级数展开式

利用拉马努金西塔函数，建立两个新无穷乘积系数子列的生成函数，并且得到这两个无穷乘积系数的符号是以5为周期的。     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

基于泰勒级数展开法的船舶水动力数值预报

为减小由大、小时间参数区域划分不明确所导致的三维时域Green函数的数值误差,在大、小时间区域交界处采用泰勒级数展开法对三维时域Green函数进行计算.基于线性叠加原理,采用脉冲响应函数法对船舶辐射问题与绕射问题进行求解.将Wigley Ⅰ型船作为研究算例,数值计算结果表明:本文计算的三维时域Green函数数值精度在大、小时间参数过渡区域内提高了四个数量级,水动力数值计算结果与其他文献结果及试验结果吻合较好,证明了本文所建立的水动力分析模型的可靠性.     

上市公司高管连锁网络与分析师盈余预测精度

以2011~2017年度沪深两市A股上市公司为样本，从私人信息供给的视角，考察企业高管连锁网络对分析师盈余预测精度的影响。研究表明：上市公司网络中心度显著提升了分析师盈余预测精度；当上市公司的公开信息不充分时，其网络中心度对分析师盈余预测精度的提升效果更明显；当上市公司高管与连锁公司其他高管互动机会越多时，其网络中心度对分析师盈余预测精度的提升效果越明显。上述结果表明，上市公司的高管连锁网络上存在泄露的私人信息，这些信息能够被分析师捕获，最终丰富金融市场中的信息供给。进一步研究发现，上市公司高管连锁网络上流动的私人信息包含公开渠道上常常被延迟披露甚至被隐藏的坏消息，有助于纠正分析师的公开信息偏差。研究结果拓展了分析师盈余预测的相关研究，有助于加强对上市公司私人信息流动方式的理解。     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

典型植被的高效电磁全波分析方法研究

(地物的电磁散射特性一直以来在遥感、探测、反隐身等领域具有重要的应用价值。由于地物类型繁多且分布不均匀, 随着计算场景的扩大, 理论模型变的越来越复杂, 计算量也会直线上升。在这种情况下, 现有计算平台和建模能力不足以模拟并准确地得到场景环境较大时典型地物的电磁散射特性, 导致理论模型的预测值与实验测量数据相差甚远。因此, 急需建立一种高效的全波电磁分析方法, 从而能够精确、高效地分析典型地物的电磁散射特性, 为实际大型地面场景特性仿真提供模型与理论支撑。)本文建立了求解TDS、介质的混合积分方程, 采用周期格林函数技术, 实现大场景下典型植被的雷达散射截面积快速计算。