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。     

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%.     

具有不可靠修理设备的退化系统维修策略研究

研究一个单部件退化系统的维修策略,假设系统故障后不能立即得到修理并且不能修复如新,修理设备在修理故障系统的过程中也可能发生故障,修理设备发生故障后会立即替换一个新的修理设备,特别的,这里的修理时间服从一般分布.在如上假设下,通过几何过程以及补充变量技术建立了系统的偏微分方程,利用Laplace便换得到系统可用度,最后进一步研究基于系统故障次数的策略替换,给出系统平均费用C(N)的精确表达式并且得到使得C(N?)最小的最优替换策略N?,即当系统的故障次数达到N?时将会更换一个新的系统.     

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.     

冷冻保护剂葡聚糖-聚赖氨酸对冷冻皇冠梨品质的影响

为了解冷冻保护剂葡聚糖、聚赖氨酸对冷冻皇冠梨品质的影响,以氯化钙、氯化钙-葡聚糖、氯化钙-聚赖氨酸、氯化钙-葡聚糖-聚赖氨酸为冷冻浸渍液对皇冠梨进行冷冻处理。用无纸化温度记录仪测定冻结时间,分析样品冻结过程中温度随时间的变化,并对冻融后样品进行汁液损失、质构、水分分布等指标测定。结果表明:氯化钙、氯化钙-葡聚糖、氯化钙-聚赖氨酸、氯化钙-葡聚糖-聚赖氨酸浸渍冷冻处理样品通过最大冰晶生成带所需时间分别为12.87、10.12、10.20、7.50min,加入冷冻保护剂浸渍冷冻的样品解冻后汁液损失显著降低(P＜0.05)。冷冻保护剂浸渍冷冻处理组抗坏血酸含量、硬度较氯化钙浸渍冷冻对照组均有所提高,样品液泡水(T₂₃)所对应的峰面积S₂₃也有一定程度的提高。研究结果表明,与氯化钙浸渍冷冻相比,加入冷冻保护剂葡聚糖和聚赖氨酸后能有效降低冷冻对梨细胞结构的损害,减少营养物质的流失,有利于维持产品品质。     

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。     

厚尾噪声条件下星凸形扩展目标student’s t滤波器

针对非线性非高斯厚尾噪声条件下的不规则形状的扩展目标跟踪问题,提出了基于随机超曲面模型(RHM)的星凸形扩展目标student’s t滤波算法.首先,在带有非高斯厚尾过程噪声和厚尾量测噪声的系统中, 基于student’s t分布给出鲁棒student’s t滤波器.其次,利用随机超曲面模型描述任意星凸形扩展目标的量测源分布, 提出带厚尾噪声的星凸形扩展目标student’s t滤波器.最后通过仿真验证了所提方法的正确性和有效性.     

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。