一种面天线单块面板精度的计算方法

本文给出了一种面天线单块面板的计算方法,以面板局部坐标系为公共坐标系进行坐标转换,将面板的测量值转换到理论坐标系下,转换后的测量值与理论设计值之间的偏差即为面板精度。实测结果验证了本方法的正确性。     

铅丝石笼最优吊点位置及吊筋长度分析与计算

铅丝石笼是一种自透水的、柔性的、生态防护结构,广泛应用于河道调治构造物坡脚、公路石质挖方边坡等防护工程中.本研究以某高速公路工程中典型的铅丝石笼构造为研究对象,建立了等效力学模型,用解析法求解了最优吊点的布设位置.并结合工程实践,从受力合理性和经济性角度分析和计算了最优吊筋长度.分析及计算结果表明:采用6点吊装时,铅丝石笼最优吊点位置在距端部U8处,最优吊筋竖直长度在0.7B～1.0B内,为此类防护工程中铅丝石笼的吊装方案提供参考.     

板蓝根多糖对缺乳仔鼠十二指肠形态学的影响

为研究板蓝根多糖对缺乳仔鼠肠道形态的影响,将刚出生的仔鼠,根据不同处理方法分为4组:对照组不做处理,正常饲养;其余3组每天分别灌注0.9%生理盐水、20 mg/kg板蓝根多糖、40 mg/kg板蓝根多糖.在仔鼠0、7、14、21、28日龄时分别取样.通过大体解剖技术、常规石蜡切片、HE染色等方法,经Moticom成像系统测量不同组别仔鼠十二指肠的绒毛长度和隐窝深度,计算V/C值.结果显示:0～21日龄仔鼠使用中浓度板蓝根多糖灌胃可以使其十二指肠绒毛长度显著性增长,隐窝深度降低,V/C值增大;21～28日龄仔鼠高浓度板蓝根多糖灌胃可使其十二指肠绒毛长度显著性增长,隐窝深度降低,V/C值增大;对照组和0.9%生理盐水灌胃组十二指肠的绒毛长度和隐窝深度变化不大,V/C值亦无明显增大.可得结语,板蓝根多糖可以促进缺初乳仔鼠小肠形态发育,使其十二指肠绒毛长度显著性增长,隐窝深度降低,V/C值增大,且板蓝根多糖对缺初乳仔鼠小肠形态发育的促进作用随其日龄增加而增加.     

春节模型的效应期识别方法研究

春节模型的参数设定目前更多依赖于研究者的主观判断.为解决这一问题,本文首先介绍了春节因素调整的一般过程以及模型设定和检验的相关细节.在此基础上,提出一种基于"循环遍历"方式和序贯检验方法来自动选择春节模型的最优参数组合的新思路.并以社会消费品零售总额月度序列的春节模型的最优效应期长度识别为例,检验该方法的可行性和有效性.实证结果显示,基于季节峰值、离群值点、Q统计量、AICC值和BIC值等统计量的序贯检验能够有效识别出春节模型的最优效应期长度,进而改善春节模型的季节调整性能.     

非本原复反射群G(m,p,n)中的反射序

设m，p，n是正整数且p整除m。令G（m，p，n）是非本原复反射群.根据文献介绍了群G（m，p，n）中的一种偏序，称为反射序.文中将研究当1 < p < m时，群G（m，p，n）中的反射序.     

一种非理想全向性覆盖无线网络室内定位算法研究

随着无线定位技术的快速发展,室内定位技术成为人们关注的焦点。然而,大部分基于无线的室内定位解决方案需要花费大量的人力和时间进行位置勘测,而且在实际测量中,天线的非理想全向性覆盖对测量数据的真实性有很大影响。因此,该文提出一种区域定位算法,不需要进行位置勘测,并考虑天线全向性的不足,将测量角度分区间进行讨论,并将收集到的数据运用智能算法找出区域内的特征点,计算待定位点与特征点和AP之间的欧几里德距离,从而确定待定位点的区域。     

短波车载半环天线仿真分析

介绍了短波通信盲区产生的原因和解决途径;对短波车载半环天线及其变形鞭状天线的输入阻抗、最大辐射仰角、方向图、最大增益等参数进行了仿真分析,得出了半环天线用于NVIS通信的最佳工作频段;最后通过对通信频率、通信距离和通信效果的实测,有力地验证了车载半环天线的NVIS通信能力。     

基于粒子群优化的圆阵列波束形成方法

围绕均匀圆阵列(uniform circular array, UCA)在波束形成中存在的波束主瓣宽、旁瓣电平高的问题,提出了一种基于粒子群优化(particle swarm optimization, PSO)算法的圆阵列波束形成方法。通过对UCA的输出信号进行模式空间变换,将UCA数据转换为虚拟均匀线阵数据形式。利用PSO算法充分挖掘均匀线阵各阵元间数据信息,进行阵元拓展,从而实现阵列阵元数及孔径尺度的增加,实现降低阵列波束主瓣宽度及旁瓣电平的目的。实验结果表明,在适当增加计算复杂度的前提下,利用PSO算法对阵列进行阵元拓展可以显著地提高波束形成质量,且适用于自适应波束形成。     

均值张量成分分析及其在步态识别中的应用

针对步态识别中非负样本数据存在冗余,且未经中心化的多线性主成分分析保持聚类结构的特征向量不能对应最大特征值,导致识别效果下降的问题,提出一种保持原始张量数据均方长度的均值张量成分分析算法。该算法首先对原始样本任一模式下内积矩阵进行谱分解,计算该模式下相应的特征值和特征向量;其次,利用获得的特征值和特征向量计算均值向量,并对均值向量值进行降序排列,使较大均值向量值对应的特征向量构成该模式下的低维子空间;最后,将原始样本投影到该低维子空间,形成特征张量。与多线性主成分分析算法相比,该算法不需要对数据去中心化处理,而是保持非负数据均值向量最大均方欧几里德距离和方向。通过在USF步态数据库和TUM GAID步态数据库进行仿真实验,结果表明,经过均值张量成分分析预处理,在2个步态库上的平均识别率分别高达57%和75%,较其他传统方法的识别率有明显提高。