TD-SCDMA系统中的载波频率估计方法

提出了一种用于TDSCDMA系统的频率估计方法,该算法利用TDSCDMA系统中的导频序列,通过最大似然函数进行数值估计,并且利用一系列的频率自动调整策略使估计值较为准确、较为收敛。在AWGN和多径条件下的仿真结果均表明,该算法具有比较理想的估计准确度和稳定性,尤其是结合使用自动调整策略算法后,该算法具有更优的估计性能,这说明该算法十分适合应用于TDSCDMA通信系统中     

园区供热管网泄漏工况建模及分析

为提高供热系统的安全性及故障诊断系统的准确性,依据图论理论对某园区供热管网泄漏工况进行水力特性建模,并通过管网能量平衡方程求解不同工况下的用户室内温度.分析了不同泄漏工况对供热管网水力工况和热力工况的影响.研究结果表明:供热管网中任意点发生泄漏故障均会对系统水力特性产生影响,并且泄漏点距离循环水泵越近对供热系统管段流量影响越大;供热管网水力特性的变化将会对热力特性产生耦合影响.本研究可为供热管网泄漏事故预判及故障诊断等提供参考依据.     

基于深度学习的障碍物检测与深度估计

提出了一种针对交通场景的基于深度学习的障碍物检测与深度估计方法。该方法对现有的YOLOv3模型进行改进,使用DenseNet网络代替原网络尺度较小的传输层,得到一种新的障碍物检测模型Dense-YOLO。然后采用立体匹配模型PSMNet得到双目图像的视差图,根据双目测距原理对被测目标深度进行估计。在KITTI数据集和实际交通场景中的实验结果表明,与YOLOv3模型相比,Dense-YOLO模型有效地提高了交通场景中障碍物检测的可靠性和正确率,对轿车、行人、骑行者和卡车这4类障碍物检测的平均精确率（average precision, AP）提高了3%～5%,平均精确率均值（mean average precision, mAP）提高了约4%。障碍物深度估计结果与真实值的平均相对误差约为3%。     

基于神经网络结构搜索的目标识别方法

针对目标识别需求,对基于神经网络的深度学习方法展开研究。由于深度学习模型中包含了对数据的先验假设,因此人工设计神经网络需要领域内专家丰富的先验知识,且具有劳动密集与时间成本高的缺点。为了获得超越专家个人经验、表现更好的网络,采用一种可微神经结构搜索的高效结构搜索方法,将搜索空间放宽为连续的空间,然后通过梯度下降来优化体系结构的验证集性能,从而找到面向目标识别的最优神经网络结构。仿真实验结果表明,将基于神经网络结构搜索的目标识别方法应用于"低慢小"类目标识别是可行的。     

反式聚环戊烯橡胶在轮胎胎肩胶中的应用研究

对合成的3种不同相对分子质量的反式聚环戊烯橡胶（TPR）用于轮胎胎肩胶进行了研究,结果表明：与使用天然橡胶（NR）及顺丁橡胶（BR）/NR并用胶相比,TPR硫化胶的回弹性、老化性能、耐磨性和低温性能优异,耐疲劳性能好,动态生热低,滚动阻力小,抗湿滑性稍差,拉伸强度和撕裂性能较差;TPR/NR并用硫化胶与NR相比物理性能有所改善,耐老化性、耐磨性和低温性能优异,回弹性、耐疲劳性及动态生热相当,滚动阻力小,有较好的动态力学性能。相对分子质量较低的TPR2具有较佳的综合性能,TPR不适合单独应用于轮胎胎肩胶,其与NR并用具有较好效果。     

高中数学课型构建与实例分析——以《直线与圆的位置关系》为例

目前高中课堂中的数学课型有概念课、评讲课、知识型课、习题课;选取知识型课为研究对象,从创设情境、引入新知,精选例题、巩固知识,变式迁移、拓展知识,总结方法、归纳知识,课后思考、升华知识这5个方面进行数学课型构建,打造高效的高中数学知识型课堂教学;通过高效的高中数学知识型课堂教学,提高数学课堂教学的效率,完成数学课堂教学目标。     

物联网人工智能工程创新实践体系教学研究

物联网人工智能得到越来越多企业重视,也出现了很多应用性细节不能突破创新的问题。为了解决工程实践教学在创新教育方面的不足,设计了工程化创新实践教学体系平台。该平台设计方法主要包括了场景化教学模式、教学方案和硬件设计等。首先,针对工程化教育存在的问题提出创新实践教学框架,包括场景化实践教学模式等内容;然后,详细介绍了智能家居和智能门锁场景实践案例教学方案,包括实践课程内容和实践教学案例;最后,在阿里、庆科云的平台上进行实践教学硬件平台的设计与开发,包括教师教学实训硬件平台、实验室建设规划和实践教学数据存储硬件平台等。该平台为人工智能提供了全新教学方案、大量真实数据和真实项目教学案例,为人工智能教学提供了整体建设思路方法,对于提高大学生实践创新能力具备重要作用。     

光MIMO-OFDM预编码矩阵优化

由于水下非成像光多输入多输出正交频分复用(multiple input multiple output-orthogonal frequency division multiplexing,MIMO-OFDM)通信系统采用强度调制-直接检测的通信方式,缺失频率和相位分量,不同光源的光束在接收端相互叠加,因此其信道相关性强,误码率(bit error rate,BER)高。针对这一问题,提出一种基于非成像光MIMO-OFDM接收信号欧氏距离的预编码算法。假设发送端预知信道状态信息,在满足光信号非负性和总功率受限的约束下求解最优预编码矩阵,通过对不同光源分配不同的功率实现最大化接收信号的最小欧氏距离。系统发送端通过预编码矩阵对信号进行预编码,接收端通过最大似然方法对最大化欧氏距离的接收信号进行解码。仿真结果表明,与基于奇异值分解的光MIMO预编码算法相比,提出的算法在总功率不变的前提下,进一步降低了非成像光MIMO-OFDM系统误码率。     

原始数据压缩对简缩极化SAR极化信息的影响

简缩极化(compact polarimetric,CP)合成孔径雷达(synthetic aperture radar,SAR)是近年发展起来的一种特殊极化SAR,为了降低原始数据率,需要进行数据压缩,压缩误差将影响数据的极化信息。利用仿真数据,在不同信杂比下研究了当前普遍使用的4 bit截取、83分块自适应量化(block adaptive quantization,BAQ)和84 BAQ3种压缩方法引入的极化失真,并比较了简缩极化SAR不同工作模式对压缩噪声的敏感性。定义了一个指标以评价简缩极化SAR数据的极化精度。仿真结果表明,在信杂比远高于40 dB时84 BAQ性能最佳,83 BAQ性能最差,其他信杂比下3种压缩方法性能趋于一致,而π/4模式对压缩噪声的敏感性最强。     

基于规则的依存树库错误自动检测与分析

尝试将依存树转化为短语结构树, 并基于规则的方法自动检测出人工标注结果中的错误。将该方法应用于已经过两遍人工校对的北京大学多视图依存树库, 从50275个句法树中发现1529处错误, 正确率为100%。进一步, 所有错误可以分为3个层次: 分词错误、词性与句法角色不符、句法角色错标。该方法可以有效提高依存树库的质量, 并且适用于各类型的依存树库。