浅基础平房建筑冻胀融沉破坏研究与治理

兵团农场连队平房建筑居多，基础埋深一般小于冻结深度，在冻胀融沉条件下出现裂缝、倾斜等冻害破坏现象较为普遍。为此就产生裂缝和局部倾斜原因进行调查分析研究，有针对性的提出七点具体治理措施。     

数据可视化系统中通用数据引擎的设计与实现

数据引擎是数据可视化系统的运行框架，其效率和可维护性直接关系到整个系统的性能和运行成本。针对原有模型开发效率低下的现状，提出了和数据引擎的概念并阐述了其实现技术。     

城市污水一级处理技术分析研究

通过对国内外一级处理技术的分析比较，指出了我国一级处理技术的不足之处及发展趋势，为城市污水厂一级处理设备选型提供了依据。     

W-CDMA连续Pilot专用导码功率动态调整

对连续Pilot体制的宽带CDMA系统，提出了根据信道衰变速率对专用导码功率动态调整，从而提高系统容量的方法。该技术使导码与数据码道功率之比下降，对不同业务模型的系统容量均有不同程度的增加。文中对该方法的机理进行了阐述和推导，仿真和数值计算结果证实了该方法的正确性和有效性。     

扭群^2F4（q）的幺幂子群U^1的自同构

设Fq是一个特征为2的q元有限域,2F4(q)是域Fq上的F4型扭群,它由幺幂子群U1,V1生成,该文确定幺幂子群U1的自同构群,证明U1的任一个自同构ψ都可以表示为对角自同构dx、域自同构ηf、内自同构aσ和中心自同构μc的乘积,即ψ=dx.ηf.σa.μc.     

科技哲学视阈下的科学教育

科学技术从根本上改变了人类的生存方式和发展模式，它是人类能够更好地生活的基本保证，但它并不等于生活的全部智慧。我们应该在系统哲学、生态哲学和技术哲学思想的指引下对如何提高和发展科学教育提出自己的设想，这样，科学教育的质量才会得以提高，全民的科学素质才会得以提升。     

基于参数数据库的CGF实体框架结构研究

框架是软件系统重要的设计元素之一。提出一种基于实体参数数据库的计算机生成兵力实体框架结构，抽取其结构层作为可复用的元素，形成类库模版：将其构件及构件连接关系以参数配置的形式进行描述，形成参数数据库。提出了行为仿真框架SACC，SACC由传感器、动作执行器、控制器、组件连接关系构成，分别用于描述实体的外在行为模型、内在行为模型以及模型间的交互。     

优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MP-EPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。
     

浅谈职校电子技术的理论教学

本文分析了职校机电专业电子技术基础课程不同于其他课程的特殊性及学生特点,并提出了相应的教学思路和方法。     

基于傅里叶系数插值的短波信道迭代频偏估计

针对短波突发通信中存在的频偏问题,结合短波调解器的波形格式以及低信噪比的信道条件,提出了一种基于傅里叶系数插值的迭代频偏估计算法.该算法首先利用离散傅里叶变换(DFT)确定频谱峰值;然后对其结果进行Jacobsen插值,通过对插值结果进行误差分析,得出其方差与训练序列长度及信噪比的函数关系,并依此自适应调节其置信度为0.99999时的置信区间,将其作为精频偏估计的搜索区间;最后在搜索区间内进行迭代,并利用抛物线插值获取更精确的结果.仿真结果表明:对于长度为128、256、512的训练序列,在低信噪比条件下,文中算法均可逼近Cramer-Rao下界(CRLB),特别是在信噪比为0 d B时,两次迭代即可使算法的均方误差与CRLB的比值达到1.005左右.