基于RFE_RF算法的幼龄沉香叶片含水率预估模型

【目的】针对随机森林算法在树木水分预测模型中高维度变量筛选困难及精度较低的问题,研究基于递归特征消除(RFE)与随机森林(RF)的融合算法,构建幼龄沉香(Aquilaria sinensis)可见光图像与叶片含水率的估测模型,探索适合幼龄沉香生长的水分条件,为实现沉香幼苗水分亏缺程度的无损监测提供可行方法。【方法】以2年生的名贵树种沉香为研究对象,用相机获取4种不同水分梯度下的幼龄沉香可见光图像,提取15种图像特征,利用递归特征消除法筛选沉香叶片最优的图像特征子集,然后结合随机森林算法构建沉香叶片含水率的预测模型,最后利用十折交叉验证法,将RFE_RF模型与常规随机森林(RF)以及最小二乘法支持向量机(LSSVM)相比较,检验模型的可行性。利用递归特征消除和随机森林融合(RFE_RF)算法筛选出幼龄沉香叶片图像的标准红光值(I_NR)、饱和度(S)、矩形度(E_R)3个特征,并以此作为模型自变量。【结果】与重度水淹胁迫相比,幼龄沉香对于长期重度干旱胁迫更加敏感,且干旱时间超出2周时幼苗叶片严重受损,威胁沉香生长;沉香最适叶片水分生长范围为50%~65%,适度增加水分,有利于沉香生长。基于RFE_RF融合算法构建的预测模型敏感度、特异性、误报率和精度分别达到88.64%、85. 31%、14. 39%和91.62%,优于LSSVM模型效果;与RF预测模型相比其敏感度提高3.34%、特异性提高10.87%、误报率降低36.83%、精度提高13.39%。【结论】基于RFE_RF融合算法建立的沉香叶片颜色、形状特征与含水率的模型,解决了随机森林过程中高维度变量选择问题,提高了RF在林木水分预测模型中的精度,实现了沉香幼苗叶片含水率的无损估测和诊断,为珍贵树种在经营管理中对水分进行准确管控提供了新思路。     

码分多址信道中的迭代译码及干扰消除技术

提出了一种码分多址在高斯白噪声信道中的迭代译码和干扰消除方案,在译码过程中,每个用户 译码器的输出用来生成用户信号的软预测,预测值通过迭代译码和干扰消除得以改进,直到迭代收敛为 止,然后对用户信号进行硬判决输出,最后,给出了模拟结果*结果表明系统性能将得到改善.     

消除主义、读心术与实验哲学：访斯蒂芬·斯蒂奇教授

斯蒂芬·斯蒂奇(Stephen Stich)教授是美国人文与艺术科学学院院士、美国罗格斯大学哲学与认知科学讲席教授,是美国科学哲学研究的重要代表人物。2018年12月份,斯蒂奇教授受邀访问了北京大学、华东师范大学等高校,通过相关学术活动,他与中国哲学家们交流了彼此的哲学理念与研究成果。受中国现代外国哲学学会知识论专业委员会的委托,我们在厦门大学对其进行了专访,希望借此让读者进一步理解其富有影响的心灵哲学、知识论与实验哲学的研究成果。     

FrFT-OFDM系统中联合ICI自消除方案

针对分数阶傅里叶变换正交频分复用(fractional Fourier transform orthogonal frequency division multiplexing, FrFT-OFDM)系统中由时频双选信道产生的子载波间干扰(inter-carrier interference, ICI)的问题, 提出了一种基于ICI自消除编码和频率偏移补偿的联合自消除方案。该方案运用带有相位补偿的自消除矩阵对信号进行编码, 通过利用FrFT-OFDM系统子载波旋转角度可调的结构优势, 在适宜的旋转角度下进行分数阶傅里叶变换, 对频率偏移进行补偿, 达到在相同编码效率下比传统ICI自消除技术更好的ICI抑制效果。仿真结果验证了该方案的性能。     

零中频接收机的直流偏移消除和自动增益校准

为了精确消除零中频接收机中的直流偏移并快速响应射频接收机增益调整时引入的输入直流偏移变化,提出了一种混合型直流偏移消除电路.该电路结合了模拟型和数字型直流偏移消除技术的优势,在降低输出直流偏移的同时缩短了响应时间.模拟型直流偏移消除电路用于实时地自动消除各级输入的直流偏移,数字型直流偏移消除电路通过自动校准进一步减小接收机的最终输出直流偏移.同时提出了一种接收机增益自动校准电路,能够自动校准零中频接收机I/Q通路的增益失配.采用65 nm CMOS工艺实现了集成直流偏移消除的可编程增益放大器和增益自动校准电路.芯片测试结果表明,放大器最大输出直流偏移为2 mV,增益调整具有严格单调性,自动校准后的输出I/Q增益失配小于0.1 dB.该电路具有响应快、仅需开机自动校准和无需数字基带电路参与等优点,完全满足IEEE 802.11ax-2021等宽带通信接收机的系统要求.