协作通信中一种高性能空时二维RAKE接收算法

将空时二维RAKE接收机理引入异步协作通信系统,提出了一种高性能RAKE接收算法.首先利用该接收机对发送信息进行粗估计,并判决获得估计结果,给出发射信号的各条多径分量;然后将多径分量依次从接收信号中抵消,以消除所接收信号中由多径衰落产生的符号间干扰,从而获得所期望的直达路径分量.对直达路径分量按照空时分组码的合并译码准则进行空时合并,获得空间分集增益.在此基础上通过判决反馈、循环迭代进一步降低误码率.仿真结果表明,当信噪比高于5,dB后,新算法可显著提高传统空时RAKE接收机的性能.     

分层交换波分复用网络中的路由与波长分配

提出了一种运用于分层光交换波分复用(WDM)环中的静态路由与波长分配方法,对于任意给定的业务需求矩阵,在最小化波长数的条件下,最大化波段路径数,从而最小化光端口数目以降低网络构建成本.该方法在构造环算法的基础上,将波段优先函数引入路由与波长分配的计算,在路由与波长分配过程中同时解决波段合并问题.仿真结果表明,所提出方法能够有效减少网络所需的光端口数,从而降低网络建设成本.     

基于MATLAB的Nakagami衰落信道仿真与分析

由于Nakagami衰落能够表示实际中所遇到的大多数衰落环境，因而对基于MATLAB的Nakagami衰落信道进行了分析，并对它的统计特性进行了仿真，包括接收信号的复包络模拟和在具有最大比合并分集下的电平通过率及平均衰落持续时间的性能分析。重点在于理解和建立采用MATLAB进行信道仿真的方法及对Nakagami衰落信道本身统计特性的理解。     

复杂背景下的彩色图像人脸检测

提出了一种复杂背景下使用肤色模型检测人脸的方法.该方法首先对图像进行光照补偿,然后对肤色模型处理后的二值图像进行分割与合并,并结合先验知识提取出人脸候选区域,最后验证人脸轮廓、眼睛和嘴等特征来判断人脸候选区域是否包含人脸.对1 010幅变光照和复杂背景情况下拍摄的彩色人脸图像进行验证,其检测率达到89.7%.     

最优合并算法及证明

提出一种有条件的最佳状态合并算法，并给出证明。     

一种新的简化ID3决策树的算法

决策树简化是决策树学习算法中的一个重要分支。文章以 ID3算法构造的决策树为基础 ,提出了一种高效的简化决策树的算法。算法先序遍历由 ID3构造出来的决策树的各个节点并对其子树进行比较 ,如果各子树的属性都相同而且存在某些相应的分支对于各子树完全相同 ,则改变决策树中相应属性的层次关系并把相同的分支分别合并起来。算法减少了决策树的深度、宽度与叶子数目 ,降低了决策树的规模。尤其对于逻辑表达式的归纳学习 ,简化之后的决策树要明显优于原决策树。     

南海台风LEO 1999的加强机制研究

利用高分辨率数值模拟方法,探讨了南海台风LEO(1999)由热带风暴发展成台风的物理机制结果表明：对流的突然爆发是LEO加强的原因,对流在高层的加热作用使暖心和气旋式流场在对流层高层迅速建立;而中小尺度涡漩合并(或向热带风暴中心的注入)可能是对流突然爆发的触发机制。     

高校合并后图书馆的编目工作探讨

以南通大学图书馆为例,分析探讨了高校合并后图书分类、编目工作规则的制订,数据的规范化管理和数据维护等问题,并提出了相应的对策．     

高精度低消耗CORDIC算法设计

针对CORDIC算法存在硬件资源消耗大、输出精度低等问题，提出一种基于区间合并迭代的改进CORDIC算法.算法在两段式CORDIC算法的基础上，采用区间合并迭代来完成第二阶段的合并迭代运算.针对合并迭代中移位运算产生的截位误差，区间合并迭代通过减少数据移位的大小和次数来减少在合并迭代过程中产生的数据误差和资源消耗．仿真结果表明，改进CORDIC算法不仅保留了两段式算法在低时延上的良好特性，在寄存器消耗上也相比基本算法减少36.8%，相比三段式和两段式算法分别减少14.8%和9.5%.当给定16 bit的输出位宽时，改进算法的平均误差相比基本算法降低37.0%，相比三段式和两段式算法分别降低19.4%和24.5%，因此更适用于高速、高精度、低消耗的现代数字通信.     

基于局部信息的手写汉字笔画提取

现有计算机在指导手写汉字练习与测试中，指导依据大都基于全局特征，缺少基于更细粒度特征。提出一种基于局部信息的手写汉字笔画提取方法，为手写汉字评价与指导等任务提供数据支持。首先提取出汉字骨架并对骨架中的毛刺与断裂等问题进行优化；然后使用PBOD算法提取汉字交叉区域后，对交叉区域进行合并删除，消除笔画形变，通过局部信息计算笔画段的组合系数，根据组合系数提取笔画；最后根据获取到的笔画数与算法迭代次数，动态调整组合系数阈值，保证在正确连接笔画段的前提下提取到更可能多的笔画。将该方法在手写汉字数据集上进行实验，其准确率、召回率与F1值分别达到了95.91%、95.71%与95.81%，可用于后续的手写汉字评判与指导等任务。