摩托车声品质偏好性评价与分析

以摩托车在不同发动机转速下驾驶员耳旁的声样本为评价对象,运用分组成对比较法进行偏好性主观评价实验,并在精确计算评价结果误判率的基础上,通过相关分析和多元回归分析,建立以心理声学参数描述偏好性主观评价结果的数学模型.研究结果表明,响度和粗糙度是影响摩托车噪声主观偏好性的主要参量,与线性数学模型相比,采用非线性数学模型可以更好地表达摩托车噪声主观偏好性与心理声学参数之间的关系.     

地球同步轨道SAR“凝视”成像波束指向控制分析

针对地球同步轨道星载合成孔径雷达(geosynchronous synthetic aperture radar,GEOSAR)"凝视"成像,分析其天线波束指向控制需求,定义天线波束二维指向角,提出天线波束二维步进式指向控制及同步与非同步控制方法,是一种有效地实现GEOSAR天线波束控制的方法。应用成对回波理论分析天线波束二维指向控制对回波信号的影响,波束指向被控造成回波方位向信号的幅度调制,引起成对回波,定量分析波束指向控制步长与成对回波幅度和位置之间的关系,提出成对回波性能指标,为GEOSAR"凝视"天线波束指向控制步长的合理设计提供了依据。最后通过计算机仿真验证了理论分析的正确性。     

针对相关MIMO信道的差分空时块码

针对相关衰落MIMO信道,提出了一种设计差分空时块码的方法,设计准则是使差分检测的平均成对错误概率的上界达到最小。最优的设计需要发射端和接收端的衰落相关性信息,且需要采用数值方法求解。通过忽略接收天线间的相关性可以减小反馈量,并且能得到有闭合表达式的次优设计。仿真结果表明,所提方案改善了系统的误码率性能,而次优设计获得的误码率性能接近最优设计。     

房地产定价中有关问题的探讨

综述房地产定价与房地产估价的不同之处,房地产定价应遵循的工作程序,指出因素成对比较法可以帮助发展商确定各个因素对房屋单元价格的影响程度。     

MIMO-MB-OFDM UWB通信系统中空时频编码技术研究

针对MB—OFDM UWB系统的性能特征,基于理论分析系统的成对错误概率,获知编码增益和分集增益的计算公式,从而得到空时频编码方案的设计准则．在此基础上,提出一种简化结构的空时频编码方案,并分析基于空时频编码的系统传输性能,为提高MB—OFDM UWB系统的性能给出了一个可行的方法．仿真结果表明,相比于传统的未编码的SISO—MB—OFDM UWB系统,该方案具有良好的系统误码率性能．而与8阶正交空时频编码方案相比,该编码方案结构简单,编解码复杂度比较低．     

完成时间限制下的任务-平台关系设计模型及算法

针对指挥控制组织结构设计中任务-平台关系的设计问题,提出了一种使命完成时间限制条件下的问题的设计模型及其求解算法。分析了使命完成时间限制条件下任务-平台关系设计(task platform relation design under mission completion time constraint, TPRDTC)问题的约束条件,建立了以使命执行质量的值最大为目标的问题数学模型。设计了用于求解该模型的循环多动态列表规划(multi-dimensional dynamic list scheduling, MDLS)算法,给出了该算法的详细步骤和流程。最后通过一个联合作战的战役案例,分析并验证了循环MDLS算法对求解TPRDTC问题的有效性和适用性。     

试验设计对假设检验的影响

对于参数性假设检验问题,如何正确建立原假设和备择假设并选择合适检验统计量是学生学习过程中的两个难点问题.针对这两个问题,从典型案例展开讨论,分析了假设检验的立场问题并给出原假设和备择假设的建立原则;分析了成对数据与成组数据的差异,分析清楚条件后再给出正确的检验统计量.     

基于成对测试的GUI测试用例生成方案及实现

在软件开发过程中软件测试的成本很高.其中,测试用例是软件测试的主要组成部分,因此产生合适有效的测试用例是减少软件测试成本的一个主要手段.文章对一个基于成对测试GUI测试用例生成方案及实现展开研究;给出了GUI对象描述、GUI测试用例生成、自动执行以及结果比较的过程;以项目CQMIS为例,使用自动化测试工具QTP,依据所提出的方案实施测试用例生成,效果良好.     

用于LBG初始码书设计的改进PNN算法

矢量量化初始码书对于码书的形成非常重要,为了改善初始码书的性能和提高最终的码书质量,在分析成对最邻近(pair-wise nearest neighbor,PNN)算法与基础上,提出2种改进算法用于LBG算法初始码书的设计。改进的算法将训练矢量的分量和值排序与一次迭代多次融合用于PNN算法中,有效地降低了PNN算法的复杂度,减小了PNN算法的收敛时间。实验证明,该算法具有合理性和有效性,与LBG算法结合可进一步提高码书质量。     

基于跨层精简双线性网络的细粒度鸟类识别

细微的类间差异和显著的类内变化使得细粒度图像分类极具挑战性。为了对鸟类图像进行细粒度识别,提出一种基于跨层精简双线性池化的深度卷积神经网络模型。首先,根据Tensor Sketch算法计算出多组来自不同卷积层的精简双线性特征向量;其次,将归一化后的特征向量级联送至softmax分类器;最后,引入成对混淆对交叉熵损失函数进行正则化以优化网络。提出的模型无需额外的部件标注,可进行端到端的训练。结果表明,在公开的CUB-200—2011鸟类数据集上,该模型取得了较好的性能,识别正确率为86. 6%,较BCNN提高2. 5%。与多个先进细粒度分类算法的对比,验证了提出模型的有效性和优越性。