基于无人机平台的电视信号功率检测方法

本文提出了一种电视信号功率辐射检测新方法,用于对电视信号发射系统发射端EIRP进行检测.在硬件上,根据该方法搭建了以无人机为平台的电视信号功率低空辐射检测系统,对电视信号频率和功率进行测量;在软件上设计了电视信号功率路径损耗补偿算法,对数据进行筛选、计算、存储和显示.系统在郑州和石家庄的电视信号塔上的电视信号功率对实际台站进行了测试验证,结果表明,该方法比传统地面辐射检测的测量误差减小5 dB以上,有效地解决了地面检测选址困难的问题,降低了由于复杂环境、设备缺陷带来的检测误差,提高了检测效率和准确性.      

神经网络在项目财务评价上的应用

利用人工神经网络BP算法建立项目财务评价模型,用模糊数学的隶属函数描述评价指标.由隶属函数的峰值和均值组成学习样本训练神经网络,使之具有联想记忆功能,对未在训练中出现的待评价的样本指标也能作出决策,实现项目的财务评价.     

改进的YOLOv4肺结节检测算法

针对目标检测YOLOv4算法在肺结节检测中存在的小目标漏检和肺结节位置失真等问题,设计了一种改进的YOLOv4肺结节检测算法.在原始YOLOv4网络的基础上,将特征融合网络的上采样过程替换为双线性插值法,并采用张量堆叠的方法使顶层的语义信息与底层的位置信息形成更高通道的特征张量.实验结果表明,与原始的YOLOv4算法相比,改进的YOLOv4算法在公开数据集LUAN16上的平均精确度与预测速度分别提高了4.54%和28.1%,可视化结节位置表达更精准.     

基于阶梯形标定物的线激光传感器手眼标定算法

本文设计了一种阶梯形标定物,这种标定物的标定点坐标更容易获取,只需线激光对准一次标定物上的标记点,与球形标定法相比操作更加简单;同时,在阶梯型标定物的基础上,提出了一种线激光传感器手眼标定算法,该算法利用RASANC(随机抽样一致)算法对标定点进行拟合,并利用最小二乘法求解手眼标定矩阵,这种标定算法无需对标定点的坐标进行修正.实验结果表明,阶梯形标定法的精度和稳定性均优于球形标定法,且该方法操作简单,可以满足自动化加工领域的大部分应用.     

出行链与出行方式相互影响模式

通过居民出行调查数据分析,建立递归联立离散选择模型,从出行链至出行方式和出行方式至出行链2个方向,重点分析了工作出行链和出行方式间的相互作用.研究表明,模型通过直接量化出行链和出行方式之间的相互作用,加强了行为机制对预测分析的指导.分析结果表明,出行链至出行方式的影响模式在工作出行决策过程中占主导地位,出行者首先根据个人和家庭的需要将一日的活动和出行组织成以出行链为单位的片段,然后在出行链各种性质的约束下考虑选择何种交通方式.研究结果对出行需求预测和管理有指导意义.     

智能天线与多用户检测的联合抗干扰模型构建

联合抗多址干扰技术是目前移动通信技术研究的热点.将智能天线与多用户检测技术相结合可抑制相干干扰,改善系统的误码率性能,提高移动通信系统的有效性与可靠性,优化无线资源的利用率.提出了采用智能天线接收后进行多用户检测的CDMA系统模型,并引入基于LMS算法的自适应滤波器来消除窄带干扰.Matlab软件仿真结果表明,联合抗干扰模型较好地提升了误码率性能.     

基于改进蚁群算法的集装箱装卸顺序优化研究

为缩短船舶在港时间,提高码头的作业效率,应用改进蚁群算法对集装箱装卸顺序的组合优化问题进行求解。首先结合柔性作业车间调度理论与集装箱装卸过程中船舶和岸桥的实际情形,建立集装箱装卸顺序调度模型;然后针对基本蚁群算法易出现早熟现象和收敛速度慢等问题,通过动态的改变信息素的挥发度与信息素强度,同时按照改进的信息素更新策略更新各路径的信息素,从而跳出局部最优;最后运用C#.NET语言对基于改进蚁群算法的集装箱装卸顺序问题进行仿真与步骤分析,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,能够对集装箱装卸顺序优化,缩短作业时间。     

基于EZW与SPIHT的雷达图像压缩研究

随着技术的发展,雷达图像的大小日益增长,采用传统的图像压缩方案已经无法满足系统要求。因此,本文研究了基于小波变换的压缩方式—嵌入式零树小波与多级树集合分裂算法。对两者的编码解码过程进行了详细推导与介绍。实验对3幅高分辨率雷达图像进行测试,证实了多级树集合分裂算法性能更优。     

混沌人工鱼群的鲁棒保性能控制权值矩阵优化方法

针对鲁棒保性能控制中的权值矩阵依赖经验选取,无法最大限度的减小系统保守性的问题,提出了一种基于混沌人工鱼群算法的鲁棒保性能控制权值矩阵优化方法.该方法中,将保性能控制鲁棒界作为优化的目标函数来寻找最优权值矩阵是整个算法实现的关键.该种改进的人工鱼群优化算法融合了混沌搜索与自适应步长和视野的人工鱼群优化算法,有效的解决了基本人工鱼群算法的后期收敛速度慢、易陷入局部最优等缺点.通过测试函数对比验证了该种改进人工鱼群优化算法的优越性,并通过应用实例验证了该权值矩阵优化方法的有效性.     

基于点权的混合K-shell关键节点识别方法

复杂网络中,评估节点的重要性对于研究网络结构和传播过程有着重要意义.通过节点的位置,K-shell分解算法能够很好地识别关键节点,但是这种算法导致很多节点具有相同的K-shell (Ks)值.同时,现有的算法大都只考虑局部指标或者全局指标,导致评判节点重要性的因素单一.为了更好地识别关键节点,提出了EKSDN(Extended K-shell and Degree of Neighbors)算法,该算法综合考虑了节点的全局指标加权核值以及节点的局部指标度数.与SIR(Susceptible-Infectious-Recovered)模型在真实复杂网络中模拟结果相比,EKSDN算法能够更好地识别关键节点.