联合功率域SPMA协议的动态阈值算法

针对基于优先级概率统计的多址接入(statistic priority-based multiple access, SPMA)模式协议在高负载情况下战术信息的碰撞概率十分严重, 网络性能无法满足协同攻击要求的问题, 本文借鉴非正交多址接入技术在功率域上区分同时同频信号的思想, 改进SPMA协议信号发送机制与多优先级检测机制, 在原有的时域、频域基础上引入功率域, 提出一种联合功率域的SPMA协议性能改进策略。并针对各优先级数据包到达率的动态变化场景, 设计动态阈值算法, 以达到降低碰撞概率, 提升网络吞吐量的目的。仿真结果表明, 采用该改进策略与动态阈值算法可以使网络承载更大的业务流量, 提高网络吞吐量。     

基于互信息的宋史语料库词表的提取

基于统计语言模型,对《续资治通鉴长编》进行了统计分析.根据互信息特征抽取候选字串,通过人机交互确定其是否构成词,然后动态修正相关字串的互信息值,逐步建立宋史语料库词表.实验中据互信息阈值抽取候选字串6 500个,根据汉语大词典确定是词的有3 694个,占56.8%.结果表明互信息法是建立古汉语语料库词表的有效辅助手段.     

LSF标量格型混合量化

为了降低线谱频率(LSF)参数矢量量化器的搜索复杂度和码字存储单元,利用格型矢量量化的优点,设计了一种适合LSF参数量化的标量格型混合量化器。该量化器对LSF参数的预测残差矢量的第一、二个参数进行标量量化,余下的参数则利用格型矢量量化,从而降低了搜索复杂度和码字存储单元,与G.729协议所使用的LSF量化技术相比,有一定的改进。     

杭州市科技竞争力及在18个城市中的地位评价

科技竞争力是衡量区域科学技术对社会和经济发展推动作用的一个重要依据,课题组根据2005年各地统计年鉴（2004年度数据）,对杭州市科技竞争力与14个副省级及苏州、无锡、温州等18个城市进行了比较研究,杭州市科技竞争力得出如下评价结论。     

基于计算机视觉的汽车流量检测统计

利用计算机视觉和图像处理的方法对交通路口通行车辆进行流量统计.首先,由摄像机视场的标定原理和标定公式,得到了摄像机成像平面内的像素距离与实际三维空间距离的对应关系;然后,采用基于光流场的车辆检测方法,对所有经过设置的虚拟线圈的车辆进行实时检测和信息提取;最后,对提取的车辆信息进行统计和计算,得到实时路况信息.实验结果表明,该算法具有较高的检测概率,能够满足系统的精度和实时处理要求.     

统计模型在污水处理厂试运行评价中的应用

运用进、出水时间序列的统计学模型对南京城北污水处理厂试运行状况和稳定性进行综合评价,并对实时监控数据进行了分析和验证。针对试运行期间出现的问题,提出长期和短期的整改措施和建议,为污水处理厂后期运行提供参考。     

分布式声传感器井中背景噪声统计特性分析

分布式声传感器技术(DAS: Distributed Acoustic Sensor)是一种新近提出的高精度勘探数据采集方法,受制于复杂背景噪声的影响,DAS记录处理水平有待进一步提高.针对上述问题,采用基于替代序列的时间序列平稳性检验方法和Lilliefors检验法对DAS记录中复杂背景噪声的平稳性和高斯性进行研究....     

闽西苏区调查统计的历史考察

第二次国内革命战争时期,毛泽东同志十一次赴闽西、三进才溪,开展广泛深入的社会调查。在他的示范带动下,广大苏区干部积极投入到调查工作中去。通过调查研究,创造性地把马克思主义普遍真理与中国革命具体实际相结合,促使土地革命路线、方针、政策更趋完善,初步探索出适合中国国情的革命道路,正确回答了在国内革命战争的环境下,农村革命根据地建设不仅是必要的而且是可能的这一重大问题,推动了党的群众路线的形成和发展。并在铸就中国统计之魂,开创红色调查统计事业新局面,开辟中国调查统计发展新路等方面,作出了不可磨灭、历久弥新的重要贡献,成为中国统计人赓续红色基因,再创“第一等”统计工作的宝贵精神财富。     

基于三维点云数据的集料颗粒棱角性量化评价

集料颗粒的棱角性是决定沥青混合料路用性能的重要因素.文中首先搭建了基于Gocator 3 D智能传感器的集料三维图像采集系统,获取粒径为9.5、13.2和16.0 mm的玄武岩、花岗岩和石灰岩3种集料样本的三维点云数据;然后采用基于Sobel-Feldman卷积和基于集料表面法线的集料颗粒表面棱角性量化方法进行评价,并...     

模拟信源标量量化的模糊c-均值算法

为改进模拟信源标量量化的收敛速度,将模糊逻辑中的模糊c-均值算法进行适当改造,应用到模拟信源的标量量化过程中,即形成了模拟信源标量量化的模糊c-均值算法。算法将迭代过程中的分区矩阵“元素化”放宽了限制条件。仿真结果表明,新的模糊c-均值算法在选择合适的精度E的条件下,随着分区数目增加和训练序列长度的增加,收敛速度要远优于传统的c-均值算法,同时通过控制参数E,可以在收敛速度和量化失真度量M SE之间进行权衡。