基于3GPP-SCM的智能天线系统信道模型仿真

无线通信信道的空时频特性是决定智能天线系统性能的重要因素。基于3GPP-SCM模型,从理论上对智能天线系统的信道进行了建模,针对3种通信场景,利用数值仿真研究了其空时频相关特性,及对应的波数谱、多普勒功率谱、功率时延谱,对该模型的衰落深度进行了研究。实验结果表明,SCM信道模型能反映智能天线系统空间信道的每次实现的变化特性,且可用于链路级和系统级仿真。     

基于超效率数据包络分析模型的视窗分析

视窗分析作为一种分析效率前沿移动的方法已获得较为广泛的应.而传统的视窗分析中效率评价一般都采用CCR模型,会出现多个时期的决策单元有效的情形,难以对这些决策单元进行全面系统的评价.针对这个问题,借助超效率数据包络分析可以进一步区分有效决策单元的思想,将超效率数据包络分析模型引入视窗分析当中,并利用该方法对福建省九个设区...     

改进的相位梯度法解电离层相位污染的方法

为了修正由电离层时变特性而引起电波信号相位的污染,研究人员开发了大量的算法对回波信号进行去污染。相位梯度法解相位污染是目前一种主要的解电离层相位污染的算法,但是该算法在提取一阶Bragg峰的问题上缺乏自适应的提取算法。在相位梯度法的基础上利用局部熵最小算法和基于功率比的滑窗自适应信号提取算法来其进行优化,利用仿真信号对两种改进算法和原有相位梯度算法进行验证比较。结果表明两种改进后的算法提升了解电离层相位污染的性能,同时提升了整个解相位污染方法的自适应性。此外,根据仿真实验的结果,当信号离Bragg峰更近时,功率比算法优于局部最小熵算法,当信号远离Bragg峰时,两者效果基本一致。     

略论如何用API函数优化VB窗口程序

本文提供了一个利用API函数优化VB窗口程序的实例,介绍了VB开发人员可通过调用API函数,在VB窗口程序运行前调用自己编写的函数,可做到拦截Windows消息,修改某些Windows消息对应的事件或屏蔽掉用户不需要的一些事件.     

智能聚合物包覆型纳米氧化铁的催化性能

针对非均相Fenton反应效率偏低及pH值适应范围窄的问题,设计以智能聚合物调节纳米铁氧化物表面性能.通过原位共沉淀法合成纳米四氧化三铁,并将其表面健合的羧甲基纤维素钠与单体丙烯酸接枝共聚生成具有pH值响应性能的环境敏感聚合物来包覆氧化铁,形成复合纳米颗粒(PAA-co-CMCNa/Fe3O4),研究了复合材料的催化性能.结果表明:pH值在3~7的宽范围内,该复合纳米材料均可在30,min内将210,mg/L的苯酚完全去除,催化降解苯酚的矿化率高达75%,并显示良好的稳定性和重复使用性能,这是由于聚合物层在该范围内的选择性溶胀既有助于纳米磁性材料的分散稳定,又能改善界面传质,从而促进非均相催化反应.     

基于智能手机传感器和SC\|HMM算法的行为识别

在获取智能手机传感器信号的基础上, 提出一种基于谱聚类和隐Markov模型的日常行为识别算法. 该方法利用智能手机获取的加速度、 地理位置和接受信号强度等数据, 结合谱聚类分析和隐Markov模型学习, 能有效地对用户日常行为进行自动识别. 实验结果表明, 在真实的手机数据集中, 该方法具有较高的准确度.     

基于自然语言处理的旅游景区智能讲解系统研究

智慧旅游建设的目的是要用新一代信息技术提升旅游服务水平和改善游客旅游体验。针对现有的旅游景区电子讲解系统缺乏自然语言互动交流能力的问题,研究一种基于自然语言处理和本体知识检索技术的旅游景区智能讲解系统,以便旅游景区能为游客提供自然语音对话式的个性化智能讲解服务。笔者设计了系统的物理架构和逻辑架构,然后分析实现文本向量化处理、命名实体识别、对话策略管理和讲解知识检索等关键技术,最后通过开发、测试系统原型,验证了系统的可行性。     

智能传感器技术的研究进展及应用展望

 随着智能时代的到来,各种智能传感器的研究和应用越来越受到人们的重视。智能传感器在传统传感器的基础上还具有丰富的信息处理能力,能够提供更综合的功能。本文介绍了常用的温度、压力、惯性、生化和RFID传感器的研究现状及其在物联网、虚拟现实（VR）、机器人、医疗健康等产业升级和创新应用中的关键作用,并对智能传感器今后的发展趋势进行了展望。     

基于知识聚合的智慧学习模型及其知识增值分析

智慧学习已经成为全球教育未来发展的重要趋势,成为各国战略发展的重要组成部分。在此背景下,基于知识聚合理论,针对智慧学习中的知识增值问题进行了研究。在梳理相关文献的基础上,分析了智慧学习的流程及其知识聚合的本质,探讨了其非线性化学习过程的特点,构建了智慧学习的框架模式,给出了其知识聚合的3种具体体现;建立了智慧学习中个人学习主体知识获取模型以及知识萃取整合模型,得到了个人学习主体经过一段时间学习后的知识增值描述;以可汗学院为例,对知识增值模型的实现过程进行了阐述。     

基于SC注意力机制和集成学习的冰箱食材识别

近年来,随着智能冰箱技术的不断发展,对冰箱果蔬食材进行精准的类别识别,进而对食材进行保鲜控制,得到了研究者越来越多的关注。目标检测技术依靠深度学习相关技术的发展,也渐渐应用于食材盘点的方法。通过对冰箱果蔬食材特性进行分析,提出了一种基于注意力机制和集成学习思想的YOLOv5和EfficientDet融合的方法。首先对冰箱食材数据集进行了伪彩色图像处理,将SE模块和CBAM模块整合提出了新的SC模块,并引入到YOLOv5s网络中,组成SC-YOLOv5s网络结构;然后将SC-YOLOv5s网络结构与EfficientDetd0网络进行异质集成;最后用集成后的整体网络对尺度有差异但外貌相似的食材进行识别。实验结果表明当IOU阈值为0.5时,在60类果蔬食材测试集上,改进后集成模型的平均最大精确度(mAP)从SC-YOLOv5s的95.88%和EfficientDetd0的83.22%提高到了97.36%,明显提升了对果蔬类食材的检测效果。