具有强抗干扰性的快速跳频捕获方案设计

滑动相关法和匹配滤波器法是现有的自同步跳频捕获方法中抗干扰性能最强的两种方法,但是,滑动相关法捕获速度太慢,匹配滤波器法系统结构太复杂。为了克服这些缺点,该文对这两种方法进行了深入的研究,从捕获时间的期望值、抗干扰性能以及系统结构的复杂度3方面对其性能进行了全面的对比评价,提出了一种改进的跳频同步捕获方案——"快速出局式捕获"。该改进方案在保持最高级别的抗干扰性能的同时,不仅具有与匹配滤波法接近的快速捕获速度,而且还具有与滑动相关法相当的简单系统结构。     

激活函数可调的神经元模型及其有监督学习与应用

提出一种激活函数可调的新神经元模型(tunableactivationfunction,简记为TAF)模型,并给出这类模型的一般形式.该模型用于多层前向神经网络MFNN时,其激活函数可借类似BP算法进行训练而求得.通过几个具体例子给出了对激活函数进行训练的算法.试验结果表明,采用TAF模型的多层前向神经网络的网络容量和性能,优于采用通常M-P模型的网络.     

爆破地震波时频域分析方法及应用

为了研究各时频域分析方法对爆破振动信号时频特征提取的有效性,设计了仿真试验并对不同时频域分析方法进行了对比分析,验证了自适应最优核分布在最大程度抑制交叉项的同时具有较高的时频分辨能力和分辨精度,是适合爆破振动信号时频分析的最佳方法。应用此方法对实测的单段和多段爆破振动信号进行时频分析,结果表明：多段爆破振动信号出现多个能量峰值,并且峰值能量增大、持续时间延长是振动信号叠加的结果。此方法可从信号能量大小和持续时间的角度对爆破振动信号时频特性进行详细解读,为爆破地震效应的深入研究提供实用的分析技术。     

激活函数可调的神经元模型及其有监督学习与应用

提出一种激活函数可调的新神经元模型（tunable act ivation function，简记为TAF）模型，并给出这类模型的一般形式，该模型用于多层前向神经网络MFNN时，其激活函数可借类似BP算法进行训练而求得，通过几个具体例子给出了对激活函数进行训练的算法，试验结果表明，采用TAF模型的多层前向神经网络的网络容量和性能，优于采用通常M－P模型的网络。     

一种激励函数可调的新人工神经网络及应用

提出了一种激励函数可调的新神经网络模型，和一般ＢＰ网络不同，在学习过程中，不但连接权值可以调节，神经元激励函数也可以调节，以双螺线问题为例，说明如何利用先验知识导出所需的激励函数，并经出网络的训练方法，实验表明，这种新型神经网络对于某些问题具有很强的分类能力。     

具有强抗干扰性的快速跳频捕获方案设计

滑动相关法和匹配滤波器法是现有的自同步跳频捕获方法中抗干扰性能最强的2种方法,但是,滑动相关法捕获速度太慢,匹配滤波器法系统结构太复杂。为了克服这些缺点,对这2种方法进行了深入的研究,从捕获时间的期望值、抗干扰性能以及系统结构的复杂度3方面对其性能进行了全面的对比评价,提出了一种改进的跳频同步捕获方案——“快速出局式捕获”。该改进方案在保持最高级别的抗干扰性能的同时,不仅具有与匹配滤波法接近的快速捕获速度,而且具有与滑动相关法相当的简单系统结构。     

论高等院校的数字化校园与数字化教育

目前普通高等教育面临一场数字化挑战,能否驾驭数字化是关键的关键.在高等教育逐步实施数字化的同时,建立高等院校的数字化校园就是赢得这场挑战的战略,其潜在的效益是不可估量的.本文从这个角度,针对数字化校园、数字化教育和在高等院校建立数字化校园的意义、如何建立和利用数字化校园等问题进行了论述.     

对称α稳定分布噪声下基于Kalman滤波迭代信道估计

为了提高加性脉冲噪声衰落信道环境下的通信传输性能,提出了一种适用于对称稳定分布噪声的基于Kalman滤波的迭代信道估计方法。该方法利用时变信道的先验统计信息将信道建模为一阶自回归模型,并将最小分散系数准则应用于Kalman滤波信道估计方法中,从而更充分地利用了时变信道和非高斯噪声的先验信息。在较为严重的时变脉冲信道下,该方法比最小平均p范数估计方法性能要优约2 dB。仿真结果表明:该方法能消除脉冲噪声和稳定分布二阶矩不存在等不利因素的影响,能快速准确地跟踪并预测时变信道的变化,且性能显著地优于传统的最小均方误差和最小平均p范数信道估计方法。