网络化雷达协同抗欺骗式干扰技术研究进展

网络化雷达在战场上可以构成全方位、立体化、多层次的战斗体系,因 此对欺骗式干扰对抗具有很大的优越性。本文首先简要介绍了网络化雷达概念,并分析了其 抗干扰优势。根据网络化雷达融合结构不同,将现有协同抗干扰方法分为数据级融合抗欺骗 式干扰和信号级融合抗欺骗式干扰两大类,其中,数据级融合方法进一步分类为点迹关联和 航迹关联两类。本文对各类方法进行了详细介绍,在此基础上,比较分析了数据级融合和信 号级融合两类方法的抗干扰性能及算法复杂度,为抗干扰措施的选择提供依据。最后,针对 现有方法中存在的问题,对网络化雷达协同抗欺骗式干扰的发展趋势进行展望,指出下一步 的研究方向。     

加强素质能力培养，提高学生核心竞争力

高等职业教育既要遵循普通高等教育的一般规律,也要充分体现职业教育的特殊要求,高素质高技能型人才培养应以能力培养为本位,以综合素质培养为基点,专业能力培养为中心,既要重视高素质教育,也要注重职业技能培养,才能真正实现培养“双高”人才的目标。     

探析低压电网的电力设计与施工

电力建设是我国重要的基础建设之一,可以提高我国居民的生活水平,尤其是在当下飞速发展的社会环境中,生活各方面以及工业各方面都会用到大量的电能,这对我国低压电网提出了较高的要求。但就目前的低压电网电力设计而言,还存在着较大的问题,并且在实际施工中也较容易受到各种因素的影响。因此,就需要电力单位加强人员技能的培训、规范施工管理,确保材料的实用性、技术的可行性,从而为低压电网的运行安全提供保障。基于此,本文对现阶段低压电网存在的主要问题以及相关重点进行分析探讨,致力于提出有助于保障低压电网运行安全的强化措施。     

代码特征自动提取方法

神经网络在软件工程中的应用极大程度上缓解了传统的人工提取代码特征的压力。已有的研究往往将代码简化为自然语言或者依赖专家的领域知识来提取代码特征,简化为自然语言的处理方法过于简单,容易造成信息丢失,而引入专家制定启发式规则的模型往往过于复杂,可拓展性以及普适性不强。鉴于以上问题,提出了一种基于卷积和循环神经网络的自动代码特征提取模型,该模型借助代码的抽象语法树(AST)来提取代码特征。为了缓解因AST过于庞大而带来的梯度消失问题,对AST进行切割,转换成一个AST序列再作为模型的输入。该模型利用卷积网络提取代码中的结构信息,利用双向循环神经网络提取代码中的序列信息。整个流程不需要专家的领域知识来指导模型的训练,只需要将标注类别的代码作为模型的输入就可以让模型自动地学习如何提取代码特征。应用训练好的分类编码器,在相似代码搜索任务上进行测试,Top1、NDCG、MRR的值分别能达到0.560、0.679和0.638,对比当下前沿的用于代码特征提取的深度学习模型以及业界常用的代码相似检测工具有显著的优势。     

一种基于滑动窗口优化算法的行人检测算法

行人检测是计算机视觉中的关键技术之一,在智能交通领域有大量实际应用,如何在提高行人检测精度的同时提高检测速度一直是研究的热点.首先采用基于高斯混合模型的背景建模方法分离出运动目标,将原始视频序列转换为二值图片,得到大量固定大小的训练样本;然后提取样本图片的HOG特征,通过SVM训练得到分类器;接着用固定大小的滑动窗口检测行人,并提出了一种滑动窗口优化算法来筛选检测结果;进而用前景像素密度估算方法调整检测结果,输出最终统计人数,最后实验表明方法的有效性.     

计算机网络实验的多层级探究式学习模式研究

探究式学习是以学生自主探究为主的一种积极的学习过程,借助它可以构建以"学生为中心"的学习模式。面向高等工程教育学生专业能力与工程素养的培养,根据工程技术领域知识建构、技术积累和能力培养的一般规律,提出一种以实验与项目为主要形式的多层级探究式学习模式,并在《计算机网络》课程教学中给出具体实施范例。     

多物理场耦合粉末成形中电热聚焦效应

为研究多物理场耦合粉末成形技术的低温超快速致密化成形机理,采用多物理场耦合粉末成形技术制备了微型铜齿轮。对铜粉末在600℃烧结过程的动力学曲线进行了分析,观察铜粉末分别在300℃、500℃和600℃烧结时试样断口的微观形貌,同时针对铜粉末烧结过程中的电流密度分布和温度场分布进行了数值模拟。研究发现,多物理场耦合粉末成形技术快速升温过程中,电场和热场在粉末颗粒中分布极不均匀,粉末颗粒接触处的电流密度和温度均远远高于颗粒其它位置的电流密度和温度,为此首次提出了“电热聚焦效应”。结果表明,电场和热场耦合并在颗粒接触点处高度聚焦产生的电热聚焦效应是多物理场耦合粉末成形过程中粉末材料实现低温超快速致密化成形的重要原因。     

基于Kinect骨骼跟踪技术的人机交互

基于Kinect提供的深度信息和骨骼跟踪技术进行手势识别,利用手势代替鼠标实现人机交互.首先,引入以人体为参考系的人体坐标系统,将手势位置通过坐标系变换映射到计算机屏幕,实现计算机屏幕上光标的位置显示和跟踪.其次,研究计算机操作系统响应鼠标事件的工作模式,设计固定的手势静态及动态工作模式,通过一定的映射关系将特定的一组手势与计算机系统基本操作指令进行对应.并定义状态机,根据手势状态触发系统操作事件,从而达到对计算机系统的体感控制.实验表明,该人机交互系统自然、合理、有效.     

同步旋转坐标系下的BLDCM滑模观测器算法设计

为了实现无位置传感器无刷直流电机(BLDCM)矢量控制系统中电机转子位置的准确估计,提出了一种基于同步旋转坐标系的滑模观测器算法。该方法直接在同步旋转坐标系中设计滑模观测器,以获取电机反电动势信息,再通过锁相环技术从估计的反电动势中提取电机转子的速度和位置角度信息。针对滑模观测器的高频抖振问题,采用饱和函数代替滑模观测器的符号函数。最后,通过仿真将所提算法与传统滑模观测器算法对比,并对所提算法进行实验验证。仿真与实验结果表明该算法能够准确跟踪转子的速度和位置,验证了所提算法的正确性与可行性。     

神经网络与有限元结合在轧机板形预报中的应用研究

通过有限元仿真分析,较准确的模拟了带钢轧制过程,获取对轧机板形影响较大的参数值,并将其结果作为训练样本对神经网络进行训练,建立了较为理想的基于神经网络的板形预测模型,实现了轧制过程中的板形参数的预报。仿真结果表明该神经网络与有限元结合的板形预测模型可获得良好的预测精度,弥补了传统板形预测模型的预测精度不能满足板形在线控制要求的缺陷。