水泥混凝土路面病害的防治与养护

随着我国城镇化建设的不断加速,城市基础设施建设速度也越来越快,尤其是城市公路建设。水泥混凝土路面作为一种强度高、耐磨损、容易养护的高级路面一直都是人们关注的焦点。然而,在实际中水泥混凝土路面会出现不同程度的病害,从而影响了公路的质量以及使用寿命,因此对水泥混凝土路面的常见病害进行防治是十分必要的。     

一种稀疏表示的二维DOA降维估计新算法

提出了一种基于空间锥角降维的二维DOA稀疏分解估计新方法,解决了利用稀疏表示方法进行二维DOA估计时计算复杂度大的问题.根据L阵列的结构特性,引入空间锥角表示信号的二维DOA信息,构造空间锥角冗余字典,通过稀疏正则化求解实现空间锥角的估计,然后利用求解得到功率实现L阵列中两个子阵之间的空间锥角配对,从而达到对多来波的二维DOA估计的目的,其避免了方位角和俯仰角组合而造成冗余字典庞大的问题,极大地减少了稀疏分解的计算量.仿真和实测数据结果均验证了该方法的有效性和优越性,为进一步的工程应用奠定了基础.     

基于选择性集成径向基神经网络的来波方向估计

本文提出了一种基于选择性集成径向基函数神经网络(SE-RBFNN)的来波方向(DOA)估计方法,解决单个神经网络建模进行DOA估计精度低的问题。首先利用Bagging方法训练生成一定数量的RBFNN弱分类器,其估计精度低但泛化能力强;然后提出并运用等宽分箱—投票选择性集成方法剔除估计误差大的奇异值个体,优选部分RBFNN输出结果进行平均处理,从而获得了高精度的DOA估计。仿真结果表明了算法的有效性,相对单个RBFNN建模,构建的选择性集成模型能适应方向特征的变化,算法的来波估计精度显著提高。     

一种基于RSS估计的虚假点消除方法

 论文提出了一种基于接收信号强度(Received Signal Strength,RSS)的测向交叉定位方法,解决无源测向交叉定位中的虚假点问题.首先推导了阵列协方差矩阵中接收信号强度与阵列流型之间的关系,利用协方差逆矩阵高阶幂逼近噪声子空间的特点,在已知阵列流型基础上准确获取各来波的信号强度,解决了同一信道多来波的RSS估计问题;然后运用电磁波传播相关理论,根据接收信号强度和传播路径衰减参数的关系判定各定位点的置信度,排除了虚假点.所提算法对存在一定角度估计误差、低信噪比等情况具有很好的鲁棒性,仿真结果验证了该算法的有效性和可行性.     

基于稀疏表示理论的来波方位估计新方法

针对稀疏表示理论在DOA估计中的难点问题,在给出阵列结构与信号模型的基础上,对空间信号稀疏表述中的单快拍时域数据模型和多快拍联合稀疏模型进行了深入研究,最后通过大量实验证实了方法的科学性与可行性。     

我校师资队伍建设的宏观审视

对我校师资队伍建设存在的主要问题进行了宏观分析。认为应进一步完善师资队伍建设规划,把选拔培养学科带头人和骨干教师与学科建设紧密结合起来,建立完善的教师培训体系。才能取得较大成效．     

基于DML-ESPRIT算法的多维参数快速联合估计

将确定性最大似然估计准则的多维参数估计能力与ESPRIT算法的高时效性有机结合,提出了一种二维DOA-功率-频率快速联合估计方法--DML-ESPRIT算法。利用双L阵列的空间特性,通过引入空间锥角,将多维空间搜索问题转换为一维角度估计,并基于确定性最大似然估计准则推导得到了多信源的空间锥角、功率和频率联合估计的数学模型;然后在对子阵进行扩展的基础上,利用TLS-ESPRIT算法对模型进行求解,避免了谱峰搜索问题,实现了多维参数的快速联合估计。实验结果表明,DML-ESPRIT算法在保持高估计精度的同时运行耗时约35 ms,具有较好的工程应用前景。     

基于径向基神经网络的空间目标测向定位算法

针对无线电测向定位系统中解析算法定位误差较大的问题,提出了一种基于径向基(RBF)神经网络的双站只测向定位方法。利用RBF神经网络可逼近任意连续有界非线性函数的能力,通过样本学习,构建目标位置和测向站所测的来波方向角(DOA)映射模型。与目前解析算法相比,RBF定位模型不仅充分利用了测向站获取的所有二维DOA信息,而且利用神经网络的泛化特性、鲁棒特性,较好解决了测向误差对定位精度的影响。实验表明:该方法能有效提高定位精度。     

用户需求·市场观念·企业行为——由程控交换机引发的联想

一、“上帝”的利益、“上帝”的需要 当今高技术产品更新换代之快,就是信息界的技术权威们对此也感到吃惊。几乎可以百分之百地说,当你用费了九牛二虎之力才筹来的巨资买回那渴望已久的宝贝产品时,你很难想象、也更难于接受自己将面对这样的现实:你捧回来的最先进的技术产品在半年到一年之后,就将不合时宜,甚至该换新了。多数情况下,你并没有受骗,许多现代信息产品就只有这么长的市场流行期,硬件芯片在变,其速度、功能在成倍地增长,而软件版本则更迅速地升级。