基于翻转课堂的混合式学习模式应用研究

混合式学习改善了课堂教学效果,提升了教学效率,也增加了学习机会。翻转课堂作为混合式学习的一种典型模式被广泛使用,本研究为提升高校课堂教学效果,设计了一种翻转课堂教学模式,并对其应用效果进行了研究。研究结合课程特点和在线学习的优势,合理设计翻转课堂,引入成熟的在线学习平台,并同时在理论和实验两种类型的课时中进行翻转,可以有效促进教师教学能力的提升,提升学习效果,改善学生对教师教学的综合评价。     

采用"混合式"英语学习方法提高大学生的实际应用能力

论文针对大学外语教学长期以来存在的不足,通过透视<大学英语课程要求(试行)>的核心内涵,提出采用"混合式"学习方式更有效地提高大学生的语言实际应用能力.同时,对混合式学习的概念、使用它的原因以及"混合"的手段进行了探讨,并且展示了如何依托CE网络学习平台来进行混合式教学的实例.     

基于天基边缘计算的在轨智能技术

针对低轨互联网星座的发展以及天基应用不断拓展对计算能力的需求,开展基于天基边缘计算的在轨智能技术研究,这对提升星地带宽利用率和实时决策效率具有重要意义。提出了以低轨卫星为核心的天基边缘计算架构,在此基础上,进一步提出了一种基于深度模仿学习的智能计算卸载模型,以及该模型的在轨分布式联邦学习训练方案。基于空天地海一体化网络,开展了面向移动应用的实时计算卸载决策,以及空间数据、模型的在轨学习及训练方法研究。该方案在保障空间数据隐私的基础上,可进一步降低程序运行时延和提升模型的决策准确率。结果表明:与传统方法相比,该技术最多降低了54.96%的程序运行时延。     

星地协同网络中的边缘计算技术综述

6G移动通信系统对延迟和网络响应能力提出了更高的要求，而边缘计算技术可降低延迟提高响应能力，并减少用户和集中式云计算资源之间的数据流量。星地协同是未来6G通信网络的发展趋势，在星地协同网络中应用边缘计算技术是重要研究方向之一。在梳理星地协同网络中的边缘计算技术研究现状的基础上，首先提出了融合移动边缘计算技术的星地协同网络的系统架构、对应用场景和逻辑功能架构等进行了总结，其次对计算卸载技术方案进行汇总和分类对比，最后归纳了未来研究将面对的技术挑战。     

一种小型弹载混合式光纤惯导系统设计

为解决混合式惯导在小型弹载惯导系统的应用问题，在论述混合式惯导技术特点的基础上，提出小型弹载混合式惯导系统所涉及的三项关键技术：小型化设计技术，抗振动高可靠锁紧技术和基于降维Kalman滤波的抗扰动自标定技术。重点对第三项技术提出具体的技术方案和实现途径。在建立惯导误差模型的基础上，根据姿态精度因子(ADOP)可观测度设计出混合式惯导系统的自标定流程，进行了卡尔曼滤波的降维处理和抗干扰观测量设计。开展了原理样机的标定试验、力学环境试验和导航精度试验工作，试验结果校验了技术方案的可行性和自标定算法的正确性，为其在小型战术导弹中的应用提供了工程借鉴。     

混合式火箭推进装置的发展前景

重新考虑几种混合推进的一般方案后,本文第一部分给出了在公开文献上发表的欧洲研究工作和近期活动的摘要。第二部分是混合式推进潜在优越性的关键研究,且和液体及固体推进剂相比较。对性能、工作适应性、安全性、可靠性、成本、及对周围环境的影响特性成功地进行了研究,也提及了混合式推进的几个特殊问题。第三部分研究了作为空间运载器的混合式推进分式的可能应用,给出了混合式火箭的不同方案,提出了最适合每种应用的方案。结论部分概述了一个策略。即明确了空间活动中混合式推进的未来,并理性地开始可能的研究。     

卫星通信与地面5G融合发展路线探讨

卫星通信与地面第5代移动通信(5G)融合能够充分结合地面移动网络高速大容量与卫星通信广域全覆盖的优势,为用户提供真正的全球无缝接入与高速传输。针对卫星通信场景的特性与地面5G技术深度融合的难点,提出了承载网融合-核心网融合-接入网融合的卫星通信与地面5G融合发展路线,分析了各阶段的融合网络架构,探讨了融合过程中面临的高速低时延承载网回传、移动性管理、统一空口接入等技术挑战,并相应提出了高通量卫星系统、核心网网元功能扩展、低峰均比多载波波形技术等突破途径。     

考虑移动目标不确定行为方式的轨迹预测方法

针对现有方法难以预测出符合飞行移动目标不确定行为方式轨迹的问题,提出基于逆强化学习的飞行移动目标轨迹预测方法,通过学习目标行为偏好以及模拟目标行为决策过程的方式预测目标的移动轨迹。首先基于深度神经网络建立目标的行为决策模型与行为偏好模型,然后通过最大熵逆强化学习方法交替地学习模型参数。为了有效地学习目标的不确定行为特征,采用监督学习的方法学习出目标示例轨迹概率分布模型,用于指导目标行为偏好模型的训练以及初始化目标行为决策模型,同时通过对目标行为偏好模型进行预训练的方式提高其训练质量。仿真结果表明,提出的飞行移动目标轨迹预测方法可通过学习到的目标行为决策模型较为准确地模拟目标的行为方式,预测的目标轨迹分布与真实的目标轨迹分布在Kullback Leibler(KL)散度下的相似度可达0.24。     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

卫星通信与5G的融合

正一、引言随着移动数据流量的爆炸性增长,设备的海量连接和各种新业务与应用场景的不断涌现,第五代移动通信系统(5G)应运而生,目前已经进入试验部署阶段。5G是各种先进通信技术的集大成者,代表了地面移动通信网络的最高水平。自1965年美国发射第一颗商用通信卫星以来,卫星通信系统也取得了令人瞩目的巨大成就。目前在轨的通信卫星数以百计,为上亿用户提供通