浅析网络线缆分析仪插入损耗的校准

针对网络线缆分析仪插入损耗的校准,本文采用插入法和替代法分别进行了校准实验,并通过数据分析比较两种方法对测试结果的影响,得出了选用替代法校准更为适宜的结论。对替代法测试数据进行不确定度评定分析,证明了本文选用替代法能达到校准网络线缆分析仪插入损耗的要求。     

航空发动机性能参数联合RBFPN和FAR预测

排气温度是最能反映航空发动机运行状态的性能参数之一.对连续飞行班次的起飞排气温度裕度(EGTM,Exhaust Gas Temperature Margin)参数进行预测分析,有助于判知航空发动机将来的工作性能,为预防和排除故障提供充分的时间和决策依据.在依据具有非线性、非平稳特征的起飞EGTM历史监测值序列构建预测模型时,基于奇异值分解滤波算法提出了一种联合径向基函数预测网络(RBFPN,Radial Basis Function Prediction Networks)和函数系数自回归模型(FAR,Functional-coefficient Auto Regressive model)的预测方案,充分发挥RBFPN和FAR在预测EGTM参数值变动趋势成分和随机成分的各自优势,使其互为补充,协同处理.实验结果表明该联合预测方案能够有效抑制RBFPN或FAR单独采用时所呈现出的不足,提高预测性能.     

基于变化映射表的WSN通信数据语义安全算法

提出一种基于变化映射表的语义安全算法.该算法首先针对无线传感器网络(WSN,Wireless Sensor Networks)应用对临界值敏感的特点,采用变精度状态采集方法,建立了一个原始语义与其标识数值的映射表;在此基础上,网关和节点之间通过同步映射表进行通信数据的语义加密和解密,为提高安全性,在通信过程中,映射表基于通信携带的随机变更因子而不断更新.最后给出算法分析及仿真验证,结果表明提出的算法可以有效抑制已知明密文对攻击和实现语义安全.     

基于弹塑性理论的新型接触热导模型

提出了一种新型接触热导的模型。充分考虑界面上微凸体的变形,根据微凸体变形连续的特点,分别给出了弹性、弹塑性、塑性三种变形时的接触方程。用Weierstrass-Mandelbrot分形函数描述粗糙表面轮廓曲线,并考虑了接触点的基体热阻及其界面收缩热阻,构建了分形热阻网格模型,分析了接触热导与载荷的关系,与实验数据及模型、Mikic弹性模型和Yovanovich塑性模型的预测值进行了比较。结果表明:该模型能较好地预测界面接触热导,有其合理性。     

网络环境下大学生人本化德育教育模式研究

人本化德育是当前德育发展的趋势。在德育过程中它强调人的主体性、人的自我价值并从个体的自我需要出发进行道德教育,从而实现受教育者的全面发展,使之成为道德高尚的人。因此,从人本化德育的本质入手,探讨新时期大学生人本化德育的构建模式,对提高大学生的思想政治、道德素质有着积极的现实意义。     

基于ARM与ZigBee的嵌入式无线传感器网络网关的设计

针对ZigBee无线传感器网络与传统Internet网络之间进行数据交换的需求,设计实现了一种嵌入式网关,采用S3C2440A ARM芯片与CC2431 ZigBee芯片作为核心,扩展多个功能模块构成硬件平台,软件方面移植Linux作为嵌入式操作系统,Lighttpd作为嵌入式Web服务器,Sqlite作为嵌入式数据库,通过CGI技术实现用户与嵌入式Web服务器之间的数据交互,网关节点中的S3C2440A芯片与Sink节点的CC2431芯片之间采用串口进行通信,具有无线传感器网络的数据管理、存储及远程查询的功能,从而实现了传统Internet协议网络与ZigBee协议无线网络之间的数据交换。     

2GHz～6GHz功率驱动模块研究

文章研究了工作频率为2GHz～6GHz的微波功率模块（MPM）中的功率驱动模块。分析了功率驱动模块的特性与基本分析方法,重点研究了驱动模块中均衡网络的分析与设计及功率放大器的偏置技术。针对微波功率模块中小型化行波管的离散特性,可以利用仿真软件的优化功能快速地对功率驱动模块进行辅助设计。基于此方法,设计了一个频率为2GHz～6GHz、最大输出功率达32．5dBm的功率驱动模块。     

基于空间变异特性的格网电离层延迟估计方法

广域增强系统采用格网模型校正用户电离层延迟误差,为保证理想的校正效果,必须精确估计格网点电离层延迟。电离层延迟的空间相关性是完成这一估计的理论依据。针对传统反距离加权法因不能准确描述这种空间相关性而使得估计效果受限的问题,依据空间统计学原理建立了电离层延迟空间变异函数模型,提出一种新的权值计算方法,并通过实际观测数据进行了仿真验证。结果表明,相比于传统方法,这一方法能明显改善格网点电离层延迟估计效果,尤其在穿透点观测数据稀疏的区域,其改善效果更为明显。     

基于顶点与主体区域同步检测的精准车牌定位

为应对非约束环境下的车牌精定位问题,提出一种基于顶点局部区域与主体区域同步检测策略的非约束性车牌定位算法。通过删减YOLOv5网络的输出结构,训练得到可同步检测车牌及顶点区域的车牌检测网络,在兼顾精度与计算速度的前提下,实现车牌顶点和主体区域的同步定位。针对一幅图中存在多个车牌区域及顶点区域存在少量漏检和误检的情况,分别设计了车牌顶点归类和单一缺失顶点预测后处理算法,借助顶点间的空间位置关系进行漏检目标预测和误检目标排查,有效改善了因场景复杂导致的个别顶点目标检测效果差的问题。所提算法在中国城市停车场数据集(CCPD)上的测试结果显示,平均精准率达99.25%,平均召回率达98.70%。所提算法不仅能够准确预测出车牌的4个顶点坐标,而且在中端GPU硬件平台上处理速度可达121帧/s,具有较好的应用价值。     

基于多模态掩码Transformer网络的社会事件分类

多模态社会事件分类的关键是充分且准确地利用图像和文字2种模态的特征。然而,现有的大多数方法存在以下局限性：简单地将事件的图像特征和文本特征连接起来,不同模态之间存在不相关的上下文信息导致相互干扰。因此,仅仅考虑多模态数据模态间的关系是不够的,还要考虑模态之间不相关的上下文信息（即区域或单词）。为克服这些局限性,提出一种新颖的基于多模态掩码Transformer网络（MMTN）模型的社会事件分类方法。通过图-文编码网络来学习文本和图像的更好的表示。将获得的图像和文本表示输入多模态掩码Transformer网络来融合多模态信息,并通过计算多模态信息之间的相似性,对多模态信息的模态间的关系进行建模,掩盖模态之间的不相关上下文。在2个基准数据集上的大量实验表明：所提模型达到了最先进的性能。