OFDM原理及应用分析

OFDM技术的基本思想是将所要传输的数据流分解成多个比特流,每个子数据流具有更低的传输比特速率,并且用这些数据流去并行调制多个载波。文章介绍了OFDM技术的提出、发展过程、基本原理以及系统实现中的关键技术,最后介绍了OFDM系统的优缺点及实际应用和今后发展。     

深度学习视频快照压缩成像恢复效果影响因素研究

针对视频快照压缩成像掩模板编码模式对实际拍摄压缩图像解码恢复效果的影响机理研究较为欠缺以及真实图像恢复效果很难量化评估的现状,文章基于遥感卫星视频序列得到的仿真数据和视频快照压缩成像系统采集到的真实场景数据,使用两种深度学习算法——集成学习先验深度展开算法和基于3D卷积的快照压缩成像（SCI）算法,结合峰值信噪比（PSNR）和结构相似度（SSIM）以及重构时间等量化指标进行重构效果评估,对掩模板的随机方式、掩模板的重复精度、掩模板的移动速度、景物的运动速度、背景的复杂程度等因素进行仿真试验分析。主要试验结论有：1）高斯随机编码具有较好的重构效果,但伯努利随机中当成功概率p取0.59或0.58时（随机变量取1）,重构PSNR值较高斯随机平均提升超过0.5dB,SSIM值提升0.004;2）当步长较小时,移动编码方式重构效果不如随机编码方式,当步长较大时（超过9像素）,效果和随机编码相当;3）掩模板的重复精度方面,当探测器像元和数字微镜器件（DMD）仅沿着一个方向发生偏移时（相对偏移量小于0.3像素）,对重构效果影响较小,当同时沿两个方向发生偏移时,影响较大（两个方向均为0.1像素,PSN...     

标准化学习管理系统的研究

针对现阶段低水平的学习管理系统重复开发、不同系统之间不能互操作,提出了可互操作的标准化学习管理系统的模型,并对各种不同类型数据信息进行XML绑定,实现不同系统之间的互操作。     

SCAN90CP02型LVDS交叉点开关功能及应用

SCAN90CP02是美国国家半导体公司最新推出的LVDS超高速交叉点开关,其可编程的预增强功能可应用于高损耗的电路板及电缆连接中以增强信号驱动能力,而且还具备符合IEEE1149.6标准的测试能力。文中详细介绍该电路的功能、结构和特点,同时给出测试特性。     

人工智能在气动设计中的应用与展望

在人工智能技术高速发展的浪潮下,智能化技术为空气动力学的研究提供了新的思路和手段。各国学者在人工智能与空气动力学设计的综合应用方面开展了诸多有益的探索与尝试。目前人工智能方法已被用于设计对象描述、数值求解、非线性映射等气动设计的关键环节中。实现了自适应设计参数探索、高效气动特征求解、快速数据降维与映射、智能优化等,提高了气动设计的速度、准确性、鲁棒性与全局性。概述了气动设计的发展现状、人工智能技术的研究现状以及机器学习在气动设计中的应用现状。展望了深度学习在气动设计上的应用前景。提出了以机器为核心根据优化阶段实时调整优化方案及走向的高度智能化气动设计概念——"机器设计"。强调了开展智能可诠释设计研究的重要性。     

组织等效参考人体模设计与研究

为了开展人体对电离辐射吸收剂量研究,利用3D打印技术研制了组织等效参考人体模.对体模材料的有效原子序数及单位质量电子密度进行了计算,利用实验验证了密度、元素组成比及质量衰减系数等参数,并基于蒙特卡罗方法模拟得到体模材料的质量衰减系数,将上述参数与标准值进行比对.验证结果表明体模制作材料具有针对60 Coγ射线的组织等效...     

构建融合党史学习教育的“大思政课”育人体系

用党的科学理论武装青年,用党的初心使命感召青年,是新时代青年工作的战略性抓手;提升“大思政课”三重境界,是深入落实“双用”新要求的重要着力点。破解党史学习教育和思想理论教育同向发力难题,有必要优化顶层设计、深化思政课教学改革课程育人、深化红色资源运用实践育人、拓展网络思政空间网络育人、嫁接中国共产党人精神谱系文化育人、健全体制机制强化组织育人,提升党史学习教育融入的思想方法整合力、理论教学感召力、实践教学穿透力、线上教学协同力、文化浸润粘合力、物质载体保障力。     

基于CGAN的避扰通信决策网络离线式训练方法

基于强化学习的避扰通信,由于需要不断地与环境交互从中学习到最优决策,其决策网络的训练时间受环境反馈速率的约束,通常耗时严重。针对这一问题,提出了一种离线式训练方法。构建出一种频谱虚拟环境生成器,可以快速生成大量的逼真合成频谱瀑布图,用于避扰通信决策网络训练。由于所提方法脱离真实环境反馈,形成离线式训练,进而显著提高模型训练效率。实验结果表明:与实时在线训练方法比较,所提离线式训练方法的训练时间可以减少50%以上。      

故障样本量确定与分配一体化设计方案

针对当前测试性验证领域未能考虑故障样本量确定和样本分配2个环节的相互联系,以及现有样本分配方案对影响因子的选择没有统一的框架,导致确定的故障样本量和样本分配不合理的问题,提出了一种故障样本量确定与分配一体化设计方案。首先,以层次Bayes网络模型为框架,融合各节点测试性指标先验信息得到顶层测试性指标的融合分布,并建立故障样本量确定流程;其次,引入结构重要度作为样本分配影响因子,同时结合故障模式影响及危害性分析（FMECA）信息确定节点和故障模式的样本分配影响因子,提出基于节点和故障模式的二次分配框架实施样本分配;最后,通过实际案例进行对比分析。结果表明:相比其他样本分配方案,所提方案能充分考虑系统结构及其先验信息,进而实现了故障样本量确定和分配一体化方案的设计,保证了所确定的故障样本量和分配的合理性,具备更好的工程适用性。      

基于深度学习的图像拼接篡改检测

传统图像拼接检测算法通过研究人员手动构造拼接特征,随着科技的进步以及图像处理技术的不断发展,手动构造特征的局限性逐渐体现出来,鲁棒性较弱,位置不易确定等。为了解决这些问题,构建了一种卷积神经网络（CNN）,将卷积核前置并固定,自主学习相关特征从而检测拼接篡改的图像区域。经过一系列研究,发现拼接篡改图像的拼接篡改区域特征可以被CNN模型学习。在CNN模型之前,卷积核使用高通滤波器,激活函数采用指数线性单元（ELU）,使得CNN模型具有识别拼接篡改图像边缘痕迹等特征的能力。检测结果表明:在IEEE IFS-TC图像拼接取证竞赛训练集上对拼接篡改图像拼接篡改区域定位的准确率为84.3%,对拼接篡改区域判定的真负类率为96.18%。