自适应斜格形杂波抑制滤波器用于雷达的性能研究

本文评述了预测误差滤波器(用自适应斜格滤波器实现)用于增强有杂波存在时检测运动目标(如飞机和飞行的鸟群)的能力。这种处理方法非常适用于警戒雷达(如空中交通管制雷达)。杂波可能是由地面或气象干扰造成的。文中含有这种处理器与常规动目标显示滤波器(MTI)性能比较的实验结果。     

化学气相沉积导电聚合物复合纳米薄膜及性能

采用化学气相聚合法制备了聚-3,4-乙烯二氧噻吩(PEDOT)/还原氧化石墨烯(RGO)复合薄膜。首先用旋涂法制备氧化剂/氧化石墨烯(GO)薄膜,然后将薄膜置于3,4-乙烯二氧噻吩(EDOT)气相聚合装置中,形成PEDOT/GO复合薄膜。将获得的PEDOT/GO复合薄膜用葡萄糖还原剂进行处理,获得PEDOT/RGO复合薄膜。导电性测试表明,GO被还原后复合薄膜的电导率为35.3S/cm,明显高于PEDOT/GO(14.6S/cm)和纯PEDOT(17.3S/cm)薄膜的电导率。电化学特性研究表明,RGO的加入使得PEDOT/RGO导电聚合物复合纳米材料具有优良的电化学特性及稳定性,薄膜的比电容为176.7F/g。循环测试800次后,比容量保持率为84%,具有良好的电化学稳定性。这种化学气相聚合制备的聚合物复合纳米薄膜在超级电容器及导电材料领域有着很好的应用前景。     

新形势下广播电视监管策略探讨

本文从广播电视监管台站工作实际出发,就当前形势下广播电视的监管策略展开讨论,从强化全方位监管、提高分析处置能力和完善监管技术标准三个方面针对如何有效监管当前新形势下的广播电视进行阐述,为现阶段广播电视的监管工作提供了思路和见解.     

计算机辅助供水调度系统的研究和实现

本文首先就计算机辅助调度系统的必要性进行了探讨,之后就计算机辅助调度系统的研究和实现进行了分析,最后进行了计算机辅助调度系统的开发实例设计。     

程序升温测定钒氮合金中的氮

基于工作需求研究了利用TC-600氧氮分析仪,在惰性气体环境中测定钒氮合金中氮。利用手动分析方法,用锡做助熔剂通过程序升温,在熔融功率为3 500～5 500 W时,逐渐将试样熔融,使氮充分释放,避免了试样喷溅,减小了对炉膛和上电枀的污染,有效的提高了测量结果。并对方法所需的适宜条件迚行了讨论,建立了钒氮合金中高含量氮的脉冲加热-热导分析方法,节约了成本,提高了速度和准确度,并减小了设备的损耗。     

导电聚合物/纳米银复合薄膜的制备及特性研究

采用化学气相聚合法制备了聚3,4-乙烯二氧噻吩(PEDOT))/纳米银复合薄膜,研究了复合纳米薄膜的导电及电化学性能。研究结果表明,PEDOT/纳米银复合薄膜的电导率为54.8 S/cm,高于纯PEDOT薄膜的电导率(17.3 S/cm),复合纳米薄膜的比容量为174.5 F/g,明显高于纯PEDOT薄膜的比容量。循环测试1000次后,复合膜的比容量保持率为81.6%,具有良好的电化学稳定性。这种化学气相聚合制备的聚合物复合纳米薄膜在超级电容器及导电材料领域有着良好的应用前景。     

600MW机组引风机电机双速改造的节能分析

由于发电机组的运行随电网负荷的变化而变化,对于电机容量大、能耗高的辅机设备只能按定速的方式运行,功耗无法随机组负荷变化进行调整。为此,某发电厂对2#炉A、B引风机电机低效运行的现状,提出了电机采用双速控制的改造方案,改造后进行了负荷工况节能计算分析,结果表明:改造后电机运行效率明显提高,节能效果十分理想。     

一类具有近似理想距离—多卜勒模糊特性的检测波形研究

本文研究了一种特殊类型的置换矩阵。表明这些矩阵有助于用来确定一个均匀脉冲串的频率一对间模式。并证明适当选择脉冲串波形的参数,可产生具有与总信号时宽和带宽相应的距离和多卜勒分辨特性的检测波形。由于距离一多卜勒旁瓣峰值较易控制,因此通过所介绍的综合方法便可得到近似理想的“图钉”型模糊函数的特性。     

现代信息技术在技工院校班级管理中的应用

日常的班级管理是班主任工作中一个最大的任务,班级内的事务往往具备多元化的特征,班级管理除了班级学生委员会去执行之外,班主任也要做出及时科学的指导,只有这样学生才能够真正获得一个良好的学习环境。技术类的院校属于实践性的院校,进入技工院校学习的学生很多都是渴望通过几年的学习,为其以后的工作奠定技术基础。但是,因为技工院校的学生对未来就业存在焦虑,并且需要经常走出校园进行实践,所以这些技工院校的学生发     

零样本学习研究进展

近几年来,深度学习在机器学习研究领域中取得了巨大的突破,深度学习能够很好地实现复杂问题的学习,然而,深度学习最大的弊端之一,就是需要大量人工标注的训练数据,而这需要耗费大量的人力成本.因此,为了缓解深度学习存在的这一问题,Palatucci等于2009年提出了零样本学习(Zero-shot learning).零样本学习是迁移学习的一种特殊场景,在零样本学习过程中,训练类集和测试类集之间没有交集,需要通过训练类与测试类之间的知识迁移来完成学习,使在训练类上训练得到的模型能够成功识别测试类输入样例的类标签.零样本学习的意义不仅在于可以对难以标注的样例进行识别,更在于这一方法模拟了人类对于从未见过的对象的认知过程,零样本学习方法的研究,也会在一定程度上促进认知科学的研究.鉴于零样本学习的应用价值、理论意义和未来的发展潜力,文中系统综述了零样本学习的研究进展,首先概述了零样本学习的定义,介绍了4种典型的零样本学习模型,并对零样本学习存在的关键问题及解决方法进行了介绍,对零样本学习的多种模型进行了分类和阐述,并在最后指明了零样本学习进一步研究中需要解决的问题以及未来可能的发展方向.