大型民用机场航站楼视频监控系统设计分析

以中部地区某大型航站楼视频监控系统为例,阐述和分析航站楼视频监控系统的建设要求及设计原则、监控终端布置、系统网络构架、视频存储方式、前端监控布点、摄像机供电方式、安装方式等方面内容.对设计中出现的一些问题进行分析,并就这些问题给出建议.     

基于改进LFM算法的主动解列断面搜索方法

针对传统解列断面算法复杂度高的问题,提出一种基于改进LFM算法的解列断面搜索方式。首先,基于节点间电气联系和能量转移分布熵完成电网加权复杂网络建模;其次,基于主动解列断面约束条件,对LFM算法做适应性改良;最后,通过改进LFM算法得到解列断面,并在IEEE39节点系统中验证了算法有效性。仿真结果表明,改进LFM算法可充分考虑传统解列断面的约束条件,在算法具有较低复杂度的同时对系统运行状态更强的适应性。     

电商平台产品共同购买网络的影响因素研究

共同购买网络的推荐系统应用越加广泛，仅基于网络内生结构变量研究其共同购买链接的经济意义已有局限，故加入网络口碑这一外生变量，进行更全面的分析。采用了社会网络方法中指数随机图模型进行建模，主要围绕产品销售量、产品入度、差评率和评论数4个方面因素，探究其对共同购买网络中共同购买链接形成的影响。结果显示，销售量、产品入度和评论数对共同购买链接形成的影响呈正比关系，而差评率则会显著地降低产品共同购买的几率。该指数随机图构建出的共同购买网络为在线电商平台管理网络口碑和推荐系统优化设计提供有益参考。     

腔磁力系统中的诱导透明和快慢光传播

为了在腔磁力系统中实现可控的磁子诱导透明、磁力诱导透明以及快慢光传播,建立了一个混合腔磁力系统.该系统由一个含有YIG球的微波腔和在z方向对球施加一个均匀的偏置磁场组成,并用强泵浦场驱动磁子和弱探测场驱动微波腔.研究表明,通过调节腔与磁子之间的相互作用强度和微波腔与磁子的耗散比,可以增加磁子诱导透明(MIT)、磁力诱导透明(MMIT)的效果和提高快慢光传播的速度.该研究结果可为磁力诱导放大、量子光学操纵和量子信息存储以及灵敏光开关的研究提供参考.     

基于QoE感知的星地一体化网络公平资源分配策略

星地一体化网络是卫星网络和地面网络互联，实现卫星网络和地面网络优势互补的一体化网络。随着无线通信的快速发展，卫星网络和地面网络的同频复用技术可有效提升资源利用效率，满足日益增长的无线数据业务需求。但由于无线数据业务类型的多样化和频谱资源的稀缺性，如何实现用户数据服务的服务体验质量（Quality of experience， QoE）和公平性提升也成为星地一体化网络亟待解决的关键问题。本文综合考虑信道时变性、服务体验多样性和服务公平性，提出了一种基于QoE感知的星地一体化网络资源分配策略。为此，将目标问题描述为基于时间平均的服务体验质量的网络公平效用最大化，并利用李雅普诺夫优化理论，将复杂的动态原始优化问题进一步转化并分解为3个瞬时优化子问题，每个子问题可以在每个时隙独立求解。同时，由于无线资源分配为典型的非凹混合组合优化问题，推导了一个低复杂度的两步算法来求解第三个资源分配子问题。仿真结果揭示了在不同的公平性参数下用户的长时QoE与公平性之间的折衷情况。     

基于CQT和梅尔频谱的带有人声的音乐风格转换方法

近年来,生成对抗网络在图像风格迁移领域中表现优秀,然而其在音乐领域表现一般.现有的音乐风格迁移对带有人声的音乐的风格迁移效果不佳.为了解决这些问题,首先提取音乐的CQT特征和梅尔频谱特征,然后采用CycleGAN对CQT特征和梅尔频谱的联合特征做风格迁移,再通过WaveNet声码器来对迁移后的谱图进行解码,最终实现了带有人声的音乐的风格迁移.在公开数据集FMA上对所提模型进行评估,符合要求的音乐的平均风格迁移率达到了94.07％.与其他算法相比,该方法所产生的音乐的风格迁移率和音频质量都优于其他算法.     

新能源汽车整车控制器的MOSFET振铃抑制

汽车电子产品中电源电路的设计会直接影响整个产品功能的稳定性和EMC性能.新能源汽车整车控制器应用基础电源管理芯片FS8510设计电源模块电路时,其外围MOSFET产生了严重的振铃现象.为解决这一问题,提出更换外围MOSFET及增加Snubber缓冲网络两种改善措施,并给出了选择MOSFET的影响参数和有效的Snubber缓冲网络RC配比算法.整车控制器传导发射-电压法的测试结果表明:两种措施都可以有效抑制MOSFET的振铃,提高产品的EMC性能.     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。