一种基于FCOS神经网络的小建筑物目标检测方法北大核心

提出了一种基于FCOS神经网络的小建筑物目标检测算法,针对FCOS模型在特征提取阶段提取到的小建筑物目标特征较少问题,引入多尺度检测和可变形卷积方式,加强网络对小建筑物目标的特征提取能力,并通过改进后的SGE注意力机制降低特征图中的干扰噪声权重。改进后的网络可以提取到更多的小建筑物目标特征,对环境干扰噪声的鲁棒性更强。在自己搭建的数据集上进行了实验测试,结果表明,在相同环境下网络改进后建筑物的整体检测准确率提升了1.7%,其中对小建筑物目标提升了3.6%,减少了小建筑物目标漏检、误检的问题。     

基于磁偶极子的2阶磁场梯度张量缩并方法

针对磁场定位中2阶磁场梯度张量的理论尚不够完善的现状，提出基于磁偶极子的2阶磁 场梯度张量缩并方法。给出2阶磁场梯度张量的全局模量和局部模量计算公式，分析2阶磁场梯度张量的全局模量和局部模量及相关参数的三维空间分布规律，并给出相关参数k_H、k_Hxy和k_Hz的近似计算公式，比较1阶磁场梯度张量和2阶磁场梯度张量及其模量的分布规律及与距离的关系。计算结果表明：全局模量C_H及参数k_H值在0°≤≤90°时，随着增大而减小，在=0°时最大，在=90°时最小；局部模量C_Hxy和参数k_Hxy值在0°≤≤90°时，随先增加、后减少，当=35° 时最大，当=90°时最小；局部模量C_Hz和参数k_Hz随先减少、后增加，当=0°时最大，当=71°时最小；k_H、k_Hxy和k_Hz的拟合值与理论反演值高度吻合；在距离较近时，2阶磁场梯度张量及模量更敏感；在距离较远时，1阶磁场梯度张量及模量更敏感；在实际磁场定位的应用中，可结合1阶和2阶磁场梯度张量及全局模量进行使用。     

基于Massive MIMO及频谱叠加的5G SA网络上行优化方法

大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)可以有效提升5G SA网络的上行链路数据传输速率以及可靠性。针对5G SA网络上行链路速率和覆盖不均衡的情况,提出了基于大规模MIMO的分组算法,将发送信号矢量进行分组,组内采用最大似然检测,组外采用基于正交三角分解(QR分解)的干扰消除检测,并且结合5G频谱的叠加策略,在降低算法复杂度的同时,有效提升网络覆盖和速率。通过5G SA现网实测,通过MIMO降低分组数量能够提升分组检测性能,结合上行低频段频谱叠加策略能够有效提升5G SA网络上行覆盖30%,提升5G SA网络上行平均速率40%~80%,特别是弱覆盖边缘的网络速率,最高可达600%。     

依托"大数据行业应用"虚拟教研室培养跨学科人才

在实施国家大数据战略和创新型国家建设的引导下,培养跨学科思维与能力是创新型人才培养的核心要求.大数据是一个典型的学科交叉的技术,资源分散是当前高校大数据人才培养存在的主要问题.该文以长沙理工大学"大数据行业应用"虚拟教研室建设为例,打造"大数据"特色跨学科跨专业教学组织,从课程体系、实践环节、师资队伍、质量监督等方面提出建设措施,为培养跨学科创新型复合型人才提供参考.     

采用QuEChERS结合UHPLC-MS/MS定量分析热加工肉制品中的三种胺类物质

本文采用QuEChERS技术结合超高效液相色谱-串联质谱（UHPLC-MS/MS）技术建立同时检测丙烯酰胺（AA）、亚硝胺（NAs）和杂环胺（HAAs）含量的方法，用于分析热加工肉制品中产生的胺类物质。结果表明:该方法检测出的三类成分20种胺类物质在相应浓度范围内显示出良好的线性关系（R2>0.991），检测限和定量限分别为0.01~1.6 ng/g和0.03~4.8 ng/g，日内回收率介于66.3%~116.5%之间，日内精密度介于0.78%~9.0%之间。每个胺类物的5×LOQ加标水平计算的日间精度范围为3.4%~9.4%。该方法应用于煎烤的四种肉制品中AA、NAs和HAAs的分析，共检测出9种胺类物质，浓度范围为0.03~31.26 ng/g。