西门子VDO CANcockpit基于CAN技术的全新数字仪表

随着建筑、农业、林业等机械对数字化电子配件的需求越来越大,作为最早的仪表制造商之一,西门子VDO研制开发了可以直接访问发动机控制信息的CAN系列仪表。该系列由一块主表及其控制的若干附表组成(1块主表最多可控制16块附表),并支持CAN     

面向5G无线网络的智能干扰管理技术

文章以面向5G无线网络的智能干扰管理技术为研究对象,首先对智能干扰管理技术研究现状进行了简单的分析,介绍了集中常用的智能干扰管理技术。随后分析了智能干扰管理体系的建立,最后针对无线网络干扰管理存在的问题,提出了一些具体的智能干扰管理方法,希望能够为相关研究提供一定的参考。     

基于块稀疏贝叶斯学习的SAR图像目标方位角估计方法

提出了一种基于块稀疏贝叶斯学习的合成孔径雷达（Synthetic aperture radar,SAR）图像目标方位角估计方法。SAR图像具有较强的方位角敏感性,因此对于具有某一方位角的SAR图像仅能与其具有相近方位角的样本具有较高的相关性。方法基于稀疏表示的基本思想,首先对所有训练样本按照方位角顺序排列为全局字典。在此条件下,待估计样本在该字典上的线性表示系数具有块稀疏特性,即非零表示系数主要聚集在字典上的某一局部区域。求解得到的块稀疏位置包含的训练样本可以有效地反映待估计样本的方位角信息。采用块稀疏贝叶斯学习（Block sparse Bayesian learning, BSBL）算法求解全局字典上的稀疏表示系数,并根据具有最小重构误差的原则获得最佳的局部分块。在获取最佳分块的基础上,方位角计算方法采用线性加权的方式综合了该分块区间内所有训练样本的方位角信息从而获得更为稳健的估计结果。所提出的方法在充分考察SAR图像方位角敏感性的基础上,综合运用局部区间内样本的有效信息,避免了基于单一样本估计的不确定性。为了验证所提出方法的有效性,基于Moving and stationary target acquisition and recognition （MSTAR）数据集进行了方位角估计实验并与几类经典方法进行对比分析。实验结果验证了所提出方法的性能优势。     

高校辅导员如何构建和谐的师生关系

师生关系是高校校园中一种重要的人际关系,是构建和谐校园的基础。通过工作实践和探索,引用相关的工作案例,阐述了在实际工作中如何构建和谐的师生关系。