基于RTX的飞行模拟器分布式实时仿真系统

飞行模拟器是一个复杂的分布式实时仿真系统.介绍了在飞行模拟器改造中所采用的RTX 实时以太网的方案,并详述了设计和实现方法.实践结果证明,该系统实时性高,工作稳定可靠,满足了设计要求.对实时性要求高的其他分布式仿真系统,本方案具有一定的参考价值和指导意义.     

较宽频带分布式放大器的设计问题

本文讨论了通频带较宽(可用频宽为150兆赫至数百兆赫)之低通分布式放大器设计中所遇到的各项问题。文中对电子管的输入和输出阻抗进行了较精确的计算,并根据计算结果着重地讨论了输入电容和输入电导变化对分布式放大器较高频部分特性的影响。对于包括引线电感在内的傅输线电感的设计问题也进行了讨论。根据这些计算和讨论的结果提出了较为合理而易于实现的较宽频带的分布式放大器的设计方法。最后从实验结果加以说明。     

飞行时间计数器宇宙线测试系统

飞行时间(TOF)计数器,它是北京谱仪的重要组成部分。主要用于测量带电粒子的飞行时间,从而鉴别不同种类的粒子,同时参加触发判选,排除宇宙线本底。TOF计数器桶部由48块NE110塑料闪烁体组成,每块尺寸为280×15×5cm。两端各由24块闪烁体组成端盖。桶部是两端输出,共用96个XP2020光电倍增管,端盖是单端输出,共用48个XP2020光电倍增管。TOF计数器共有144路信号,分成六个组,按照一定程序,分别由TOF计数器电子学系统进行检测和模数转换,最后进入计算机进行数据处理,获得物理实验结果。     

基于全局特征图的半监督微博文本情感分类

网络社交的流行与普及,使得微博等短文本区别于以往传统文章,具有了独有的文学表达形式和情感发泄方式,导致基于短文本的机器学习情感分析工作难度逐渐增大。针对微博短文本的语言表达新特性,爬取收集大量无情感标记微博数据,建立微博短文本语料库,基于全局语料库构建词与短文本的全局关系图,使用BERT（Bidirectional Encoder Representations from Transformers）文档嵌入作为图节点的特征值,采用图卷积进行节点间的特征传递和特征提取。采样部分无情感标记微博数据进行人工标注,采用半监督机器学习方法结合全局关系图提高情感分类器的性能,实验表明通过无情感标记数据比例的增加,该方法可以更好地捕捉全局特征,提高情感分类的精度。在自建人工标记数据、COAE2014数据集和NLP&CC2014数据集上进行了对比实验,实验结果表明该方法在精确率和召回率上均具有很好的表现。      

快速实时大规模互联网广告流量检测系统

提出一种适用于大规模互联网流量的实时广告流量检测系统,系统以目前最为流行的Adblock规则列表作为基本规则库,将HashTable快速匹配算法和Aho-Corasick快速匹配算法相结合,对广告流量进行快速实时匹配.此外,为了适应大规模流式数据的需求,将匹配算法部署在并行流式工作框架Spark Streaming之上.模型系统分别在实验室和运营商真实网络环境下的超大规模数据集进行了测试,结果表明,检测系统具有较高的准确率和计算效率.     

基于分层贝叶斯Lasso的稀疏ISAR成像算法

逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度.针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯e1 Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件.考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计.基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度.仿真及实测数据均可证明该方法的有效性和优越性.     

基于语法依存图的中文微博细粒度情感分类

情感分析能从用户言论中快速准确地挖掘用户的情感倾向,有着极大的应用市场。针对微博语言语法结构复杂多样的特性,提出了一种基于语法依存结构的图卷积神经网络（SGCN）模型对中文微博进行细粒度的情感分类。所提模型兼具结构表达和语义表达丰富的特点：基于词语间的依赖关系构建文本图,并通过点互信息（PMI）量化词语间的相关程度,作为相应边的权重以充分表现句子的结构信息;将融合位置信息的语义特征作为节点的初始特征,增加文本图中点的语义特征。为了验证所提模型的性能,在SMP2020(Social Media Processing 2020)微博情感分类数据集上,对两组包含开心、悲伤、愤怒、恐惧、惊讶和无情绪的6类微博情感数据进行了分析。实验结果表明,所提模型的平均F1分数可达到72.64%,相较于BERT(Bidirectional Encoder Representations from Transformers)词向量特征图卷积网络（BGCN）模型和文本级图神经网络（Text-Level-GNN）模型分别提高了2.75和3.87个百分点,验证了所提模型能更有效地利用句子的结构信息,提升模型的分类性...     

区域增强和多特征融合的X光图像违禁品识别

目的 对旅客行李进行安全检查是维护公共安全的措施之一,安检智能化是未来的发展方向。基于X光图像的安检因不同的安检机成像方式不同,同一类违禁品在不同设备上的X光图像在颜色分布上有很大差异,导致安检图像智能识别算法在训练与测试数据分布不同时,识别性能明显降低,同时X光行李图像中物品的混乱复杂增加了违禁品识别的难度。针对上述问题,本文提出一种区域增强和多特征融合模型。方法 首先,通过注意力机制的思想提取一种区域增强特征,消除颜色分布不同的影响,保留图像整体结构并增强违禁品区域信息。然后,采用多特征融合策略丰富特征信息,使模型适用于图像中物品混乱复杂情况。最后,提出一种三元损失函数优化特征融合。结果 在公开数据集SIXray数据集上进行整体识别性能和泛化性能的实验分析,即测试本文方法在相同和不同颜色分布样本上的性能。在整体识别性能方面,本文方法在平均精度均值(mean average precision,mAP)上相较于基础模型ResNet18和ResNet34分别提升了4.09%和2.26%,并优于一些其他识别方法。对于单类违禁品,本文方法在枪支和钳子类违禁品上的平均识别精度为94.25%和...     

旅客人身时频调和型毫米波三维重建

在毫米波人身安检成像中,二维平面承载的有限信息量使得安检系统对隐匿危暴/爆品的检出概率不高,亟待获取人体三维全聚焦重建结果,且以往仅时域或频域三维重建算法均难以实现精度与效率的平衡。为此,基于“维度分解-算法调和”策略提出时频调和型三维重建算法（Time-Frequency Coordination 3D Reconstruction,TFC-3DR）。该算法融合频域算法的效率与时域算法的精度优势,利用距离徙动频域成像算法（Range Migration Algorithm,RMA）的方位平移不变性,在距离-高度截面统一地校正距离徙动,以保证运算效率,而后将时域后向投影（Back Projection,BP）算法应用于距离-角度维截面,通过将脉冲压缩数据与成像空间分辨单元逐点相干积累,以保证成像精度,由此加快运算效率的同时又保证重建精度。由于BP算法的引入,阵列天线角度维扫描轨迹灵活可变,有效降低了人体侧面盲区面积,避免漏检、误检。仿真和实测人体毫米波数据实验,验证了算法的有效性与实用性,同时分析重建效果与运算复杂度,验证了该文所提算法相比三维BP重建算法的优越性。