学情调查和数据驱动专业基础课教学探索

文章以“数字电子技术基础”课程为对象,设计了基于教学数据和问卷调查的教学框架。通过学生情况调查和雨课堂教学数据掌握学习状态和学习能力,针对性设计了个性化作业布置、拓展延伸、疫情线上自学跟学双通道等特色教学方式。结课问卷表明教学设计得到了良好评价和认可。     

“电工学实验”混合教学模式的探索与实践

在大类培养改革背景下,基于“电工学实验”开放式实践教学体系现状进行了“电工学实验”混合教学模式的研究,建立了“微课”资源并通过新型教学平台进行推送,确立了完备的混合教学模式应用机制并在部分专业进行了试点,通过分析试点调查数据得出混合教学模式具有在实验教学中提高学生学习效率、激发学生学习动力、促进学生个性发展、培养学生实践应用能力的优势,是落实创新应用型人才培养目标的重要举措。     

雷达工程专业本科毕业设计指导模式探索

为提高本科毕业设计指导工作效率和毕业论文质量，本文基于雷达工程专业特点建立了“导师主导--研究生辅助--本科生合作”的多层次、模块化、场景化指导模式。该模式以导师为核心、科研小组和学员合作为辅助，全方位全过程保障本科毕设工作。实践表明，该模式可以有效提高指导工作效率和本科毕业设计质量，学生专业素养和实践能力显著提升。本文对电子类专业本科毕设指导具有重要借鉴意义。     

基于单光子计数激光雷达的Bayesian检测研究

在单光子计数激光雷达检测领域,目前的检测方法在低信噪比情况下虚警概率会增加,同时也无法适应噪声变化的问题。针对这些问题,提出了一种基于Bayesian的检测方法,该方法首先通过雷达方程估计回波信号光子数的范围,将其作为先验信息,而后结合二项分布建立了累计概率模型,基于Bayesian判决准则计算得到检测阈值,此阈值能够在检测概率与虚警概率中间择其平衡。这种方法不仅克服了低信噪比检测困难的情况,还减少了先验信息的获取难度。实验结果表明,对比固定阈值其虚警概率降低了10倍。对比“恒虚警”其检测概率提高了约20。验证了方法具有良好的检测效果,具备一定的可操作性。     

Cu掺杂对有序Sr3YCo4-xCuxO10.5+δ多晶的结构与物理性能的影响

采用固相反应法制备了四方Sr3YCo4-xCuxO10.5+δ(x=0~1.0)多晶。用热重-差示扫描量热分析,X射线衍射研究了多晶的有序化相变及结构。在固溶范围内(x=0~0.4),观察到有序峰(103)和(215),说明四方Sr3YCo4-xCuxO10.5+δ多晶为超结构,这是由于合成时在1000℃以上发生了吸氧(δ)有序化相变；当x=0.6~1.0时,978℃时在晶界处形成了单斜杂相,破坏了Sr3YCo4-xCuxO10.5+δ多晶的有序。当x=0~0.4时,多晶呈半导体输运行为。随着Cu掺杂量的增加,Co4+提供的空穴载流子浓度增大,电阻率明显下降；由于Cu的固溶,自旋熵增加,载流子浓度和自旋熵的共同作用使x=0~0.2多晶的热电势不变,x=0.4的热电势降低。并且Cu掺杂导致的晶格畸变使Co3+离子由高自旋态转变为高/低自旋混合态,磁化强度和铁磁转变温度(Tc)降低,磁结构由G-型反铁磁转变为铁磁。在进行二次烧结后,300K时电阻率明显降低,热电势为一次烧结的2倍,可能是二次烧结使多晶的有序化程度增大,提高了铁磁有序排列。     

离子型稀土矿山淋洗及尾水富集试验研究

对浸矿后离子型稀土原地浸矿场采用清水进行淋洗，在184天的清水淋洗过程中，尾水氨氮值从最开始的507mg/L，降低至140mg/L，淋洗尾水pH4.52~3.10。淋洗尾水采用两级反渗透膜分离，既回收有价资源稀土，又能使出水氨氮达标。结果表明，产水氨氮浓度稳定低于15mg/L，对稀土的截留率高于98.25%，浓水中稀土离子平均浓度313.4mg/L，可进一步回收稀土资源。     

空中分布式作战概念及关键技术分析

空中分布式作战是美军为应对“反介入/区域拒止”挑战提出的重要作战概念，具备分布式、智能化、高动态、大规模等特点，是未来美军空中作战平台在体系支持下作战样式的发展趋势。首先，按照提出时间梳理了美军空中分布式作战概念及典型研究项目，分析了空中分布式作战内涵、特点、工作机理以及发展趋势；然后，结合空中作战平台典型构型，提出了全域作战体系支撑下的空中分布式作战样式设想；最后，设计了空中分布式作战体系技术框架，并讨论了相应的关键技术。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。