基于新型开关键控编码脉冲对的异步可见光定位方法

发光二极管(LED)照明的普及为高精度室内定位提供了一种绿色低成本的解决方案,作为最经济的LED调制方式,开关键控(OOK)由于开关速度、响应时间和节点间同步等的限制,存在定位精度差等问题。该文提出一种基于新型开关键控编码脉冲对的室内信标构造方法及其对应的异步可见光定位模型,各LED仅需按所提规则进行开关键控,光电探测器(PD)端可以获得最大后验概率准则下的最优位置估计。经验证,当信道(含LED和接收机)具有理想带宽、200 MHz和100 MHz带宽时,在30 dB的信噪比(SNR)条件下,终端以90%的概率使得定位精度分别可以达到6 mm, 7 mm和1 cm。在相同条件下,与异步码分多址(CDMA)进行定位、传统OOK基于指纹进行定位以及传统OOK基于接收信号强度进行定位这3种方法相比,该文提出的方法可以获得明显较好的定位效果。另外,当带内信噪比从30 dB恶化至15 dB时,终端的定位精度还能稳健地保持在厘米量级。     

SystemView与MATLAB数据通信的研究

在很多应用场合,需要在System View与MATLAB之向进行数据通信。本文提出了一种以M-LINK为桥梁的通信方式,并给出了具体操作步骤。为了验证通信方式的可行性,以PCM为例,探讨如何通过M-LINK模块进行两种软件的数据通信,实现通信系统联合仿真。仿真结果表明,本文提出的通信方式是可行的。     

网络信息安全模拟仿真评估方案研究

首先针对我国国防科技工业网络环境的实际情况和安全保密的需求阐述了网络信息安全模拟仿真评估技术研究的目的和意义,提出了技术应用目标;然后论述了主要研究内容及具体实现的技术方案;最后详细介绍了需要实现的关键技术及解决途径。     

联合多流融合和多尺度学习的卷积神经网络遥感图像融合方法

为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼接输入到具有多流融合架构的金字塔模块进行图像重构。金字塔模块由多个骨干网络组成,可以在不同的空间感受野下进行特征提取,能够多尺度学习图像信息。最后,构建空间光谱预测子网融合金字塔模块输出的高级特征和网络前端的低级特征得到具有高空间分辨率的MS图像。结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法生成的融合图像在主观目视检验和客观评价指标上都优于大多先进的遥感图像融合方法。     

智能反射表面辅助的MISO通信系统的物理层安全设计方案

智能反射表面(IRS)可通过调整反射单元的相位来提升无线通信物理层安全.针对IRS辅助的多输入单输出(MISO)通信系统,提出一种基于交替迭代的物理层安全设计方案.首先基于安全速率最大化原则,构建一个含有非凸约束的非凸目标函数;然后采用丁克尔巴赫算法和黎曼流形优化算法将非凸问题转化为一系列易于求解的子问题;最后采用交替...     

人工智能技术在卫星任务管控领域的应用

近些年来伴随着科学技术水平的不断提高,人工智能技术被广泛应用到航天领域,可有效提升系统的智能化、自动化和信息化水平。重点围绕人工智能技术在卫星运控系统中的应用,针对大规模星地资源统筹和复杂任务规划等技术难点,提出构建卫星智能化任务规划系统和星地协同系统,通过深度感知用户的任务需求偏好,精准规划卫星遥感任务,充分发挥星地协同效能,完成任务管控领域的智能管理、智能规划、智能调度和智能运行,实现卫星运控系统的高效、可靠、稳定运行,为卫星效益的良好发挥提供最佳支撑。     

基于场发射三极管结构的离子轰击分析

离子轰击影响场致发射器件的稳定性和工作寿命。本文以碳纳米管场发射三极管结构为例模拟了气体—电子碰撞电离产生的正离子回轰阴极的全过程，对模型中的平面阴极受损的位置和程度进行了的分析；为了减小离子轰击的影响，在三极管中引入了第二栅极利用其离子陷阱效应，并模拟了使用第二栅极后正离子回轰阴极的全过程和阴极受损情况。模拟结果证明，加入离子陷阱结构后可以明显改善场致发射三极管的离子轰击问题。     

PWM整流器高功率因数的实现

论述了交流斩波电路中控制部分的工作原理，并对该电路中电抗器的取值进行了计算。采用16位80C196KC单片机能使控制电路非常简单，并容易实现高频开关器件整流器的高功率因数。     

基于开关函数概念的VSI的仿真模型介绍

介绍了一种以MATLAB中的Simulink模块来对VSI进行直接仿真研究的模型。此模型以开关函数为基础来进行设计，抛弃了需要通过编程的方式来进行仿真分析的传统方法，从而避免了需要长时间等待时间仿真程序运行结果的弊端，有效地提高了仿真效率，采用此模型的实验仿真结果也证实了该方法的有效性。     

基于中心对齐多核学习的稀疏多元逻辑回归算法

稀疏多元逻辑回归(SMLR)作为一种广义的线性模型被广泛地应用于各种多分类任务场景中。SMLR通过将拉普拉斯先验引入多元逻辑回归(MLR)中使其解具有稀疏性,这使得该分类器可以在进行分类的过程中嵌入特征选择。为了使分类器能够解决非线性数据分类的问题,该文通过核技巧对SMLR进行核化扩充后得到了核稀疏多元逻辑回归(KSMLR)。KSMLR能够将非线性特征数据通过核函数映射到高维甚至无穷维的特征空间中,使其特征能够充分地表达并最终能进行有效的分类。此外,该文还利用了基于中心对齐的多核学习算法,通过不同的核函数对数据进行不同维度的映射,并用中心对齐相似度来灵活地选取多核学习权重系数,使得分类器具有更好的泛化能力。实验结果表明,该文提出的基于中心对齐多核学习的稀疏多元逻辑回归算法在分类的准确率指标上都优于目前常规的分类算法。