基于DDS的调频信号一次谐波新研究

基于DDS的直接数字调频(DDFM)信号被广泛应用,DDFM信号比标准FM信号多出谐波分量,谐波特别是一次谐波是造成DDFM信号失真的主要因素。首次得到了DDFM信号的频谱解析式,基于此,采用数值计算结果函数拟合方法得到了DDFM信号一次谐波失真(FHD)新的近似公式,新公式比文献公式有更好的适用性和精确度。     

云南省常见新鲜野生食用菌中硒含量调查

目的 调查云南省常见新鲜野生食用菌中硒含量水平。方法 收集云南省9个州市常见新鲜野生食用菌共计26个品种189件, 按照GB 5009.93-2017 《食品安全国家标准 食品中硒的测定》中原子荧光光谱法测定所采集的新鲜野生食用菌中的硒含量。结果 189件新鲜野生食用菌中有188件样品中检出硒, 检出率为99.5%, 硒含量范围为0.5~2670 μg/100 g, 平均值为126.0 μg/100 g, 中位值为35.0 μg/100 g, 其中硒含量最高的是昆明的干巴菌, 为2670 μg/100 g。结论 本研究为云南省常见新鲜野生食用菌中硒含量评价提供基础数据。     

空间目标的短时三维几何重构方法

通常空间自旋目标的3维(3D)重构都是通过对散射点轨迹进行矩阵分解的方法得到的,散射点轨迹是从雷达序列图提取并关联得到的。由于散射点提取与关联误差的存在,3D重构会出现精度下降,甚至失败的问题。另一方面,转台目标的散射点轨迹符合圆属性,这与几何投影理论认为散射点投影轨迹的椭圆属性相违背。为解决以上问题,该文提出了基于短时的空间目标3D重构算法。首先对提取的散射点轨迹进行2维圆属性拟合,使其轨迹光滑,更接近理论曲线。然后采用多视角的方法估计雷达视角(LOS),通过乘以雷达视角构成的系数,将圆属性轨迹曲线转变成椭圆属性轨迹曲线。通过对散射点椭圆属性轨迹进行矩阵分解的方法获得目标的3D结构。最后通过2个实验验证了该文所提算法的有效性。     

基于模型重建的深度卷积网络权值可视化方法

针对深度卷积网络原理分析的问题,该文提出一种基于模型重建的权值可视化方法。首先利用原有的神经网络对测试样本进行前向传播,以获取重建模型所需要的先验信息;然后对原本网络中的部分结构进行修改,使其便于后续的参数计算;再利用正交向量组,逐一地计算重建模型的参数;最后将计算所得的参数按照特定的顺序进行重排列,实现权值的可视化。实验结果表明,对于满足一定条件的深度卷积网络,利用该文所提方法重建的模型在分类过程的前向传播运算中与原模型完全等效,并且可以明显观察到重建后模型的权值所具有的特征,从而分析神经网络实现图像分类的原理。     

科技化发展对当代高校思政工作的影响研究

<正>书名:生活科技化时代与大学生思想政治教育创新作者:刘锋定价:58.00元出版单位:西南交通大学出版社出版日期:2019年ISBN:9787564365943伴随着新中国奋进新时代理念的提出,科技化发展已经逐渐融入到人们的日常生活中,其推动了社会的前进和人类的进步,促进社会经济结构和社会生活结构的重大变化,在影响生活生产质量的基础上,更影响了人的精神价值。传统高校     

一种胶体电解液胶凝时间的测定方法

本文建立了浊度法测定胶体电解液胶凝时间的方法。该方法能简便、直观、准确地测定胶体电解液的胶凝时间,为胶体电池的电解液研制提供实验方法支持。     

Photoshop的使用与处理制作

本文中主要通过Photoshop技术对人物的面部进行处理,具体包括如何做到人的面部肌肤富有真实性、人体形态具有形象性等,主要的目的在于通过此次设计充分理解和把握设计者是如何通过Photoshop技术实现人物的刻画的。     

深度学习图像修复方法综述

目的 图像修复是计算机视觉领域研究的一项重要内容,其目的是根据图像中已知内容来自动地恢复丢失的内容,在图像编辑、影视特技制作、虚拟现实及数字文化遗产保护等领域都具有广泛的应用价值。而近年来,随着深度学习在学术界和工业界的广泛研究,其在图像语义提取、特征表示、图像生成等方面的应用优势日益突出,使得基于深度学习的图像修复方法的研究成为了国内外一个研究热点,得到了越来越多的关注。为了使更多研究者对基于深度学习的图像修复理论及其发展进行探索,本文对该领域研究现状进行综述。方法 首先对基于深度学习图像修复方法提出的理论依据进行分析;然后对其中涉及的关键技术进行研究;总结了近年来基于深度学习的主要图像修复方法,并依据修复网络的结构对现有方法进行了分类,即分为基于卷积自编码网络结构的图像修复方法、基于生成式对抗网络结构的图像修复方法和基于循环神经网络结构的图像修复方法。结果 在基于深度学习的图像修复方法中,深度学习网络的设计和训练过程中的损失函数的选择是其重要的内容,各类方法各有优缺点和其适用范围,如何提高修复结果语义的合理性、结构及细节的正确性,一直是研究者们努力的方向,基于此目的,本文通过实验分析总结了各类方法的主要特点、存在的问题、对训练样本的要求、主要应用领域及参考代码。结论 基于深度学习图像修复领域的研究已经取得了一些显著进展,但目前深度学习在图像修复中的应用仍处于起步阶段,主要研究的内容也仅仅是利用待修复图像本身的图像内容信息,因此基于深度学习的图像修复仍是一个极具挑战的课题。如何设计具有普适性的修复网络,提高修复结果的准确性,还需要更加深入的研究。