Method for discrimination of false targets in multistation radar systems based on the deep neural network

For the existing jamming discrimination methods for multistation radar systems,only the single feature of target echo space correlation is utilized as the metric,which leads to insufficient comprehensiveness of feature extraction,so that effectiveness and universality are insufficient for the discrimination algorithm.In this paper,an identification method in multistatic radar systems based on the deep neural network is proposed.This method combines the characteristics of multistatic radar systems cooperative detection technology,which has many available resources and strong scheduling ability in space,time and frequency domain,with the strong model learning and feature representation ability in the process of information processing on the deep neural network,so that it can effectively apply to the field of anti-deception jamming.Full use is made of unknown information about echo data to obtain more multi-dimensional,more comprehensive,more complete and deeper feature differences besides correlation,so as to achieve a better jamming discrimination effect.Simulation results show that the proposed method can effectively reduce the influence of noise and pulse number on the jamming discrimination performance.At the same time,the limitation of the target echo correlation coefficient on anti-jamming technology under nonideal conditions is alleviated,which broadens the boundary conditions of the application process.     

中国文学批评体系的生成——《文心雕龙》与早期文献中的文学观

对刘勰批评体系建构的探讨,是《文心雕龙》研究中最富有成效的学术领域之一.然而,从中国传统文学批评的内在连贯性或系统性出发,探讨这一系统性著作的研究却明显匮乏.用这种大视野来集中审视《文心雕龙》的文学观念,会有如下发现:从远古到汉代,中国文学批评形成了三种主要的文学观:以《尚书》为代表的宗教文学观,以《左传》和《国语》为代表的人文文学观,和以《毛诗序》为代表的教化文学观.刘勰继承了前人把文学理解为一个和谐过程的基本模式,重新认识了文学的性质、起源、思想和语言的形成及其功能,从而形成了自己的综合文学观.这四种文学观之间的联系揭示了一个复杂的批评体系.这驳斥了人们普遍认为的中国传统批评没有一个连贯体系的错误观点.     

氢化物原子荧光光谱法测定党参中的硒含量

为建立一种操作简便,快速,高灵敏度的氢化物原子荧光光谱法测定党参中硒的分析方法。方法 采用原子荧光光谱法对测定党参中硒元素进行含量的定量分析方法。结果 硒含量在0~40 μg/L质量范围内与其荧光强度呈现良好的线性关系（R²=0.9999）,检出限为Q=0.065 ng/mL;加样回收率为113.33%,相对标准偏差（RSD）为4.97%;精密度RSD为1.65%;准确度RSD为4.58%;稳定性RSD为6.52 %。11个不同品种党参之间的硒含量稍有不同,但都在0.1 mg/kg以下。结论 在富硒党参质量控制检测中,用原子荧光光谱法测定硒含量,其操作快速、简便,能准确测定党参硒含量。     

一种联合采样的神经网络光场

相比传统的光场绘制技术,神经网络光场(NeRF)方法可使用神经网络拟合场景的光线采样,将隐式编码输入图片的光场,合成新视图. 针对NeRF方法训练时间长,绘制视图慢的问题,提出了一种基于联合采样的NeRF方法,通过使粗糙网络和细腻网络共享均匀采样结果的方法,减少了不必要的光线采样,从而加快了网络训练和视图合成的速度. 实验结果表明,在取得近似视图合成质量的情况下,与NeRF方法相比,所提方法的训练时间减少了20%,视图合成的效率提高了25%.     

基于动态模式分解的移动用户信道容量预测算法

在多输入多输出环境下,为了能够连续预测出移动用户的信道容量并以此合理地分配用户资源,提出了一种基于动态模式分解（DMD）的信道容量预测方法及其优化方法：基于经验模态分解的选择性归一化动态模式分解（ESN-DMD）.仿真结果表明,DMD算法只适用于预测低移速低复杂度的用户信号,ESN-DMD算法可以预测不同移速的用户信道容量.     

基于盲源分离算法的有载分接开关振动监测技术研究

随着电网调节任务日趋繁重,设备运行工况愈加复杂,有载分接开关(OLTC)故障频发且呈上升趋势,严重影响电网系统安全稳定的运行.机械性故障为OLTC的主要故障,振动监测为其常用故障监测手段之一.在OLTC切换过程中,振动采集装置采集到的信号存在大量噪声.本文采用一种盲源信号分离方法,基于220 kV电力变压器的不同运行方式下的振动波形仿真分析表明,该方法能将OLTC振动信号准确无误、有效地分离出来,提高振动故障监测识别装置的准确率.     

基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.     

基于样本熵与时频分析的手部抓握运动意图预测

针对上肢外骨骼控制信号产生与外部设备响应存在时间滞后导致脑机接口(BCI)系统实时性差的问题,采集被试手部自主抓握前运动相关皮质电位(MRCP) ,提出基于非线性复杂度特征样本熵 (SampEn)与线性幅值特征融合算法的手部运动意图预测方法. 从时频、神经复杂度分析不同大脑状态之间存在的差异,通过特征融合实现对手部抓握运动意图的预测. 基于特征融合意图离线预测准确率最高可达88.46%,可以在人体手部自主运动发生时刻?1 400 ms实现对手部运动预测. 与平静时期手部静止状态相比,被试产生手部抓握运动意图时脑电信号的功率谱与复杂度均产生明显变化,为基于手部运动意图预测提前驱动机器人实现人机协同提供控制策略.     

云南省白族和哈尼族婴幼儿膳食营养状况及生长发育的调查分析与评价

对云南省剑川县、墨江县的600名6 ～ 24个月龄婴幼儿进行膳食及健康调查,评价两地婴幼儿的生长发育情况,为当地卫生机构普及营养知识和少数民族营养支持计划提供数据支持.采用外科体检和膳食营养调查同步进行的方法对剑川白族和墨江县哈尼族6～24月龄婴幼儿膳食摄入状况及身体发育指标进行调查,并与参考文献中的其他地区同龄进行纵向比较,综合评价两地婴幼儿的健康发育状况.两地6～24月龄婴幼儿的营养摄入低于国家推荐量,并且生长发育指标低于城区的婴幼儿,剑川白族婴幼儿发育指标好于墨江哈尼族婴幼儿发育指标.剑川、墨江等地区的婴幼儿营养及身体发育指标偏低,婴幼儿营养摄入和发育状况均堪忧,有必要加强科学指导和管理,并进行营养包支持.     

基于9种无约束优化算法的岩爆预测BP模型优选

为研究不同训练样本数量和无约束优化算法对岩爆BP(Back Propagation)神经网络模型预测准确率的影响,选取围岩最大切向应力与岩石单轴抗压强度比σθ/σc、岩石单轴抗压强度与单轴抗拉强度比σc/σt和弹性能量指数Wet作为预测指标,广泛搜集整理100组典型岩爆实例建立了训练样本数据库.在样本数量分别为40、70和100时,基于标准算法和9种无约束优化算法建立了10个岩爆BP神经网络预测模型,并提出了考虑不同样本规模影响的岩爆烈度等级预测指数——综合准确值N.比较研究结果表明:BP模型的预测准确率随样本数量增加而提高,3种样本数量下的模型平均预测准确率分别为62.5％、76.4％和87.5％;基于9种优化算法建立的BP网络模型的N值均高于标准BP模型;基于Ploak-Ribiere共轭梯度法优化的BP模型的N值(195)和预测准确率(99.0％)均最高,且在5个工程实例中的预测结果完全符合现场实际,优于标准BP模型、支持向量机模型和其他优化模型,为岩爆烈度等级预测的最佳模型.