回波功率筛选与数字地表分类数据辅助的低空风切变风速估计方法

针对非均匀杂波环境下,低空风切变风速估计不准的问题,该文提出一种回波功率筛选与数字地表分类数据(DLCD)辅助的低空风切变风速估计方法.该方法首先利用样本回波功率对训练样本进行初选,然后利用DLCD计算各样本间的相似度,并从功率较大的训练样本中选取样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵,最后利用广义相...     

中学体育教师在教学中与学生互动的方法

体育的发展关系到人们的身体质量状况,学校体育是一个集中营,从小建立体育意识,增加体育知识,树立体育锻炼观念,这些需要体育教师的领导与进行体育知识的传授,在教学方法上需要进一步改进与完善,以更好实现教学目标,增强学生体质。     

燃气互换时大气式燃烧器一次空气系数的变化

一次空气系数是考虑燃气互换性时的一个重要指标。目前的计算方法仅仅考虑一次空气系数与燃气的华白数成反比,对该计算方法所带来的系统误差没有分析。根据大气式燃烧器的自动调节特性,从理论上推导了大气式燃烧器在燃气性质改变时一次空气系数的计算公式,推导了一次空气系数与燃气华白数的关系,通过具体案例分析了公式的误差范围。     

建筑群高度差异性影响城市冠层通风特性的研究进展

作为城市空间形态的重要组成要素,建筑群高度表现出强烈的差异性,本文将国内外相关研究根据技术手段进行分类,归纳建筑群高度差异性影响对气流流动特性与污染物输运特性的影响.总结分析表明建筑群高度存在变化使水平流动衰减,并加剧竖向湍动交换,并且整个城市冠层内部的湍动状态与污染物浓度将发生显著变化,并探讨了未来研究的方向,利用遥...     

WebService关键技术研究

该文分析了WebService优势和发展的必然性：探讨了WebService的关键技术和关心的问题。通过对XML、SOAP、WSDL和UDDI的研究,可以得出WebService作为面向组件编程的典型代表比面向对象的编程具有更好的封装性和松耦合性等特点。     

Web Service关键技术研究

该文分析了Web Service优势和发展的必然性。探讨了Web Service的关键技术和关心的问题。通过对XML、SOAP、WSDL和UDDI的研究,可以得出Web Service作为面向组件编程的典型代表比面向对象的编程具有更好的封装性和松耦合性等特点。     

基于SHT11的WSN在矿井测控系统中的应用

SHT1X系列是瑞士Sensirion公司生产的新一代基于CMOSens技术的数字温湿度传感器。SHT11是其中的具有代表性的产品。无线传感器网络（WSN）技术是近年来新兴的并十分火热的一个研究领域,它集半导体技术、微系统技术、通信技术、计算机技术等于一身。本文介绍了SHT11数字温湿度传感器的工作原理、内部结构等。并对由SHT11温湿度传感器和微控制器组成的温湿度测控节点提出了硬件的组成及软件的设计方案。然后提出了由多个测控节点组成的无线传感器网络（WSN）在矿井中实现温湿度监测的解决办法。     

学校体育政策宣传途径影响大学生体育锻炼行为的实证研究

目的:本文旨在研究学校体育政策宣传途径对大学生体育锻炼行为的影响,对有效提高大学生的锻炼效果具有借鉴意义.方法:采用政策宣传途径问卷和体育锻炼行为问卷等对普通高校非体育专业的1092名本科生进行调查.结果:(1)在9种学校体育政策宣传途径中,大学生通过大部分途径了解体育政策在锻炼频率、锻炼坚持性、锻炼项目上差异有显著(...     

基于线扫描分析的点状目标检测和分割

根据点状目标在图像空间呈现的局部峰值或极小值区域一般具有全向对称和高斯分布特性,提出一种新颖的旋转线扫描算子对点目标的截面进行特征分析,并结合局部峰值分析和梯度信息,实现点目标的检测与分割。实验结果表明,本文算法对点目标外观如大小、局部的对比度和灰度变化具有良好的适应性;在手机隔板砂粒检测中,算法检测准确率达到0.993;而在视网膜眼底图像微脉瘤病变检测中,在可临床接受的误判率(1.08FP/image)前提下,检测准确率为0.42。大量实际图像测试表明,本文算法具有良好的检测性能和鲁棒性,并且节约资源和时间成本。     

基于改进时域多尺度散布熵与支持向量机的转辙机故障诊断

为充分挖掘转辙机振动信号的有效故障信息,提高故障诊断准确率,提出了一种基于集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）、改进时域多尺度散布熵（Improved Time-domain Multiscale Dispersion Entropy,TMDE）与粒子群优化算法（Particle Swarm Optimization algorithm,PSO）优化支持向量机（Support Vector Machine,SVM）的故障诊断方法 .首先,通过EEMD方法将不同故障类型的振动信号分解成若干个模态函数（Intrinsic Mode Functions,IMFs）;其次,采用相关系数与峭度的混合筛选准则筛选IMFs并重构信号;再次,应用所提ITMDE算法提取重构信号的多尺度故障特征;最后将得到的特征向量输入经PSO搜索最优参数后的SVM进行训练和测试.实验分类准确率为100%,分析表明所提方法优于传统的多尺度排列熵、多尺度散布熵的故障诊断方法,能精确地识别转辙机故障类型.