赋能通信技术原理及应用展望

针对VHF/UHF频段电台仅能视距通信的应用局限,提出了一种基于对流层散射传播体制的赋能通信技术,并对其原理进行了介绍。该技术在不改变现役VHF/UHF电台硬件结构的前提下,通过建立赋能站和加载对流层散射通信波形,可以在VHF/UHF电台与赋能站之间实现可靠的超视距通信。通过理论分析、信道特性试验以及通信试验证实了该技术的可行性。最后对该技术的应用前景进行了分析。对实现多个被动传感器的优化选择和合理布站,提高目标定位精度有一定的理论和实际意义。     

“互联网+”时代背景下计算机基础应用类课程在线教学设计

随着我国"互联网+"时代的到来,传统学校教学模式和教学理念已不能满足时代发展的需要,全国各类院校倡导教学改革,提出开展线上教学,更是迫切要求将教学与互联网完美融合。本文重点探索计算机基础应用类课程在线教育教学设计、教学方法及考核方式。     

基于密度聚类的光条中心线提取方法

为了解决线结构光3维测量中噪声光斑对提取精度的影响，采用了密度聚类灰度重心提取算法提取激光光条中心线。该方法由中心线预提取以及中心线最终提取两阶段组成，预提取阶段实现对激光与光斑两者中心线的同时提取，最终提取阶段采用基于连通性的密度聚类算法完整保留激光中心线并剔除噪声光斑。在仿真实验阶段，对大小为600pixel×600pixel、含有激光中心线的图像进行了加噪处理，并使用提取结果与真实中心线之间各点的均方根误差以及运行时间作为考察标准进行了实验研究。结果表明，该方法与传统灰度重心法相比，在高亮度各向异性光斑、高亮度小面积光斑、高亮度点噪声图像的均方根误差分别降低了12.59pixel，15.12pixel和83.36pixel，时间复杂度分别提高了0.383s, 0.412s和0.416s。该方法与传统灰度重心法相比具有更高的提取精度、近似的时间复杂度，且对噪声光斑具有较好鲁棒性，可以在噪声光斑图像中完整提取出光条中心线。     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。