基于广义回归神经网络的强干扰下垂直阵目标距离估计方法

以声压场采样协方差矩阵为特征,基于广义回归神经网络研究在强干扰下的水下声源测距问题,该文提出了优化扩展因子的方法以提高神经网络估计性能。使用仅有一个网络参数的广义回归神经网络,使用SWellEX-96实验S59航次的垂直阵数据,比较了以传统匹配场处理为代表的模型驱动方法和以卷积神经网络、广义回归神经网络为代表的数据驱动方法在强干扰下的水下目标距离估计性能。结果表明,基于优化扩展因子的广义回归神经网络在强干扰下可以有效实现距离估计。

基于迁移学习的小样本垂直阵目标距离估计方法

针对仅有少量水声数据海域的目标距离估计问题,本文以声场复声压的实部和虚部为特征,构建迁移学习模型,在利用卷积神经网络对预选海域大量水声数据进行预训练的基础上,对探测海域小样本水声数据进行再训练,从而实现小样本水声数据下的水下声源距离估计。利用SWellEX-96实验无强干扰的S5航次数据和有强干扰的S59航次数据进行了方法的验证,对实验中的浅源和深源实现距离估计,对比了匹配场处理、传统卷积神经网络和迁移学习3种方法的水下目标声源距离估计性能。实验结果表明:基于卷积神经网络的迁移学习模型在无强干扰和有强干扰2种环境中均可有效实现距离估计,且估计性能明显优于传统卷积神经网络和匹配场处理方法。

基于深度定制的Android学生智能手机设计开发

学生智能手机的普及趋势无法阻挡,已成为学生的生活必需品之一。结合中小学生对智能手机的需求,充分考虑家长和学生的各种因素,基于ROM深度定制,提出了一套技术创新的中小学生Android智能手机的设计方案。该智能手机以智能手机为载体,在保留原有的通讯功能之外,整合互联网上的教育资源,采用云存储技术和云服务网络,为家长、学校、学生达成共同的教育目标,提供了一个整合的、通用的、高效的新型网络教育资源的基础平台。该智能手机也将成为一款真正适合学生、适合家长,适应信息时代新型教育体系的产品。