基于高斯混合模型的无矫正射频层析压缩成像

现有的基于压缩感知的射频层析成像(Radio Tomographic Imaging,RTI)技术虽然能够解决传统的RTI需要足够多的观测样本来保证成像精度而导致系统损耗的问题,但是仍然无法很好地解决噪声带来的定位精度下降的影响。针对此问题,本文提出了一种基于高斯混合模型(Gaussian Mixture Model,GMM)的无矫正射频层析成像压缩成像方法。根据接收信号强度(Received Signal Strength,RSS)的特性分析,利用GMM模型对获得的RSS观测样本进行判决从而有效实现基于GMM-CS框架的无矫正RTI。实验结果表明在无需矫正的情况下,本文算法仍然可以保持较好的定位精度。当体素为0.333m时,重构结果的平均定位误差相比经典RTI求逆算法吉洪诺夫(Tikhonov)算法以及全变分(Total Variation,TV)算法分别下降了41.7%和37.7%,与基于压缩感知的算法ECS-DFL和BGMP相比分别下降80.9%和88.8%。

将技工类院校语文教学与专业技能教学相结合之初探

技工类院校教学是为了培养高素质的劳动者。新世纪需要的是既有一定的专业知识,又有多种能力的人才。但是,近年来,随着我国普通高校的不断扩招和经济社会需求的高学历化,大部分技工类院校备受＂高中热＂的冲击,一再降低招生门槛。这在一定程度上缓解了生源问题的同时也降低了生源的质量,有些学生初中毕业考试成绩很不理想,学习能力差,学习兴趣不高,不爱回答问题,互动少,使得课堂气氛沉闷,这些都大大增加了技工类院校语文教学的难度。