面向对象程序设计课程定位的探索和实践

面向对象程序设计课程是计算机及相关专业的必修课程,目前存在学不致用的问题,文章分析面向对象程序设计课程的定位,以一个真正有用的程序为主要课程目标,并对课程内容进行筛选和重组,围绕目标选择合适的应用案例,让学生学习软件开发过程中"真正"使用的开发技术和开发流程,最终对面向对象的各种技术知其然,并知其所以然。

传感网中UWB和IMU融合定位的性能评估

位置信息是物体的基本属性之一.随着无线传感器网络(wireless sensor network,WSN)的蓬勃发展,传感器网络中节点位置信息的获取变得尤为重要.超宽带(ultra-wideband,UWB)和惯性测量单元(inertial measurement units,IMU)以其高定位精度,在WSN中得到了广泛应用.UWB精度高,但容易受多径效应和节点间的相对几何位置关系影响.IMU惯性测量单元能够提供连续的惯性信息,但累积误差问题难以解决.基于IMU和UWB结合的融合定位方法,能够在提高定位精度的同时补偿UWB的多径效应影响和IMU的误差累积问题.因此,提出一种新的基于UWB和IMU的融合定位方法,实现传感网中目标节点的高精度位置追踪,并通过计算克拉美罗下限(Cramer-Rao lower bound,CRLB)表征融合定位方法的空间定位性能验证其在解决多径和几何拓扑问题上的有效性,通过计算后验克拉美罗下限(posterior Cramer-Rao lower bound,PCRLB)表征融合定位方法的时间定位性能验证其在累积误差纠正上的有效性,为基于UWB和IMU融合定位算法的设计和仿真提供理论支持.实验结果表明:融合定位方法具有更好的时空定位性能,更能接近实际应用的理论精度下限.

基于低能耗WSN的石油场站监控系统设计

为实现石油场站中长输管道状态的智能化监控,提出一个融合无线传感器网络(WSN)、GPRS和Internet的监控系统。基于WIA-PA无线工业标准,进行WSN的硬件集成,设计优化分簇拓扑管理机制,采用扩展超帧的时隙分配策略实现低能耗的上行协议,利用带时间戳的泛洪机制实现高实时性的下行协议。将监控系统运行于石油场站现场,并在OMNet++平台上对分簇WSN进行仿真,结果显示该系统的传输可靠性高于98%,网络中各簇节点的能量消耗均衡,自主运行时间可达1年。

线型无线传感网低能耗协议设计和分析

为了可靠监控长输管道阴极保护设备的状态,基于线型无线传感器网络建立了远程辅助监控系统,并提出了适合线型无线传感网的低能耗、高可靠协议组.协议组包括数据上行时采用的分簇融合链式多跳协议(CMCH),以及数据下行或报警发布时采用的单步唤醒泛洪协议(SRWF).CMCH协议基于线型无线传感网的能耗特征,在可靠传输的同时控制功率、融合数据以实现节能;SRWF协议在不同频段上利用射频唤醒机制依次启动相关睡眠节点完成信息转发,保证控制或报警信息发布的实时性.在OMNet++仿真平台上模拟了CMCH协议,并且监控系统已部署在某石油长输管道运行了2个月.结果表明,协议关键参数的选择对低能耗实现有重要影响;现场运行的传输可靠性达到了99%;无线传感网节点簇能量消耗相对均衡.

未知环境下基于深度序列蒙特卡罗树搜索的信源导航方法

信源导航在应急救援、工业巡检及其他危险作业中具有重要应用意义.在实际应用中,环境的状态信息往往是难以完全观测的,即部分可观测环境.如何利用观测到的部分环境信息做出实时决策,并基于历史序列信息对系统未来状态进行有效的预测,成为信源导航相关研究所面临的挑战性问题.本文提出一种基于深度序列蒙特卡洛树搜索(Deep Sequential Monte-Carlo Tree Search,DS-MCTS)的信源导航算法和系统框架,基于序列动作预测(Sequential Action Prediction,SAP)网络为MCTS决策提供先验知识,构建奖励分配预测(Reward Allocation Prediction,RAP)网络提高奖励分配精度,最终实现系统的最优化决策.仿真实验表明,DS-MCTS方法提供了一种端到端的信源导航解决方案,可以实现智能体动作的有效预测,实现高效、鲁棒的路径规划.

问题式过程管理在大学计算机基础双语教学中的实践

针对在大学计算机基础双语学习中,学生以记忆计算机专业术语为主,应用实践能力与计算机原理知识脱节的问题,提出将问题式过程管理的教学法应用到双语教学实践中。在课堂上以问题为主线进行有效的授课管理;在整个教学过程中,以管理平台为基础,作业管理为形式,定期测验为手段,项目实现为目标进行有效的课程教学和自主学习管理。

IMU/TOA融合人体运动追踪性能评估方法

随着物联网和体域网的飞速发展,人体运动追踪技术在医疗、安防等领域得到了广泛应用.针对传统惯性人体运动追踪系统存在累积误差和漂移的问题,本文提出了一种基于IMU/TOA融合的人体运动追踪方法.通过对融合系统克拉美罗界(Cramer-Rao Lower Bound,CRLB)的推导,从理论上证明了IMU/TOA融合方法的有效性.实验结果可以看出,本文提出的基于IMU/TOA融合的人体运动追踪方法,在空间性能和时间性能两个方面都有较大的提升.

人体对UWB测距误差影响模型

提出基于人体遮挡应用场景下的UWB信道,通过对TOA测距误差的测量与分析,研究人体遮挡对TOA测距误差的影响。通过搭建合适的测量平台,对测量结果进行处理,建立单侧人体引起的TOA测距误差模型。利用Matlab软件仿真验证人体遮挡应用场景下TOA测距误差的准确性并分析体表爬行波对TOA测距的影响。

基于无线传感网的管道腐蚀远程监测系统设计

针对无线射频传输距离有限的缺点,提出一种利用GPRS网络和分簇结构的WSN实现远距离数据传输的管道腐蚀远程监测系统设计方案.设计了多功能的低功耗WSN节点,并提出适用于管道腐蚀实时监测的链式路由、簇内基于TDMA的MAC协议和以RTC为基准的时间同步机制.测试结果表明节点采集数据误差在4mV以内,簇头和传感节点最大工作电流分别为300mA和170mA,休眠时电流都小于65uA,满足实际监测需求,在远程监测应用中取得了良好的效果.

工业环境IEEE802.15.4链路的多频道可靠性分析与建模

无线传感器网络协议设计依赖于网络环境中的链路特征.在实际环境中,链路易受外界环境的影响而产生剧烈的变化.但是,目前只有少量的链路模型涉及多频道传输可靠性及其时间变化特征.以丢包率描述链路的可靠性,针对链路可靠性在频道和时间上的变化特征,提出了统计建模的方法,引入丢包率(PDR)和丢包序列(PDS)定量刻画出了链路可靠性与频道、时间的关系.通过在钢铁厂车间、学校实验工厂对2.4GHz的IEEE802.15.4模块进行测试及统计分析,发现数据丢包率服从logistic或log-logistic分布;在一个确定丢包率下,两次数据丢包之间的间隔服从lognormal分布.在此基础上,通过分析干扰链路可靠性的原因,提出了一种工业无线传感器网络链路可靠性模型,并基于此模型对IEEE802.15.4e的两种提案进行了评估和分析.

基于误差椭圆重采样的粒子滤波跟踪算法

实时可靠的导航定位是无线传感器网络的关键技术。在实际的应用环境中,定位系统误差模型一般是非线性非高斯的,传统的卡尔曼滤波算法无法提供长时间高精度的定位服务。现有研究中,粒子滤波可以处理复杂的系统模型和测量模型,但在实际应用中往往面临粒子退化和贫化问题。针对这一问题,提出了一种基于误差椭圆重采样的粒子滤波算法,用于无线传感器网络的目标定位跟踪问题。为提高粒子滤波算法在状态估计中的有效精度,在重采样过程中根据粒子的误差协方差矩阵建立不同置信水平的误差椭圆,按照粒子的几何位置进行分层,进而对不同层级的粒子进行筛选与优化,并对比计算后验克拉美罗下界性能验证该方法在累积误差优化中的有效性。实验结果表明,误差椭圆重采样粒子滤波算法精度达到1.05 m,有效改善了粒子退化和贫化问题。

一种高可靠无线传感器网络自适应跳频算法

对于复杂恶劣环境的无线传感器网络应用,多数协议采用跳频提高网络的抗干扰能力和安全性.广泛使用的IEEE802.15.4标准在2.4GHz频段提供了16个频道,有效的支持了跳频通信的设计.但是,跳频通信的可靠性和链路的特征有着密切的关系,本文通过对复杂室内环境（工厂,实验室）无线通信特征的测试和分析发现,链路具有时变性,同时在一段相当长的时间内具有稳定性,因此本文针对复杂室内环境链路特征提出了一种自适应跳频方法,该方法通过评估当前频道的链路质量,只在频道的链路质量超出允许范围时进行跳频.仿真和测试结果表明,相比于多数工业应用采用时隙跳频方法,自适应跳频的可靠性提高了10%~16%,是一种有效的可靠性设计方法.

基于奖励滤波信用分配的多智能体深度强化学习算法

近年来,强化学习方法在游戏博弈、机器人导航等多种应用领域取得了令人瞩目的成果.随着越来越多的现实场景需要多个智能体完成复杂任务,强化学习的研究领域已逐渐从单一智能体转向多智能体.而在多智能体强化学习问题的研究中,让智能体学会协作成为当前的一大研究热点.在这一过程中,多智能体信用分配问题亟待解决.这是因为部分可观测环境会针对智能体产生的联合动作产生奖励强化信号,并将其用于强化学习网络参数的更新.也就是说,当所有智能体共享一个相同的全局奖励时,难以确定系统中的每一个智能体对整体所做出的贡献.除此之外,当某个智能体提前学习好策略并获得较高的回报时,其他智能体可能停止探索,使得整个系统陷入局部最优.针对这些问题,本文提出了一种简单有效的方法,即基于奖励滤波的信用分配算法.将其他智能体引起的非平稳环境影响建模为噪声,获取集中训练过程中的全局奖励信号,经过滤波后得到每个智能体的局部奖励,用于协调多智能体的行为,更好地实现奖励最大化.我们还提出了基于奖励滤波的多智能体深度强化学习(RF-MADRL)框架,并在Open AI提供的合作导航环境中成功地进行了验证.实验结果表明,和基线算法相比,使用基于奖励滤波的深度强化学习方法有着更好的表现,智能体系统策略收敛速度更快,获得的奖励更高.

基于KM教学法的大学计算机基础全英文教学

分析开展全英文教学的紧迫性和可行性,开展全英文教学的设计与实践,从教材的选择、课堂内容的组织、KM教学法的实施及实践效果展开讨论,总结该课程建设所遇到的问题及解决方案。

运用开端神经网络进行人体姿态识别

通过迁移深度神经网络在图像识别方面的经验,提出了一种基于Inception神经网络和循环神经网络结合的深度学习模型(InnoHAR),该模型端对端地输入多通道传感器的波形数据,利用1×1卷积对多通道数据的有机组合,不同尺度的卷积提取不同尺度的波形特征,最大池化过滤微小扰动造成的假阳性,结合时间特征提取(GRU)为时序特征建模,充分利用数据特征完成分类任务。相比已知最优的神经网络模型,在识别准确度上有近3%的提升,达到了state-of-the-art的水平,同时可以保证低功耗嵌入式平台的实时预测,且在网络结构组成上更加丰富,具有更大的潜力和挖掘空间。

双语教学浅析

双语教学是近些年来教育领域的新生事物.作者通过在大学双语教学中的摸索和实践,有所感悟.本文对双语教学的必要性、可行性进行了探讨,并将教学实践中的经验、问题和感想呈现给读者,希望与大家交流探讨,从而促进教学质量的提高.

试论生物学科在素质教育中的地位

素质教育是以全面提高国民素质为目的的教育。素质教育和应试教育的最大不同点在于应试教育是以应付考试,特别是应付升学考试,追求升学率为目的的教育,而素质教育则是为了让学生的各方面得到全面的发展和提高。一、未来世界的发展前景决定了中学生物学科在素质教育中的重要地位。人类要生存,要发展,就必须解决生存和发展所遇到的一系列难题。

西安曲江城管执法分局荣获陕西省“青年文明号”荣誉称号

陕西消息 近日，陕西省2010年青年文明号颁奖授牌仪式在西安礼堂举行，西安市曲江城管执法分局荣获陕西省青年文明号荣誉称号。