“对分课堂+翻转课堂”教学模式在课程教学中的应用——以信号与系统课程为例

随着“以学生为中心”的教学理念逐步深入教学一线,发挥学生学习主动性、提高课堂活跃度成为教师进行课程教学设计的目标之一。对分课堂将一半的课堂时间分配给学生,融合了讲授法和讨论法的优点,在提升学生积极性方面有显著效果;翻转课堂将课外学生自学与课堂师生互动相结合,在发挥学生自主能动性方面具有得天独厚的优势,两种模式的结合对学习资源丰富的基础类课程具有很强的适用性。文章主要讨论“对分课堂+翻转课堂”模式在信号与系统课程中的应用研究。

一种类线性调频雷达波型自动识别方法

随着电子技术的发展,雷达信号调制方式趋于复杂化,对雷达信号波形进行可靠的识别是雷达侦察系统面临的一个难题。其中,类线性调频雷达信号(LFM、Frank码、P1~P4码)是识别难度较大的一类信号。针对该问题,论文提出了一种基于深度学习的雷达波形自动识别方法,首先计算类线性调频雷达的基于S-method的时频分布,在此基础上计算信号时频分布的Zernike矩,然后通过卷积神经网络进行分类识别。实验表明,在-2dB信噪比下,信号的整体识别率达到94.33%,能够有效识别雷达波形。

深度强化学习之近端策略优化研究

随着信息技术的不断发展,机器的智能化成为热点研究问题。深度学习能有效地提取出环境中的特征信息,强化学习能有效地提出行为策略,将二者进行融合形成深度强化学习是人工智能研究领域的必然趋势,多种深度强化学习算法也随之发展。其中近端策略优化算法稳定性好、采样率高,在连续控制问题中有良好表现,在飞行器及机器人控制、机器博弈、无人驾驶等领域得到广泛应用。围绕深度强化学习的发展历程,总结深度强化学习常用算法的分类及各个算法的特点,包括基于值函数的方法、基于策略的方法、基于模型的方法和基于分层的方法,并重点介绍近端策略优化算法的原理、优化路径,涉及加入分布式计算、改进优势函数、分层优化等方向及相关优化算法的适用场景。

多传感器数据融合在爬架控制系统中的应用

针对传统爬架控制系统存在安全性评估不全面、报警准确率低的缺陷,提出了一种基于多传感器数据融合技术以提高爬架控制系统安全预警性能的方法。该方法通过传感器采集爬架载荷、倾斜角度和爬升速度等数据,利用BP神经网络对数据进行融合,并对系统的安全性能做出评估。详细介绍了融合算法、训练过程、系统硬件构成和软件实现。测试结果表明:该方法不仅能多角度评估系统的安全性,而且能提高爬架控制系统报警准确性,从而提高爬架系统的可靠性。

嵌入式并纱机总控制器设计

针对当前并纱机控制器中存在的操作不便,数据存储管理功能不够完善等弊端,设计了一种基于LPC1788微控制器的并纱机总控制器.该总控制器采用u C/GUI图形支持系统设计完整的用户界面,利用触摸屏进行交互,系统设置与生产数据以文件的形式存放在Micro SD卡中,实现高效的数据管理.同时基于文件系统的IAP编程可以实现系统升级,采用RS-485通信完成数据与指令的可靠传输,通过变频器频率控制电路实现变频调速,控制并纱过程中的走纱速度.实际应用表明,该系统界面友好,操作便捷,运行稳定可靠.

试析高职院校学生管理法制化及其权利保护

学生管理的法制化作为依法治国的客观要求,同时也是我国的高等教育体制改革的必然要求。对于高职院校的教育来说,学生管理的法制化不管是现在还是将来都有极其重要的意义。

以实践求实为引领的整流电路思政探索

为实现立德育人的教学目标,将思想培育引入教学的各个环节,深度挖掘思政元素,为学生今后工作奠定能力基础和心理素质基础。电子技术课程实践性强、应用广泛,在思政元素挖掘中以实践精神、求真精神等为主线,能使知识讲授与立德树人要求融合得更加自然。

步态识别现状与发展

步态识别是一种生物特征识别技术,目的是通过人们走路的姿态进行身份识别。与其他的生物识别技术相比,步态识别具有非接触、远距离和不容易伪装的优点。步态识别自1994年被提出以来发展迅速,而随着算法的提速,步态识别在智能视频监控领域比图像识别更具优势。文中通过对步态识别的原理进行归纳总结,介绍其在识别各阶段的应用;对数据库进行总结和整理,提出了多特征融合识别的方法和前景,展望了身份识别问题的未来发展方向。生物雷达技术的产生和应用将为步态识别提供更多可能。

衰落信道下V2V通信系统性能分析

针对V2V通信的连接性能问题,将衰落引起的信道随机性纳入分析,提出了一种在衰落信道中对V2V连接性能的分析算法,并将物理层和MAC层相结合,分析了不同衰落模型下V2V通信系统性能,包括对包丢失率、吞吐量、平均延时等通信性能指标,并通过仿真验证。仿真结果表明,瑞利信道的连接性能比Nakagami-m信道高,但信号的传输性能Nakagami-m信道全面优于Rayleigh信道。

车联网多传感器融合探测系统软件设计与实现

针对无人驾驶技术和自动驾驶辅助系统中出现的道路拥堵、车祸频发问题,研究设计了一款车联网多传感器融合探测系统软件(MSFD-VI),其由定位部分、目标检测部分,连通状态展示、信息交互部分以及传感器选择等部分组成。对软件进行实景测试,并将VMS系统探测结果与开源地图进行复合显示,可实现在170m内多目标距离速度探测,并得到较好的环境探测与复现,实现了车周情况的融合探测,对于驾驶安全具有重要意义。

基于树莓派的智能家居机器人i-mirror设计

i-mirror智能家居机器人是在智慧生活的概念下将传统家居镜进行改进的智能家居产品。它为居住者提供家电控制、信息获取、环境监控、休闲娱乐、远程操作等一系列智能体验。文中针对智能家居在家庭中的智联互通和信息整合问题,进行智能家居控制平台的设计。i-mirror的镜面由镜子、显示屏和红外触摸框构成,采用镀膜处理与避光结构设计,使镜面反光和透光完美切换,实现镜子成像功能和显示功能的完美融合,同时通过人体感应实现自动唤醒和休眠,节省能耗,为人们带来绿色、简约、舒适的智能家居体验。

红色文化资源融入高校党史教育管理的价值及实现研究

高校党史教育管理工作是提升学生思想教育及管理成效的重要一环,红色文化资源是党史学习教育内容的重要组成部分,也是激发学生学习和发展动力的重要支持。在推进高校教育改革的过程中,应充分发挥红色文化资源的教育管理作用和价值,采用多种多样的教育管理方式来提高学生管理实效,提高学生自主自觉参与校园管理的积极性。

USP9X在乳腺癌中的表达与EGFR相关性的研究

目的:通过运用实验组织病理学方法分析乳腺癌组织中蛋白质去泛素化酶USP9X和表皮生长因子受体EGFR在实验组中的阳性情况,以及分析两者之间的相关性,并进一步探讨其临床意义。方法:选取本院2018-12~2019-07经病理学确诊为乳腺浸润性导管癌石蜡包块50例,并选取癌旁正常组织50例作为实验对照组,患者临床病例资料完整。从组织及细胞层面检测两者的表达情况,并且分析其表达与乳腺癌临床病理学之间的关系,以及两者表达之间的相关性。结果:USP9X在癌组织中的表达水平高于癌旁正常组织(P<0.05),其表达与乳腺癌的临床分期、组织学分级及淋巴结转移相关(P<0.05);EGFR在癌组织中的表达水平高于癌旁正常乳腺组织(P<0.05),其表达与乳腺癌的临床分期、组织学分级、淋巴结转移及ER、PR、Her-2的阴性表达相关(P<0.05);USP9X和EGFR在乳腺癌组织中的表达呈正相关(P<0.05,r=0.311)。结论:USP9X和EGFR均有可能参与了乳腺癌的发生、发展过程,两者的表达与乳腺癌的预后呈负相关;USP9X可能通过某种途径抑制EGFR的正常降解;两者为乳腺癌的研究提供新的方向。

基于K-S检验的MIMO-STBC盲识别技术

针对频率选择性衰落信道下STBC信号的盲识别问题,提出了一种基于Kolmogorov-Smirnov (K-S)检验的盲识别算法。算法在单接收天线条件下,首先采用分段建模的思想对STBC信号及频率选择性衰落信道进行建模,将接收信号分成两段;然后通过K-S检验接收信号在不同时延下的经验累积分布函数之间的距离,将其与门限值对比,采用决策树分类的方法达到盲识别STBC的目的。仿真结果表明,提出的K-S检验算法提高了样本的利用率,且不需要预知信道、噪声等信息,能够进行四种STBC信号的盲识别,适合于非合作通信场合。

高职思想政治教育与职业素养教育的有机结合

随着教育事业的不断发展,高职院校也不再将技能发展作为唯一的参考目标,对学生的素质培养也在逐渐重视,以此不断提升学生的思想政治素养以及职业素养,两者的有效整合更有利于高职学生今后的就业与发展。文章基于高职思想政治教育与职业素养教育的有机结合展开讨论,对今后高职院校的发展提出了相关建议。

网络环境下“90后”高职学生心理健康教育分析

网络环境下,学生接收到的网络信息量越来越大,信息也越来越多样化,90后作为新一代生命力,面对网络信息的快速传递,难免会受到一些不良的影响。尤其是对学生身心健康发育和发展有着重要的影响,例如,学生如何抵制不良信息的侵蚀,如何有效选择有效信息,这些都需要学生有一定的自我认知能力,对学生的心理健康状态及正确的价值观等,均有着很高的要求。所以,研究90后学生心理健康教育状况,帮助学生自觉在网络环境中,树立正确的思想理念,是教师必须重视的一项教学内容。下面本文主要阐述90后学生的心理状况及特征,针对有效的心理健康教育教学方法进行研究,提出相关的建议。

试析网络媒体对大学生思想政治教育的影响及对策

在此网络媒体飞速发展的形势下,大学生思想政治教育工作的落实尤为必要,需要通过思想政治教育工作,明确网络媒体给学生心灵以及思想上所带来的影响,在此基础上,制定针对性的解决方案,而该文则主要针对以上课题进行分析,同时提出了相应的见解与思考,希望可为相关教研人员带来借鉴与参考。

低信噪比下循环码识别

针对硬判决分析方法存在计算复杂度高且容错性差的缺点,本文提出了一种直接利用软判决序列完成循环码识别的新算法.首先从编码代数结构出发,推导出循环码生成多项式因子对应的对偶空间与码字能构成校验关系这一结论;其次基于该结论,遍历码长可能值,在GF(2)上,将多项式x n+1分解为不可约因子及其对应幂次的乘积,当所遍历因子的对偶空间正好与码字序列构成校验关系时,即可识别出循环码码长;最后遍历构成校验关系因子的幂次,最终完成生成多项式的识别.为利用软判决序列完成校验关系检测,引入了平均校验符合度概念,基于其统计特性和最小错误判决准则,实现了生成多项式不可约因子以及幂次的快速识别.仿真结果表明,推导的符合度统计特性与实际情况相吻合,同时算法具有较好的低信噪比容错性能,在3dB的噪声环境下,码长以及生成多项式识别率能够达到95%以上,与硬判决方法相比,在增加较小的计算复杂度下,识别性能提升将近1dB.在智能通信或是认知无线电领域具有较好的应用前景.

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code,STBC)识别中多种编码类型难区分的问题,提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理,输入到卷积神经网络中对信号特征进行提取,全连接层对特征进行映射,实现对6种STBC类型的识别。仿真实验结果表明,在无信道和噪声等先验信息的条件下,所提算法能够有效区分3种相似度高的STBC3码,且将STBC可识别的编码类型由目前的4种扩充到6种,识别准确率能达到96%。该方法的复杂度较低,不需要利用大量样本数据,实时性高,具有较好的工程应用价值。

基于特征序列的时域STBC-OFDM盲识别算法

为有效解决STBC-OFDM信号盲识别过程中存在的低信噪比适应能力弱等问题,在OFDM块大小已知的前提下,提出了一种在时域上构造特征序列的识别算法。该算法推导了空时分组码接收信号的时域特性,以及四阶特征向量,并构造特征序列,通过检测特征序列达到识别4种STBC-OFDM信号的目的。推导和仿真结果表明:所提算法无需信道、噪声、调制方式和OFDM块起始位置等先验信息,在较低信噪比条件下也具有良好的识别性能,且对频偏、多普勒频移和时延的鲁棒性能好,计算量较低,具有较高的实用价值。