基于鲁棒学习与时空信息素的抗干扰射频层析成像方法

针对射频链路接收信号强度(RSS)基准值易受环境因素影响,以及兴趣目标与环境耦合引发的多径干扰所造成的射频层析成像性能衰退问题,提出基于鲁棒子空间学习和时空信息素的抗干扰成像方法。链路RSS表示为环境相关的背景和目标运动相关的前景两部分,构造RSS时间序列矩阵,其中背景部分通过矩阵低秩性建模,前景通过混合高斯分布建模,形成对RSS测量噪声鲁棒的MoG-LRMF模型,设计EM算法求解模型参数以获得前景信息。以此为基础实现目标成像,根据目标运动具有时空相关性的特点,引入时空信息素图抑制多径干扰噪声,提高目标定位的精度和鲁棒性。实验结果表明,本方法在室内及室外均表现良好,对于存在外部物体运动或阻挡的情况下仍能有效实现单(双)目标的成像,具有较好的抗干扰性、鲁棒性和快速性。

偏远高中学生地理自主学习的研究与实践探讨

随着新课程改革的不断推行,教师对自身的教学方式进行了转变与创新,开始重视让学生进行自主性学习,让学生成为整个学习过程中的主人。但是有一些初中生升入高中之后,依旧没有养成良好的独立思考习惯,还会对老师存在着一定的依赖性,本篇文章即将去探讨如何培养学生的自主地理学习能力。

基于分层块稀疏学习的射频层析成像

针对射频层析成像中多径衰落不确定性引起的成像精度低、稳定性差的问题,提出基于分层块稀疏学习的射频层析成像模型。利用兴趣目标状态的时空稀疏性和相关性,设计信号的块稀疏结构表示与多观测参数学习方法,提升信号重构对多径不确定性的抑制能力,增强鲁棒性。基于分层思想,将成像过程分解为粗粒度检测与细粒度成像两个阶段,降低计算量,提高成像效率。真实实验结果表明,相比于常用的正则化最小二乘法,所提方法能有效提升室内环境下成像的精度和鲁棒性。