基于多模型时间配准的雷达融合跟踪

针对不同数据率的雷达融合问题,提出了一种多模型时间配准算法,同时将基于最佳线形无偏估计(BLUE)准则的量测转换算法和交互式多模型(IMM)的滤波方法结合起来,将它们运用在雷达的融合跟踪中。通过仿真跟踪一个机动目标,验证了算法的有效性。仿真结果表明,当雷达采样周期比为4时,单模型配准和多模型配准误差相差不多,相应的融合误差相当;当雷达采样周期比为8时,多模型配准误差较单模型配准误差明显较小,相应的融合误差减小,融合效果好。

IVSA模型在双来源自动站小时降水数据实时拼接中的应用

利用2012年5月1日至7月31日全国自动气象站两种来源实时上传资料中的"非缺测不一致"小时降水数据,详查了问题的产生原因,为在实时拼接过程中高效判断数据正确性,提出较小尺度时间序列求证比对模型(IVSA):当同一时间同一台站的两种来源小时降水值发生不一致时,首先在较小时间尺度(分钟级)序列上使用内部一致性检查方法分别求证小时降水的正确性;当各自在较小时间尺度序列均无法证伪时,将单元出错概率引入两分钟降水序列的比对过程,并据此竞优遴选得出较为可靠的小时降水数据。指出:(1)产生非缺测不一致问题的原因主要有生成报文时观测数据不全、报文处理环节不一致、台站信息不正确三类。(2)使用2012年5月1360组实例形成IVSA模型参数后,模型在2012年6—7月的4017组非缺测不一致数据中取得了99.65%的判断准确率。通过IVSA模型,非缺测不一致的小时降水数据取舍问题可在分钟降水序列比对中找出答案。

静态与动态域先验增强的两阶段视频压缩感知重构网络

视频压缩感知重构属于高度欠定问题,初始重构质量低与运动估计方式单一限制了帧间相关性的有效建模。为改善视频重构性能,该文提出静态与动态域先验增强两阶段重构网络(SDPETs-Net)。首先,提出利用参考帧测量值重构2阶静态域残差的策略,并设计相应的静态域先验增强网络(SPE-Net),为动态域先验建模提供可靠基础。其次,设计塔式可变形卷积联合注意力搜索网络(PDCA-Net),通过结合可变形卷积与注意力机制的优势,并构建塔式级联结构,有效地建模并利用动态域先验知识。最后,多特征融合残差重构网络(MFRR-Net)从多尺度提取并融合各特征的关键信息以重构残差,缓解两阶段耦合导致不稳定的模型训练,并抑制特征的退化。实验结果表明,在UCF101测试集下,与具有代表性的两阶段网络JDR-TAFA-Net相比,峰值信噪比(PSNR)平均提升3.34 dB,与近期的多阶段网络DMIGAN相比,平均提升0.79 dB。

翻译专业本科教学模式建构研究——以社会建构主义理论为基础

随着全球化的日趋完善,就业市场对翻译人才的需求量骤增,急需设计开发能够满足当前不同翻译职位要求的翻译专业本科人才培养模式。本文在分析我国翻译专业教育现状的基础上,梳理国内外社会建构主义视角下的翻译教学模式研究,指出翻译专业本科的教学模式应以建构主义理论为基础,采用一致性建构原则,建构"教学目标与课程设置"相一致、"课程设置与教学策略"相一致、"教学策略与评价体系"相一致和"评价体系与教学目标"相一致的四维一体关联,进一步提高教学和学习的有效性。