摘要：在移动通信系统中,收发端散射环境变化将导致无线信道呈现非平稳特性,针对基站-移动台之间的三维传播场景,构建了一种非平稳多输入多输出信道模型,该模型考虑了衰落相位的连续性,从而保证输出信道多普勒频率的准确性.提出了一种针对该模型的信道参数更新算法,该算法考虑了传播路径的生灭、时延、功率、出发角和到达角分布等参数随时间变化的演进过程.数值仿真结果表明,所构建的信道模型能够直观地复现无线信道的非平稳特性,输出的各子信道衰落的时变自相关和互相关特性均与理论值吻合,提出的非平稳信道模型的平稳间隔与实测数据相符,可用于三维移动场景下无线通信系统的方案设计、性能优化和系统验证等领域.

摘要：针对MIMO(Multiple-Input Multiple-Output)信道教学日趋重要但非常抽象的特点,利用Matlab设计并实现了一个MIMO无线信道教学、演示和二次开发平台。该平台支持学生自主输入不同传播场景下的信道特征参数,并基于谐波叠加方法产生空时相关随机过程,进而获得期望的多径阴影复合衰落MIMO信道。教学实践表明,学生基于该平台能够从时域、多普勒域和相关域等多角度了解MIMO信道的统计特性及内在关系,从而更加直观形象地理解无线信道及衰落本质,为进一步学习MIMO技术奠定了基础。

摘要：民用飞机驾驶舱扬声器是一个电声换能器件,安装在飞机驾驶舱中,可将电信号转为声信号输出,并将声学功率辐射到驾驶舱。驾驶舱扬声器不仅能够为驾驶舱内的机组人员提供与客舱乘务人员以及塔台管制人员的通话语音,还能够提供飞行导航音、选呼音和告警音的发声。因此,驾驶舱扬声器是飞机上不可或缺的机载设备,为飞机的飞行安全提供了保障。驾驶舱扬声器产生的尖锐刺耳啸叫让人难以忍受,导致飞行机组无法听到其他声音,甚至无法使用语音通信系统,严重时会影响到飞行安全。指出驾驶舱扬声器"啸叫"的危害,分析啸叫的成因,并在此基础上探讨驾驶舱扬声器"啸叫"的抑制方法,为民机驾驶舱音频系统的防啸叫设计提供一定的参考依据。

摘要：为探索有效的水稻叶绿素光谱特征选择方法与含量反演建模,解决东北粳稻叶绿素含量无人机遥感监测等问题,该研究利用沈阳农业大学卡力玛水稻实验站2018—2020年无人机(UnmannedAerialVehicle,UAV)水稻冠层高光谱数据及地面样本数据,设计了基于正则近邻成分分析的光谱特征选择方法,优化了其损失函数与正则化参数,获得水稻叶绿素不同含量的特征波段,并以此为输入,构建粒子群优化极限学习机叶绿素含量反演模型。结果表明:正则近邻成分分析算法具有较好的特征选择能力,其损失函数为均方误差损失函数、正则化参数值为0.306时,特征选择效果最佳,初选出权重非零的16个特征波段;进一步以叶绿素极限学习机反演精度为判据,优选出权重最高的6个特征波段:710、716、508、798、532和708 nm;应用粒子群优化算法优化了极限学习机模型的输入权值和阈值偏差,粒子群算法正交试验种群规模(POP)、惯性权重(IW)、学习因子(C1,C2)和速度位置相关系数(MC)的优选结果分别为50、1.5、1.3、3.5和0.6;基于正则近邻成分分析-粒子群优化极限学习机叶绿素含量反演结果的RMSE和R^(2)分别为9.549mg/L、0.891。研究结果可为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机高光谱波段实现作物长势参数快速估测提供参考。

摘要：纹枯病是水稻的三大病害之一,尤其在中国北方稻区,纹枯病发生逐渐加重、严重威胁到中国的粮食安全,而纹枯病的有效检测是水稻病害预防与控制的首要任务。在实际生产中,农民和从事相关的研究人员通过人工目测来识别水稻纹枯病,但由于光线、杂草、枯叶等外在自然因素和人眼视觉误差等人为因素,导致对水稻的病害等级误判,从而影响对水稻纹枯病的防治,造成环境污染和经济损失,而计算机视觉技术给水稻纹枯病的自动识别检测带来了可能。基于2019年沈阳农业大学北方粳型超级稻成果转化基地的水稻纹枯病图像数据,综合借鉴YOLOv1、YOLOv2和Faster R-CNN算法,设计了一种基于深度卷积神经网络的水稻纹枯病识别模型:YRSNET。该模型具有回归思想的特点,将图像划分为相同大小互不重合的网格,然后通过特征图来预测每个网格区域上的边界框和含有纹枯病病斑的置信度,最终通过非极大值抑制法获得含有纹枯病病斑的最佳边界框位置。试验结果表明:YRSNET对纹枯病病斑识别的平均精度mAP为84.97%、查准率达到为90.21%,对大小为450×800pixel的图像识别所需时间为32.26ms(31帧·s^-1),可满足复杂背景下的水稻植株图像纹枯病的检测,对智能农业水稻纹枯病有效防治具有重要意义。