摘要：傣族剪纸艺术是傣族人民日积月累所创造出来的宝贵财富,它凝聚着傣族人民的劳动成果,展现着傣族人民对生活的热爱以及优秀的艺术创造力,并作为一项精美的民族文化艺术一直延续至今。在傣族剪纸艺术中,各色各样的图案造型以精致优美、匀称美观的方式出现,它们记录着傣族人民的日常生活的各方各面,展现出傣族人民鲜明的民族特色和源远流长的民族文化。本文通过对傣族剪纸艺术图案造型的研究分析,来探索剪纸艺术中傣族人民所蕴藏的文化艺术特征,这对于进一步加深对这一民族艺术的了解,并领略其中所蕴藏的艺术魅力有着非常重要的意义。

摘要：雷达面临的挑战之一是来自于对低空逃逸微弱目标的探测。现代军事逐渐向低空领域扩展,超低空逃逸技术也在日益发展,促使对低空逃逸微弱目标检测技术研究的地位日益提升。雷达对低空微弱目标进行下视探测时,目标的低空和超低空飞行致使雷达接收的回波功率变弱,被淹没在强烈的背景杂波中。与传统脉冲多普勒PD(Pulse-Doppler)雷达不同,合成宽带脉冲多普勒雷达可以同时实现距离和速度的二维高分辨,并且具备良好的相参性和抗干扰性能。针对低空飞行目标的特点进行定性定量分析,对探测所遇到的杂波环境进行仿真验证,提供了一种基于合成宽带脉冲多普勒雷达低空逃逸小雷达截面积RCS目标的探测方法,并对参数设计进行优化分析,降低漏探概率。

摘要：为了解决目前使用的坐姿识别技术存在成本高、操作复杂等问题,设计一种柔性传感单元并制成柔性传感阵列坐垫,提出了一种深度学习网络结构,通过实验对5种不同的坐姿进行识别,平均准确率达到98.46%。该方法将柔性传感坐垫与深度学习结合,提供了一种成本低、普适性强的方案,有助于提示青少年及久坐人群的坐姿问题,从而改善因坐姿问题导致的并发症。

摘要：目前,因为我国市场经济规模的高速提升,我国建筑业的技术水平和发展规模也愈发强大且壮大。在建设项目中,对于工程项目加以新型的管理模式来规范、管理,将有利于提高工程的整体质量,对工程承包方意味深远。然而,在过去一直沿用的管理方式下,对于人物财力的利用不充分,导致了许多资源的空转与损耗,已明显无法满足目前日益增加的工程质量要求。在此基础上,本文简要分析了总承包项目管理模式在建筑工程中的应用,借此能为工程建设呈现科学有效的参考。

摘要：制备新型复合润滑剂并研究其摩擦磨损特性.通过均匀设计方法优选润滑剂配方,利用SPSS软件和Matlab软件建立数学模型,并对其结果进行直观分析与回归分析.添加填充材料聚四氟乙烯制备新型复合润滑剂p2,对润滑剂的零件和模具接触面的接触摩擦状况进行分析,判断是否显著降低接触表面摩擦因数,对金属的各项性能进一步分析.研究表明,添加了聚四氟乙烯材料的润滑剂p2,相较于干摩擦与润滑剂p1,摩擦因数分别降低51.26%和29.81%;使用扫描电子显微镜观察磨痕的形貌发现,复合润滑剂在金属偶件表面形成均匀的摩擦膜,有效改善了润滑剂的性能,使成形过程中金属流动更均匀,降低了变形功及变形力,可有效避免多种成形缺陷的产生.

摘要：一、引言计算机最大的好处在于利用它能够进行信息管理,使用计算机进行信息控制,不仅提高了工作效率,而且大大的提高了其安全性.尤其对管理复杂的信息,计算机能够充分发挥它的优越性.计算机进行信息管理与信息管理系统的开发密切相关,系统的开发是系统管理的前提.

摘要：针对多载波互补相位编码MCPC信号在应用中存在包络起伏大等问题,结合混沌映射和自适应混沌粒子群SCPSO算法提出了一种优化设计。设计将编码信号的主瓣峰值与最大旁瓣值比PSLR作为单独的评判依据,结合混沌序列类随机的性质对混沌序列进行两级筛选,得到自相关函数旁瓣较低的混沌编码序列组。考虑到MCPC信号结构的特点,应用SCPSO算法调整子载波权重因子来优化信号的PMEPR。仿真分析表明,优化设计能在保证MCPC信号优良自相关特性的情况下,有效降低信号的包络起伏。

摘要：自适应波束形成技术是航天领域中的旁瓣抗干扰关键技术之一。当回波数据量增多时,传统的波束形成算法无法进行快速的处理,而应用深度神经网络模型对数据进行预训练可以快速的进行波束形成,因此根据波束形成原理利用分段训练方式设计深度神经网络,应用Leaky-ReLU激活函数、Adam优化算法和Dropout正则化方法提升深度神经网络的性能,提出了基于深度神经网络的自适应波束形成算法。仿真结果表明,相比于传统的LMS算法,在实验环境下,基于深度神经网络的自适应波束形成算法的计算速度约有7~8倍的提高。

摘要：自适应波束形成技术广泛应用于雷达领域的旁瓣抗干扰中。当回波数据量增多时,传统的波束形成算法无法进行快速处理,而应用深度神经网络模型通过数据的预训练则可以快速地进行波束形成,因此根据波束形成原理设计深度神经网络,并利用知识蒸馏的方式对深度神经网络进行压缩,使压缩后的模型既有原始模型良好的泛化性能而且又有更快的计算速度。仿真结果表明,相比于传统的LMS算法,在实验环境下,未经模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约7倍,基于模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约20倍。