摘要：针对已有非线性滤波算法用于运动多平台无源跟踪时精度不高的问题,提出了一种新的跟踪算法即截尾不敏卡尔曼滤波(TUKF)算法以改善跟踪性能。该算法对状态先验概率密度函数及测量噪声概率密度函数进行截尾处理,使其变为具有有界支撑集的函数,并在此基础上结合原始状态先验概率密度函数设计了混合先验概率密度函数,然后针对其中的两种先验概率密度函数,分别应用不敏变换计算对应的后验概率密度函数的前两阶矩信息,并对其进行融合处理得到最终状态估计。仿真结果表明相对于几种典型的非线性滤波算法,TUKF算法能有效改善跟踪性能。

摘要：孔子,一位影响了中国几千年文化历史发展的伟大思想家,一位正在影响世界的伟大教育家,其所开创的儒家文化,不仅是中华民族的瑰宝,也是人类文明发展史中重要的精神财富。近些年来,随着人民政府对传统文化复兴的倡导,有关孔子题材的文艺作品不断涌现,如电影、歌剧、舞剧、话剧、音乐剧,甚至还有杂技剧等形式,这些作品通过不同艺术表现方式，展现了中国人心目中的孔子形象。

摘要：针对基于椭圆球面波函数的非正弦时域正交调制信号峰均功率比较高,因而受功率放大器非线性失真影响较大的问题,该文设计了一种基于波形训练的非迭代查询表预失真结构。由于所选量化方法直接决定了查询表预失真器的精度,通过分析调制信号的幅值分布特性,提出一种综合考虑功率放大器特性及信号幅值分布特性的压缩量化方法。对采用所提预失真方法前后信号的带内带外失真特性进行了仿真,并与采用幅度均匀量化方式的性能进行了比较。结果表明,该文方法有效改善了非正弦时域正交调制信号功率谱及系统误码率特性,减小了功率放大器给信号带来的非线性失真。

摘要：始于上世纪三四十年代之交,后又大规模发生在五十年代声乐领域里的"土""洋"之争,其实质是中西音乐关系在声乐艺术中的集中反映。其中若干次全国性的大讨论涉及到中西唱法的科学性、声乐艺术的民族形式与民族风格、如何继承中外声乐遗产以及创建新的中国唱法和民族声乐学派等声乐艺术的根本问题与相关宏大命题。"土""洋"之争推动了新中国声乐艺术的发展,其"非政治化"的特点和历史经验值得珍视与记取。在音乐文化多元化背景下,如何真正超越中西二元矛盾乃至门户之见,重新审视科学方法与声乐艺术之间的关系,则是当下声乐界仍需认真思考的问题。

摘要：著名作曲家金西不仅长期从事山东民族民间音乐的搜集与整理工作，而且在此基础上创作了一大批脍炙人口的具有浓郁山东地方特色的优秀歌曲，对山东民歌的发展和普及做出了巨大贡献。本文将从作曲家金西创作的大量声乐作品中选取几首，并结合相关山东民歌进行作曲技术分析，从而进一步说明运用民歌素材进行歌曲创作的重要性及其价值。

摘要：为观测猪肉冷链物流过程中产品的感官质量变化,分析了物流过程猪肉的感官特征,采用敏感性和回归分析获得感官评价的关键指标,进而设计质量控制图展示感官特征的波动性。结果表明:配送中心、近距离超市和远距离超市的感官品质总体上差异显著;颜色是评价总体可接受性的敏感指标,设计其均值-标准差控制图;配送中心的感官质量波动较大,过程能力指数偏低,需对配送中心的质量管理加以完善。均值-标准差控制图可直观展现物流过程产品质量的波动性和合格率,为监控猪肉冷链物流过程的外观品质变化提供了科学的管理方法。

摘要：数据系统为数字孪生系统的运行提供了高效、稳定的数据支撑。为解决目前数据系统在构建过程中存在的数据元描述异构、数据系统更新维护困难、数据交互接口多样等问题,提出一种基于可配置思想的数字孪生数据系统柔性构建方法,包括3项关键技术:生产数据规范化建模、数据系统的柔性配置生成和重构,以及数据系统交互接口设计。最后,以某活塞生产线为实例进行了数字孪生数据系统的实现,验证了所提方法的正确性和有效性,为离散制造过程中,数字孪生数据系统的实现提供了技术解决方案。

摘要：针对基于椭圆球面波函数(Prolate Spheroidal Wave Function,PSWF)的非正弦通信技术在短波频段内受到多径时延,引起码间串扰导致系统可靠性下降的问题,在分析信道特性对基于PSWF非正弦调制信号影响和非正弦通信的特殊性的基础上,通过对均衡思路的分析,设计了一种新的均衡方案。此方案首先将码间串扰对正交性的影响转化为对判决数据信号质量的影响。进而,针对每一路判决数据信号采取均衡措施,提高判决数据的质量。最后,依据判决准则进行判决。仿真结果表明这种新的均衡方案是有效的,在给定的仿真条件下,信噪比为24 dB时,误码率约从10-2改善到10-3;针对PSWF脉冲两种不同的生成方法(单波道脉冲生成方法和多波道脉冲生成方法)生成脉冲组的特性,在基本均衡方案的基础上提出了参数共享式均衡和分组参数共享式均衡两种方法,并在最后给出了仿真结果,证明了这两种方法的有效性。

摘要：针对多输入单输出(multiple input single output,MISO)系统中的空时分组码(space-time block code,STBC)盲识别问题,提出了一种基于卷积神经网络(convolutional neural network,CNN)的串行STBC识别方法。首先,结合STBC识别问题提出了基本CNN(CNN basic,CNN-B)框架;然后在分析STBC相关性的基础上,针对空间复用和Alamouti信号混叠问题,设计了基于相关性的CNN(CNN based on correlation,CNN-BC)模型;最后将STBC数据集输入到网络模型中,完成网络的训练和识别测试。仿真结果表明,相比于基于特征提取的传统算法,该方法将可识别的STBC扩展到了6种,并且在低信噪比下的识别准确率更高,识别过程可控制在微秒级别,具有较高的工程应用价值。