摘要：微波辐射计广泛应用于工业传感器件上,其性能直接影响到工业检测效率。为此设计了一种微波辐射计C波段电路系统,利用开路短截线和串联传输线建立输入阻抗匹配网路,实现了150 K以内的热噪输出以及35 MHz以上的带宽。研究结果表明:当VG>-0.3 V或VD<5.5 V情况下,主动微波辐射计的亮温上升速度也越来越快,都维持在150 K附近。主动微波辐射计的亮温试验过程中保持在60℃,经过6 h连续试验后,噪音温度一直都是保持恒定状态,并且其置信度区间也比较稳定。该研究有助于提高对工业传感器抗噪声影响能力,提高工业检测精度。

摘要：针对合成孔径雷达(SAR)图像背景复杂、目标尺度变化大,尤其在小目标密集场景中容易出现误检和漏检问题,提出一种面向SAR图像舰船检测的多粒度特征与形位相似度量方法。在特征提取阶段,设计包含双分支多粒度特征聚合结构。一个分支通过Haar小波变换对特征图级联分解,以扩大全局感受野,从而提取粗粒度特征;另一分支引入空间和通道重建卷积,用于捕捉细节纹理信息,以减少特征图的上下文信息损失。两分支通过协同利用局部和非局部特征的相互作用,有效抑制复杂背景和杂波干扰,实现多尺度特征的精确提取。在检测回归阶段,利用欧几里得距离,并结合位置与形状信息,提出形位相似度量方法,以解决小目标密集场景中位置偏差敏感性问题,从而平衡正负样本的分配。在SSDD和HRSID数据集上与双阶段、单阶段及DETR系列共11种检测器进行综合对比,本文方法在两数据集上mAP和mAP50分别达到68.8%、98.3%和70.8%、93.8%。此外,模型参数量仅为2.4 M,计算量为6.4 GFLOPs,优于对比方法。本文方法在复杂背景和不同尺度舰船目标下表现出优异的检测性能,在降低误检率和漏检率的同时,具有更低的模型参数量和计算量。

摘要：为了提高矩形滤波天线的性能,提出一种带有槽口的矩形贴片以提高天线性能的方法。贴片集成了普通贴片天线的辐射性能,同时增加了滤波特性,在增益曲线的两端各有一个零点,可以精确控制。在此基础上,创造了一种新的滤波天线设计,在频带边缘处有明显的零点,提升了频带边沿的清晰度,在视轴增益方面表现出良好的选择性。零点的位置可以通过调整槽口长度来调节。通过仿真,天线在5.8 GHz的中心频率下,实现了8.3%的匹配带宽,在5.4、6.3 GHz处有显著的增益零点,增益达到5.86 dBi,交叉极化抑制超过10.2 dB,前后比大于13.7 dB。

摘要：针对边缘计算环境中参与联邦学习的客户端数据资源的有限性,同时局限于使用硬标签知识训练模型的边缘联邦学习算法难以进一步提高模型精度的问题,提出了基于知识蒸馏的边缘联邦学习算法。利用知识蒸馏对软标签信息的提取能够有效提升模型性能的特点,将知识蒸馏技术引入联邦学习的模型训练中。在每一轮的联邦学习模型训练过程中,客户端将模型参数和样本逻辑值一起上传到边缘服务器,服务器端聚合生成全局模型和全局软标签,并一起发送给客户端进行下一轮的学习,使得客户端在进行本地训练时也能够得到全局软标签知识的指导。同时在模型训练中对利用软标签知识和硬标签知识的占比设计了动态调整机制,使得在联邦学习中能够较为合理地利用两者的知识指导模型训练,实验结果验证了提出的基于知识蒸馏的边缘联邦学习算法能够有效地提升模型的精度。

摘要：虚拟现实在教育领域对学习的影响具有重要意义。当前,有关虚拟现实环境中视觉反馈(Visual Feedback)对学习影响的结论存在争议。为此,本研究采用元分析方法对国内外2010—2023年发表的有关文献进行系统分析,探索“虚拟现实+视觉反馈”对学习的影响及其作用机制。结果表明:“虚拟现实+视觉反馈”对学习有显著的正向影响;程序性知识、高沉浸感和中等实验周期对学习有着更显著的正向影响。建议将视觉反馈设计与具身认知理论相结合,以更好地支持程序性知识学习,增强沉浸感和临场感,从而有效提升学习效果。同时,实验周期应设置合理,建议为1至4周,激发学习者学习兴趣的同时,避免因长时间使用虚拟现实带来的认知负荷和身心疲劳,确保最佳学习效果。

摘要：为了提高永磁同步电机的调速性能,滑模控制逐渐取代PI控制被引入控制系统中。但是传统滑模控制中趋近律的趋近速度慢与固有抖振问题制约着滑模控制的发展,为此提出一种改进的滑模趋近律。首先,为了解决传统等速趋近律中趋近速度和抖振难以平衡的问题,在所提趋近律中引入系统状态变量,并在滑模增益中引入指数项,使其在保证趋近速度的同时抑制滑模抖振。其次,由于开关函数在零点附近具有不连续的特性,会引起滑模抖振,为此采用sat函数代替常规开关函数,能够在保证响应速度的前提下抑制滑模抖振。然后,基于所提趋近律,设计永磁同步电机的滑模速度控制器。最后,仿真和实验结果表明,所提趋近律可以提高永磁同步电机调速系统的控制性能。

摘要：邻域粗糙集模型被广泛应用于特征选择领域,然而传统邻域粗糙集模型受限于网格搜索法,且存在仅从特征角度确定邻域的粒度和特征评价函数构造视角单一等问题.针对上述问题,提出一种基于类间半径的自适应邻域特征选择方法.首先,提出类间半径的概念,从样本角度与特征角度出发,为不同类的样本生成相应的邻域半径,构造了基于类间半径的自适应邻域粗糙集模型,并基于此定义了自适应邻域互信息.其次,由类间边界引出类间系数,并将其与自适应邻域互信息结合,进而构造了类间互信息这一特征评价函数,该函数从代数和信息论视角评价特征.最后,设计一种基于类间半径的自适应邻域特征选择算法.通过在8个UCI数据集上与5种算法进行实验对比分析.实验结果表明,所提算法在选择的特征数量和分类精度上优于其他算法.

摘要：依托计算机通信与仿真技术,在电类专业开展虚拟仿真与实际实验相结合的教学实践。在实验教学中注重虚实结合,贴近实际生活,寓教于虚,训练于实,保证实验内容的可行性和系统性。实验教学表明,虚实结合的实验教学模式符合教学目标,激发了学生的学习兴趣,使学生清楚为何而学、所学为何,切实提高了实验教学效果。

摘要：针对现存的多方隐私集合并集(MPSU)协议存在交互轮数多以及通信开销大等问题,使其无法在低带宽场景中得以有效应用,设计了一种基于不经意键值存储和门限同态加密技术的不经意匹配置换方法,并运用该方法提出了一种半诚实模型下的多方隐私集合并集协议。该协议允许N个参与方共同计算所有集合的并集,且不会泄露任何其他的信息,具有通信轮数少、能抵御N-1个参与方的合谋、通信开销低等优势,比现有最先进的多方隐私集合并集的通信开销降低了65%左右。

摘要：在Pythagorean模糊粗糙集的基础上,结合优势关系与多粒度,提出了一种基于优势关系的多粒度Pythagorean模糊粗糙集模型,并对其进行研究.首先给出了优势关系的Pythagorean模糊粗糙集、Pythagorean模糊熵概念,讨论其性质,然后定义了在乐观、悲观下的优势关系的多粒度Pythagorean模糊粗糙集4种模型,以及Pythagorean模糊贴近度,并证明了其性质,设计了其最优粒度选择算法.通过遂昌金矿优化采矿的案例,对该模型进行了分析,验证了其有效性.