数字时代马克思劳动正义的价值研究

数字时代的背景下,劳动的场所、形式等发生了巨大的改变。剥削与异化等问题在新时代背景下存不存在以及判断的标准是什么,这些问题都对马克思劳动正义提出了新的挑战。从马克思劳动正义的立场出发,数字劳动在资本主义生产方式的前提下依然存在剥削与异化。马克思对异化劳动的批判阐明了资本与劳动之间的对立关系,同时在批判过程中对劳动正义的阐述也为新的历史背景下理解劳动价值论提供了价值指引,为解决数字时代背景下如劳动主体、劳动产品等多种矛盾,实现劳动价值的复归以及人的自由全面发展提供了理论依据。     

导引头加速度盲补偿技术研究北大核心

雷达导引头对有加速度的目标进行探测,采用传统的FFT相关检测会导致目标能量在多普勒通道上的扩散,使导引头的检测性能下降,通过补偿加速度可以将分散的目标信号能量汇聚在较窄的频带内。将从工程应用角度,提出一种加速度盲补偿技术,首先分析加速度对PD信号检测的影响;接着分析补偿原理,并以此建立加速度盲补偿的数学模型;最后对影响补偿效果的参数进行分析。     

基于MA的自适应多载波并行组合扩频通信技术

为了提升多载波并行组合扩频的通信性能,将自适应技术应用于多载波并行组合扩频通信系统中,并基于边缘自适应准则（MA）,针对多载波并行组合扩频（PCSS-OFDM）通信系统和多载波差分多相并行组合扩频（DMP-PCSS-OFDM）通信系统,分别提出两种自适应通信方式。在多种多径信道环境中的仿真结果显示：在多径信道中,自适应PCSS-OFDM系统的误码率相比PCSS-OFDM系统有显著降低;自适应DMP-PCSS-OFDM系统则更适用于相干带宽较窄且衰落较深的信道中。     

基于后缀向量拼接的军事装备命名实体识别

军事命名实体识别是军事知识图谱构建和装备实体画像的基础性和关键技术,该技术进一步为军事文本智能化处理、辅助决策和情报分析等任务提供支撑。基于后缀向量拼接的军事装备命名实体识别方法,针对中英文文本结构构成具有天然差异,中文文本缺少天然分割,加之军事装备别称较多,可能会造成识别的缺失等问题,提出利用文本字向量、词向量拼接实体后缀向量的方法,对军事装备实体进行识别和发现。通过实验验证方法的合理性和先进性。     

结合整体和局部特征的步态识别方法

针对已有步态识别方法注重对步态整体特征建模,却忽略了包含细节信息的局部特征问题,提出了一种整体与局部特征相结合的双分支步态集合特征学习网络。该方法以步态轮廓集合作为输入,通过双分支网络提取两种空间尺度的步态特征,利用特征映射模块将两种特征融合得到步态表示。通过在步态数据集CASIA-B中进行了跨视角识别实验,结果表明该方法在正常行走、背包和穿大衣条件下相比主流方法 Rank-1准确率取得了有效提升。     

一种改进的双轴旋转惯导系统误差调制方案

旋转惯性导航系统通过让惯性测量单元（inertial measurement unit,IMU）周期性地绕一个或多个轴旋转来调制系统误差。合理的旋转方案应尽可能消除惯性器件引起的系统误差,同时在IMU时不应引入新的误差。提出了一种改进的双轴旋转惯性导航系统的综合误差调制方案,方案不仅可以调制惯性器件的常值误差,而且可以抑制由刻度系数误差、安装误差与IMU旋转运动耦合而引起的额外误差。与常见的16位置旋转方案相比,耦合误差被调制为零均值周期形式,且误差幅度减小一半,从而减小了系统的速度误差和位置误差。数学分析和仿真试验表明,在相同综合误差条件下,旋转方案将纬度误差由常见16位置旋转方案的0.383 1 n mile/72 h降低到0.191 0 n mile/72 h,经度误差从1.107 1 n mile/72 h降低到0.462 7 n mile/72 h。     

基于深度学习的网络攻击检测模型

为提高复杂网络条件下网络攻击的检测检测精度、降低时间开销,提出一种基于卷积神经网络、双向长短时记忆网络和注意力机制融合的网络攻击检测模型GP-CABL。GP-CABL能够有效抽取网络流量的最优特征,并能够充分学习网络流量的空间和时序特征,有效提升了检测精度、降低了计算开销。实验表明,GP-CABL针对主要网络攻击识别精度可达99.87%,相较当前研究有较大性能提升,并具有较好的鲁棒性。     

适用于GPU处理的长更新周期卫星导航信号载波相位跟踪环路

针对短环路更新间隔下GPU处理效率受限而长更新间隔下传统跟踪环路在高动态场景下不稳健的这一矛盾,提出一种可适应高动态场景的长更新间隔载波相位跟踪算法,该算法设计了一种低复杂度线性调频信号参数估计方法,实现跟踪初始阶段多普勒及变化率的精确估计进而消除大部分信号动态,在跟踪过程中采用4阶卡尔曼滤波对残余信号相位及动态进行精细跟踪。经仿真验证,200 ms更新间隔下,可实现多普勒一次/二次变化率分别达800 Hz/s、64 Hz/s²正弦运动场景下载波相位的快速稳定跟踪,1次更新即可收敛,跟踪灵敏度低至23 d B-Hz,相位跟踪精度远优于传统3阶锁相环路。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%~18.2%,并且具有更好的识别稳定性。     

基于监测数据的电磁频谱地图构建与验证

提出基于广义回归神经网络拟合和聚类克里金的构建方法,通过趋势面拟合,将电磁频谱地图构建分解为路径衰减和阴影衰落分量的估计问题,以提升构建精度;设计监测数据聚类和自适应最优邻域选取机制,在保证构建精度的条件下减小计算数据量,以提升构建速度,从而利用数量有限的电磁环境监测数据,在不需要先验信息的条件下实现电磁频谱地图的准确、快速构建。设计并实现电磁频谱地图验证系统,搭建车载数据采集设备,利用实测电磁环境监测数据,验证所提方法的可行性及构建性能。