基于Camlp5的泛型编程“缺省情况”研究

"泛型编程"旨在编写一般化并可重复使用的算法,主要目的是提高程序的复用性,其效率与针对某特定数据类型而设计的算法相同。在书写泛型函数时经常会出现新的数据结构或类型,这些数据类型往往并不符合已有通用函数的计算方式,而要计算这些新的数据类型需要修改原有通用函数的定义,从而极大降低了程序的复用性。通过定义新函数来操作新的数据类型可以避免频繁修改原有通用函数。但是,新函数定义中必然会有大量与原有通用函数功能相似的重复冗余代码,因此,引入"缺省情况"使得新函数的定义可以通过调用原有通用函数而获得,这样即不对原有函数造成影响,又极大简化了针对新类型书写相关函数的复杂程度。文中利用Camlp5工具对O′Caml语法进行扩展,在原有"泛型编程"的基础上引入了"缺省情况",使该语言书写的泛型函数更加清晰、不易出错,从而极大提高了O′Caml中"泛型编程"的稳定性和复用性。     

应急辅助定位及精度评估方法研究

在可视导航卫星数少于四颗、无法进行传统导航解算的恶劣环境下,导航接收机可利用外部高程气压计提供的高程或者内部守时模块的钟差等信息进行应急辅助定位。在该应急辅助定位工作模式的误差分析中,传统导航定位误差传递模型无法适用。针对此问题,本文在研究三星结合高程、三星结合钟差、双星结合高程钟差等几种应急辅助定位原理的基础上,给出了新的应急辅助定位误差传递的分析模型,利用仿真算例验证了该模型的正确性。通过对定位精度的分析,说明根据卫星分布特点可以按照本文方法量化得到伪距测量与辅助信息的精度的最优数量级关系,可以用最小代价实现定位精度的提升。该结论可指导接收机外部辅助器件的选择。     

基于Sub-Nyquist采样的单通道频谱感知技术

宽带频谱感知技术在认知无线电中具有广泛的应用。基于时分的思想,将信号采集时间以固定长度的时间片进行划分,分别与不同的伪随机码信号相乘,经过低通滤波和sub-Nyquist采样,利用采样数据求出信号的频率支集。与已有的多通道频谱感知结构相比,本文用相对简单的单通道结构实现,同样能够利用低速率的采样点完成频谱感知。仿真实验结果表明,在信号的频率支集未知的情况下,该算法能够有效利用sub-Nyquist采样的数据实现频谱感知。     

高新装备复合式预防性保修风险模型

结合高新装备保修需求,引入复合式预防性保修策略,以"定期更换周期内辅以功能检测"这种典型复合维修工作为例,从安全性影响的角度分析了装备的故障发生情况,并建立了其故障风险数学模型。在此基础上,通过算例给出了所建模型的应用方法,研究了该策略下决策变量对故障风险的影响,并分析了模型的通用性。     

舰船目标角跟踪新方法研究

相参雷达可获取舰船目标回波的距离-多普勒图(R-D图),由于舰船目标的散射点相对于雷达视线角存在多普勒的差异,于是舰船目标在R-D图上一般要跨越几个多普勒单元,传统选信号的最大点作为跟踪点不能完全使用R-D图信息,而合理使用R-D图信息才可减小目标的幅度起伏、角闪烁等的影响,为此研究无偏几何中心法目标跟踪点的选择方法.实验表明:当目标有起伏或角闪烁时,所提无偏几何中心法优于最大值法.     

基于QQ群的教育技术本科生情感目标教学环境设计

长期以来,学生的情感发展被教育者所忽视。目前教育技术学学科定位仍处于争论阶段,而其自身较明显的技术外观又往往使专业学生对该学科的理解和认识产生不同程度的偏误。但需要明确的是,学生接受专业教育,既要学习认知层面的专业知识,更要明确以价值观为代表的专业情感目标。可以认为,忽视了专业情感目标的教学是畸形的教学。本文从罗杰斯人本主义理论的视角出发,分析了构建基于QQ群的情感目标教学环境的设计方案,旨在促进教育技术专业的健康发展。     

基于Google Earth的初中地理探究式教学模式研究

本文在分析当前基础教育阶段地理课程教学的背景下,分析了Google Earth在初中地理探究式教学中的指导作用,提出了Google Earth支持下初中地理探究式教学的一般模式,通过个案研究,归纳了Google Earth支持下初中地理探究式教学的基本特征,提出了Google Earth支持下初中地理探究式教学的实施策略。以期对兵团基础教育新一轮基础教育课程改革做出微薄的、有益的探索与尝试。     

自由飘浮空间机器人准刚性分解运动轨迹控制与仿真

研究轨道空间机器人操作时,基座处于自由飘浮状态的手爪准刚性运动直角坐标轨迹的分解运动控制,重点分析了广义雅可比矩阵的计算,并进行了空间单手３—ＤＯＦ的仿真,该方法可相应推广到开链多手。     

论武警学院的双语教学

双语教学已成为高校教育改革的一大焦点。结合开展双语教学工作 ,考虑到各方面因素 ,提出了武警学院开展双语教学的具体措施。     

基于神经网络的弹药消耗预测

针对弹药消耗预测问题,运用一种改进的BP神经网络预测方法。预测时对样本数据进行了预处理,并在时序训练样本中引入了遗忘因子,以提高当前预测的精度,以及在权值调整过程中,引入"惯性项",以改善学习收敛过程。