DS技术用于高频数据通信的考虑

扩频通信系统的设计与实现要求对信道的特性给予足够的重视,本文通过分析高频信道的非理想特性的ＤＳ扩频系统的限制和影响,提出高频ＤＳ扩频数据通信系统设计中的若干考虑,最后给出了一种采用ＤＳ技术的高频数据通信系统设计方案。     

虚拟舰艇概念与应用（连载二）

5体系结构 5.1虚拟舰艇体系结构的一般要求 虚拟舰艇结构可以提供使系统模型组合在一起模拟战舰运用的框架.为了实现这一目的,要求虚拟舰艇体系结构应有许多特点.     

不确定性目标运动的航迹互联和航迹融合

在各种程度不确定的目标运动即过程噪声以及各种程度的不确定初始条件下,运用一个简单的线性-高斯-泊松模型,进行定量比较典型的航迹融合算法和航迹互联量度.用解析法比较航迹融合算法,而航迹互联量度通过蒙特卡罗模拟来估计.     

快速JPDA算法的递归和并行实现

本文从联合关联事件的构造出发，讨论关联假设事件的分层构造，以达到降低计算量的目的。这里的层次可从０取到Ｌ，０层表示没有任何目标能够跟当前的观测数据关联，Ｌ层表示共有Ｌ个目标可以跟当前扫描得到的观测数据相关联。本文的关联事件的构造中，各层次的搜索具有递归性并可以独立进行，因而可以并行实现。文中还将本文的方法跟有关文献作了比较，并且给出相应的计算机仿真实验及其结果。     

大数据背景下高校党建工作的挑战与应对路径

随着时代的发展和科技的进步,互联网、大数据技术普遍得到了发展应用,大数据时代随之而来,高校党建工作也面临着内外环境的剧变,迎来了崭新的发展空间。大数据为高校党建工作的时效性、针对性和实效性带来发展机遇,在提升党的思想引领力和价值凝聚力方面也将发挥重要作用。高校应加强对党建工作的思考和认识,在人才培养、数据平台构建、工作机制与组织建设上克服难题,实现与大数据技术的有效对接,为信息时代高校党建工作的创新发展提供有力保障。     

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。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

近程防空武器网络化跟踪系统

研究多探测器航迹滤波与互联新技术与新方法,把数据融合的基本理论和计算机网络技术应用于近程防空武器的跟踪系统中,得到了近程防空武器网络化跟踪系统的框架.应用数据融合和计算机网络技术可以提高近程防空武器的使用效率.     

D-S证据理论应用中的一种验证方法

D-S证据理论是一种比概率论确定性弱的不确定性理论,它能将"不知道"和"不确定"两个认知学上的主要概念区别开来,在多传感器数据融合中具有广泛的应用前景.D-S证据理论在实际应用中却存在一个困难,当目标的个数较多时,需要计算的项数太多,容易造成漏项,引起计算错误.提出了一种确定计算项数的算法,作为验证计算结果的必要条件,并通过图解的方法找出需要计算的项.     

2022年深度学习技术主要发展动向分析

深度学习正逐渐成为新一代人工智能最核心的技术之一。对2022年深度学习热门领域的主要发展动向进行了综合评述。首先,介绍小数据小样本深度学习研究领域的最新进展;其次,探讨量子计算与深度学习的融合路径;然后,概述强化学习对通用智能的推动作用;最后,盘点深度学习在多模态学习方向的进展。综述表明,面向小数据、小样本的深度学习技术正在引领深度学习向自监督方向不断迈进,深度学习与其他先进计算范式（例如量子计算等）深入融合趋势愈发明显,强化学习在一定程度上具备解决复杂问题的通用智能,多模态深度学习技术已迎来关键性突破。