【摘 要】
：
针对天线阵列中阵元个数有限而导致波达方向DOA估计分辨率较低的问题,该文提出了一种基于宽频跳变信号相位补偿的虚拟孔径重构方法.该方法通过利用宽频跳变信号,将多个频点的信号向量加入补偿相位形成虚拟导向矢量,从而形成远大于物理孔径的虚拟孔径,实现高分辨DOA估计.仿真实验结果表明,该文所提的虚拟阵列重构方法可有效地提高DOA估计的角度分辨率,且具有较小的计算复杂度.
【机 构】
：
电子科技大学信息与通信工程学院 成都 611731
论文部分内容阅读
针对天线阵列中阵元个数有限而导致波达方向DOA估计分辨率较低的问题,该文提出了一种基于宽频跳变信号相位补偿的虚拟孔径重构方法.该方法通过利用宽频跳变信号,将多个频点的信号向量加入补偿相位形成虚拟导向矢量,从而形成远大于物理孔径的虚拟孔径,实现高分辨DOA估计.仿真实验结果表明,该文所提的虚拟阵列重构方法可有效地提高DOA估计的角度分辨率,且具有较小的计算复杂度.
其他文献
从文本大数据中快速准确地抽取文本的实体关系信息是构建知识图谱的关键.针对目前主流的远程监督关系抽取方法常常忽略实体对的类型信息和句子语法信息的问题,该文提出了一种基于深度强化学习的文本实体关系抽取方法.首先,利用结合实体周围词注意力机制的双向长短期记忆网络作为句子编码的第一个模块;然后,在此基础上加入实体类型嵌入模块,利用实体类型来丰富句子编码信息;最后,将一个依存句法分析模块纳入模型,共同组成了关系抽取器.同时,为实现标签级别的降噪,该文结合强化学习方法,设计了一个标签学习器来学习句子的软标签,以纠正错
广义旁瓣对消器GSC在传统的机载相控阵雷达的干扰抑制中有着广泛应用,辅助通道的选择直接影响干扰抑制效果.在共形阵列中,由于各个阵元的摆放方式不同导致每个阵元的单元方向图响应并不相同,选择合适的辅助通道更为重要.该文在共形阵信号模型基础上,提出了一种以最小化广义旁瓣对消输出为目标的优化方法.为了解决非凸的0-1优化问题,该文采用惩罚序列凸规划SCP算法,并基于最大最小MM算法求解.仿真和数值结果证明了该文算法在共形阵下能准确选择出具有良好干扰抑制性能的辅助通道.
基于美国最大的P2P平台Lending Club2019年的个人借款数据,尝试将深度学习方法引入个人信用风险评估领域,与集成学习构建串联结构的组合学习模型.具体做法是将深度神经网络的隐藏层作为“特征提取器”,将原始变量转换为更高层次的抽象特征后输入随机森林、XGBoost、LightGBM和CatBoost 4种集成学习模型进行训练.研究结果表明,4种集成学习模型之间差距不大,随机森林表现最好,LightGBM训练速度最快;稀疏自编码器相比深度神经网络和主成分分析更适合作为集成学习的特征提取器,尤其是对B
由于离子通道的随机波动和突触的相互作用等因素,大脑神经元中不可避免地存在噪声.噪声会影响神经元活动和神经信息处理,但其在神经元振荡模式转换中的作用仍不清楚.为此,该文采用神经计算建模的方法,应用扩展HH模型模拟神经元的电活动,探究噪声对神经元振荡模式的影响.通过数值仿真,结果表明噪声强度的改变会引起神经元不同振荡模式之间的转换,特别是噪声强度增加使神经元更易产生多模式放电.该研究结果为揭示噪声在神经元生理活动中的功能作用提供了理论参考,并有助于理解大脑的信息处理机制.
近年来,量子科技的发展突飞猛进,成为继云计算、大数据、人工智能、区块链技术之后的又一种新兴战略性技术,其中量子理论在智能优化领域的应用被证明是较为成功和富有前景的.该文从量子力学的视角综述了当前智能优化算法的研究进展.将量子力学在智能优化算法中的应用分成了两个方面:1) 将量子理论中的量子比特、量子门等概念应用于构造智能优化算法的相关研究,这些工作通过在智能优化算法中实现量子特性从而获得算法性能的提升;2) 利用薛定谔方程、波函数、叠加态等概念对智能优化算法进行建模,建立了智能优化算法的量子化描述方式,为
针对现有基于信号分组优化的椭圆球面波函数(PSWFs)信号多载波调制方法,存在峰均功率比高的问题,该文提出一种基于连续相位调制(CPM)的椭圆球面波多载波索引调制方法.将具有编码特性的CPM调制作为星座符号映射方式,以椭圆球面波函数信号作为索引载波波形,产生调制信号,并利用最大似然检测与CPM差分解码实现接收端信号的检测与解调.该方法能以较小的误码性能损失和适量增加算法复杂度,有效降低现有方法调制信号峰均功率比值约2.90 dB.
自新冠肺炎疫情爆发以来,口罩佩戴检测成为疫情防控的必备操作.该文针对在光线昏暗条件下口罩佩戴检测准确率较低的问题,提出了将注意力机制引入YOLOv5网络进行口罩佩戴检测的方法.首先对训练集图片使用图像增强算法进行预处理,然后将图片送入到引入了注意力机制的YOLOv5网络中进行迭代训练,完成训练后,将最优权重模型保存并在测试集上测试.实验结果表明,在注意力的加持下,该模型能有效增强人脸和口罩等关键点信息的提取,提高模型的鲁棒性,在光线昏暗条件下对口罩佩戴的检测准确率能达到92%,能够有效满足实际需求.
多层网络描述了复杂系统之间或强或弱的耦合或联系.为了较为系统和全面地介绍基于渗流理论的多层网络鲁棒性研究,该文综述了多层网络跨层节点的依赖特征、层内节点的连接结构特征、层内节点的耦合特性和攻击方式对级联失效动力学和鲁棒性的影响.与单层网络完全不同,多层网络会在遭受攻击时发生突然性的崩溃;同时度分布异质性较强的多层网络会更为脆弱,在崩溃中会出现多重相变或混合相变现象.此外,弱依赖机制使得多层网络模型能够描述复杂系统更多丰富的细节,如依赖强度的异质性、依赖强度的非对称性及依赖关系的拓扑结构等.这些结果表明,多
多数喜阳植物在高密度种植时为了获得足够的光源,会增加营养生长而减少生殖生长,引起一系列的表型变化,被称为避荫反应(Shade Avoidance Response,SAR).农业生产中避荫反应的产生限制了荫影不耐受作物的种植密度.本研究中我们发现番茄栽培品种Moneymaker(MM)和Ailsa Craig(AC)在低红光与远红光比例(R/FR)模拟的荫影环境下,会展现节间伸长、真叶中叶绿素和花青素含量降低的表型.实时定量PCR数据表明荫影环境促进节间中生长素响应基因并抑制真叶中花青素合成基因的表达水平
复杂网络控制能够捕获整个网络的状态,使得从海量的蛋白质相互作用数据中找到潜在的肿瘤致病基因成为可能.该文利用复杂网络控制理论探究肿瘤关键基因,对5种癌症相关的蛋白质–蛋白质相互作用网络,通过网络最小控制集方法,选取始终处于最小控制集(minimum dominating set, MDS)的基因作为候选关键基因.利用肿瘤相关的生物通路数据和已被证实的肿瘤基因数据,采用富集分析证明了该方法的有效性.构建网络综合中心性指标,对候选关键基因进行排序.进而针对不同的癌症类型,挑选排在前面的候选基因(非已知重要基因