CDMA掉话原因分析

文章就CDMA系统中由于无线原因造成掉话的几种情况进行了较为详尽的分析，并以在城区路测过程中发现的一些无线掉话具体问题作为实例进行分析和研究，揭示了掉话的原因，提出了解决方法和解决后改善的情况。     

~(58,60,62,64)Ni25.1MeV质子非弹性散射研究及其低激发态能谱和B(E2)比率的IBA分析

使用上海原子核研究所1.4m等时性迥旋加速器提供的25.1MeV质子束,测量了偶镍同位索弹性散射和第一激发态2_~+的非弹性散射微分截面。用零程扭曲波玻恩近似(DWBA)作理论分析,得到~(58,60,62,64)Ni 2_1~+态的四极形变参数β_2分别为0.23、0.28,0.25,0.21。采用相互作用玻色子近似(IBA)计算了这些核低激发态能谱及其约化电跃迁几率B(E2)。并对IBA唯象参数作了初步的准粒子无规位相近似(QPRPA)微观计算。     

早期火灾图像监测技术的应用与比较

本文对可提供图像信息的火灾物理现象进行了具体分析，讨论了利用摄像技术进行早期火灾探测的可能性、使用条件以及图像监测技术在火灾探测中的地位和作用，进行了若干种图像监测技术的对比实验，得出了相应的结论。     

晶体硅太阳电池最大功率下负载的函数表达

从实际的晶体硅太阳电池电路基本方程出发，推导出晶体硅太阳电池最大功率下负载的函数表达。与传统的电工电路不同，太阳电池电路最大功率点下的负载大于太阳电池内阻，并随着温度的升高，其比值逐渐降低。实验结果与理论吻合。     

基于贝叶斯推理的决策树模型

针对决策树（DT）模型缺乏概率背景这一问题，将贝叶斯推理引入DT模型，提出了一种基于贝叶斯推理的决策树（BDT）模型．在假定所含待定参量的先验与似然的前提下，借助贝叶斯推理获得参量的后验，然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样，最终求出样本属于某一类别的置信度，从而避免了武断判决．BDT模型以抽样代替拆分与剪枝操作，既直观又灵活，同时在抽样时考虑了不同的树结构与递归分割方案，使得分类准确率得以提高．仿真实验结果表明，BDT模型的平均分类准确率与DT模型相比提高了1．7％～3．5％．     

一种JVM硬件体系结构的探讨

Java的性能问题直是Java应用关注的焦点，JIT技术的运用在一定程度上提高了Java的执行速度，但在实时性要求高的嵌入式系统的运用中却难以满足其要求。文章提出一种基于硬件的方法Java处理器，能直接执行Java字节码，提高Java的性能。该方法适刷于实时及嵌入式系统。     

雷达信号的盲分离

盲信号处理已成为近年信号处理和神经网络热点领域.但主要用于语言信号处理,而应用于雷达信号处理并不多见.将盲源分离算法应用于雷达阵列接收信号处理,提出了一种新的盲源分离算法的性能评价标准—相关系数法.首先研究了雷达阵列接收模型,然后分析了雷达阵列接收信号的特性.由分析可知:当雷达目标和杂波源在空间上与雷达接收机的距离基本一致时,雷达阵列接收信号在雷达接收机上的混叠是瞬时混叠;同时雷达阵列接收信号均为超高斯信号.因此可采用盲源分离算法中的定点ICA算法来分离雷达阵列接收信号.仿真结果表明,分离出来的信号与源信号的相关系数均大于0.95,说明了定点ICA算法能雷达阵列接收信号,证明了理论分析的正确性和算法的有效性.     

基于累积运动能量图像的人体动作识别

指出了动作识别中的最大困难是难以提取有效的特征来准确描述人体的动作,动作模板是众多方法中的一种简单有效的方法,用来描述动作特征的经典动作模板是运动历史图像.由于受噪声的干扰,用运动历史图像描述复杂环境下的人体动作并不十分理想.为了得到比运动历史图像更加有效的动作模板,提出了将视频序列中的运动能量信息用一张图描述出来,称之为累积运动能量图像,提取其直方图特征来表征人体动作.经You Tube数据集上的实验表明:该累积运动能量图像的识别率比同类方法高.     

太阳电池填充因子随日照强度变化的理论分析与计算

根据太阳电池直流模型和最大功率点数学条件,推出短路电流、开路电压、最大功率点电流和电压 以及填充因子随日照强度变化的数学关系式;并选取２个电池分别计算出在不同日照强度下上述电池参数随日 照强度的变化率。验证了短路电流和最大功率点电流是近似跟日照强度成正比,开路电压和最大功率点电压是 近似跟日照强度的自然对数成正比。并提出了填充因子随日照强度的变化关系不具有简单的函数形式,而对不 同的太阳电池其变化关系也迥异。最后用Multisim的模拟结果检验了理论分析计算的正确性。     

应用Hermit插值方法修正Dome-A自动气象站记录的雪层温度

随着冰盖表面雪的积累或消融,自动气象站(AWS)上所携带的传感器相对于地表的高度/深度不断变化,给观测数据带来误差.本文利用分段三次Hermit插值的方法对Dome A地区的AWS历史雪层温度数据进行修正.结果表明,雪层的修正量随着雪的积累率的增加而增大,在夏半年为正,在冬半年为负.该方法对于浅层雪温的修正有较好的效果.