改进的时序多重稀疏贝叶斯学习冰下水声信道估计方法

针对时序多重稀疏贝叶斯学习信道估计方法计算复杂度高且在低信噪比时估计精度低的问题,本文提出了一种改进的时序多重稀疏贝叶斯学习正交频分复用冰下水声信道估计方法。首先,采用奇异值分解方法对接收导频矩阵进行去噪;随后利用去噪后的接收导频矩阵结合最小二乘信道估计方法获得时序多重稀疏贝叶斯信道估计的超参数矩阵、感知矩阵等先验知识;最后,利用冰下水声信道的稀疏特性和多途结构较为稳定的特点,采用时序多重稀疏贝叶斯信道估计对不同符号的冰下水声信道进行联合重建。仿真结果显示,在能量系数为0.03时,改进方法信道估计均方误差相比较于原始方法至少降低了约2.87×10^-5,运算时间至少下降了约为90%。第11次北极科学考察冰下试验结果显示,改进方法的平均原始误码率略微低于原始方法,平均运算时间降低约75%。研究结果表明,利用冰下水声信道的特点,改进方法可以实现高精度冰下水声信道估计,并且有效降低系统计算复杂度。     

使用稀疏贝叶斯学习的水声多途信道盲估计

提出了一种使用稀疏贝叶斯学习(SBL)的多途信号盲解卷积方法对水声多途信道的信道脉冲响应(CIR)进行盲估计。该方法利用垂直阵和多频SBL获得宽带舰船声源在不同垂直到达角上的复数域多频点信号,取其相位对垂直阵接收信号匹配滤波,得到每条路径上的CIR,将多路径CIR相干叠加得到最终的多途CIR结果。仿真与海试数据处理结果表明,相比于原有的基于交替投影的多途信号盲解卷积方法,所提出方法有以下几个好处:(1)无需准确预估多途信号数目;(2)分离的多途信号的方位更准确且信号相位更可靠;(3)有效获取了舰船与阵列之间的CIR.并且将弱路径CIR的平均时间估计误差从4.7 ms缩小到1.0 ms.显著提高了弱路径CIR的时间估计精度。使用稀疏贝叶斯学习的多途信号盲解卷积方法能够有效提高多途环境下水声信道盲估计的性能。     

基于Bi-LSTM的近岸水体深度反演

选取中国某近海水域为研究区,基于双向长短期记忆网络(Bi-LSTM),利用2017年8月20日Sentinel-2A影像数据及单波束实测水深数据,通过建模、优化来反演水深值,并与传统反演方法进行精度对比.结果 表明,本文提出模型的各项评价指标均最优,均方根误差(RMSE)仅为0.85 m,平均相对误差(MRE)为18....     

深度学习与“课程思政”协同效应的策略研究——以医用物理学为例

以医用物理学为载体,以深度学习为核心,以达成"课程思政"对课程和学生的要求为目标,探讨了深度学习与"课程思政"的内在联系,在提出课堂教学困境的基础上,讨论了实现深度学习与"课程思政"协同效应的策略,包括提高参与程度、完善学习过程、建构知识的意义和采用多元评价方式.     

例谈物理核心素养视角下培养学生策略性学习的实践研究

文章结合自身教学实践,针对在物理核心素养背景下,从"借助项目设计,培养学习习惯,促进学生‘策略性学习’反应程序化""借助过程优化,积累学习方法,促进学生‘策略性学习’研究深度化""借助物理与生活互动,提高学生对学习理解,促进学生‘策略性学习’运用实践化"3个途径来提升学生思维水平,发展学生思维品质,进而提高学生物理核心素养.     

指向深度学习的物理课堂提问策略探析——以“磁体与磁场”的教学为例

指向深度学习的课堂提问的目的不仅在于收获知识本身,更在于引导学生主动建构个性化认知结构,提升思维品质,培养关键能力.文章以“磁体与磁场”的教学为例,通过系统化的问题结构,引导学生建构知识网络;通过丰富的问题形式,关注个体差异,拓展思维层阶;通过层递性的问题设计,引导学生挖掘思维的深度;通过有效把握和把控问答的时机,激发...     

物理师范生科学思维习惯的现状调查

在物理学科核心素养的科学思维背景下,师范生作为未来教育事业的主力军,对其思维习惯的现状调查具有重要意义,通过调查掌握了学生对物理思维习惯的认知程度、物理学习过程中的学习习惯、解决物理问题时存在的思维习惯这几个方面的情况,提出了培养学生物理科学思维习惯的针对性策略.     

基于自适应核学习相关向量机的乳腺X线图像微钙化点簇处理方法研究

采用自适应核学习相关向量机方法, 结合形态学滤波和Kallergi分簇标准, 研究了乳腺X线图像中微钙化点簇的处理. 首先将微钙化点检测看作一个监督学习问题, 然后应用自适应核学习相关向量机作为分类器判断图像中每一个位置是否为微钙化点并采用形态学处理滤除干扰噪声, 最后对获得的微钙化点采用Kallergi标准进行分簇. 为提高运算速度, 在微钙化点检测时将整个图像分解为多个子图像并行运算, 实现了一种基于自适应核学习相关向量机的微钙化点簇快速处理方法. 实验结果和分析表明, 自适应核学习相关向量机方法算法性能优于相关向量机方法, 特别是实现的快速方法能进一步降低微钙化点簇的处理时间. 关键词： 乳腺X线图像 微钙化点簇 相关向量机 自适应核学习     

非线性系统的高阶迭代学习控制算法

本文对一般非线性系统,提出了三种高阶迭代学习控制算法:(Ⅰ)u_(h 1)=sum from j=1 to r(P_ju_(k-j 1) Г_je_(h-j 1));(Ⅱ)u_(k 1)=sum from j=1 to r(P_ju_(k-j 1) F_je_(k-j 1));(Ⅲ)u_(k 1)=sum from j=1 to r{P_ju_(k-j 1) (Г_j F_jd/(dt))e_(k-j 1)},其中u_(k 1)=u_(k 1)(t)表示系统第k 1次运行时的输入;e_k=y_k-y_d;y_d是系统所期望的输出;y_k是系统第k次运行时的输出;P_j,Г_j,F_j(j=1,…,r)是常数阵;进而给出了比较弱的收敛性条件。