基于树形结构酉空时星座设计的译码方法

针对酉空时码最大似然检测复杂度高的问题，提出了一种酉空时星座的设计及低复杂度译码方法．根据酉空时信号失真测度的定义，依照最邻近原则对星座进行划分，以最小失真准则计算各个星座子集中信号的最佳中心，再通过迭代算法，交替使用两个局部最佳准则，生成由各个信号子集与对应中心所构成的若干子树，形成树形结构的酉空时星座．接收方以接收信号为树根，选择具有最小失真的中心信号．对选定的中心信号对应的子树进行遍历搜索得到对发送信号的估值．该译码方法仅需要对某一中心信号及其对应子树的叶子节点进行计算，避免了最大似然方法对整个星座的全搜索，从而有效地降低了译码复杂度．仿真实验表明，相对于最大似然检测方法，该方法能够以有限的性能损失换取译码计算的有效简化．     

材料物理力学参数反演分析新方法

在综述现有大坝安全监控中材料物理力学参数反演分析方法的基础上,提出了一种新的反演材料物理力学参数的新方法--Talyor级数法,通过实例验证了其正确性.     

一种用于强噪声环境下语音识别的含噪Lombard及Loud语音补偿方法

针对语音识别中由于强噪声的影响而引起的Lombard和Loud效应进行研究,提出了基于训练数据的加性噪声和Lombard及Loud效应的联合补偿法。对于加性噪声是从谱减法的逆向角度对训练数据在频谱域采用谱加法;对于Lombard和Loud语音,则采用基于隐马尔可夫模型(HMM)状态标注的训练数据补偿,该方法同时考虑Lombard和Loud语音不同声学单元的不同状态在倒谱域的多种变化和多种变异情况下不同声学单元的音长及相对音长的变化。这种基于数据的多模式补偿使模型自动适应多种噪声和语音变异情况,在强噪声环境下具有很强的鲁棒性,并且不影响识别系统在正常环境或正常发音时的识别性能.同时,由于补偿是在训练过程中得到,不增加识别时的计算复杂度。     

大坝基础渗流量预测的交替学习人工神经网络方法研究

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理，具有高度非线性、自适应、自学习等一系列优点，广泛应用于物理量的预测预报中。为此提出并建立了基于交替学习迭代算法的人工神经网络模型，结合清江隔河岩水电站的实际，研究了这种模型在大坝基础渗流量预测中的应用，其预报精度较高，可望推广应用到大坝安全监控中去。     

清江隔河岩水利枢纽坝体内部监测研究

根据清江隔河岩水电站近几年的大坝内部监测资料，对大坝接缝与裂缝、坝内钢筋应力、拱座基岩与拱端坝体应力进行了监测研究，并应用物理推断法和统计相关法分析了压应力计的相关因子及变化规律，通过逐步回归分析得出了压应力计统计模型，应用所设的统计模型分析实测资料，其分析结果与实测值拟合较好。     

大坝背管裂缝宽度计算公式的改进

指出了用现有裂缝理论计算钢衬钢筋混凝土压力管道裂缝宽度的局限性.进一步完善了"外部管壁”的力学模型,并据此导出了精确度更高的半理论半经验公式,该公式考虑了混凝土保护层内外的裂缝宽度差异.最后给出了算例.     

巩河水库正常溢洪道裂缝成因研究

结合巩河水库加固工程正常溢洪道发生裂缝的工程实际，应用弹塑性有限元法研究了大坝在渗流及加固施工过程共同影响下的工作状态，探讨了其正常溢洪道裂缝成因．     

数学教学论课程情境化考试探讨

分析数学教学论课程传统考试的弊端，提出考试改革的迫切性，探讨与基础教育数学课程改革相适应的情境化考试的优势及情境创设方式和考试题型设计．     

降雨入渗下膨胀性黄土隧道围岩破坏演化

应用FISH语言改进FLAC~(3D)软件的非饱和渗流计算功能,同时等效模拟渗流过程中土体强度折减和膨胀力增加的力学特性,提出降雨入渗下膨胀性黄土隧道围岩大变形破坏数值演化分析方法.依托某膨胀性黄土隧道工程实例,将隧道围岩变形及力学特性现场测试与计算结果比较,验证了该数值方法的适用性.结果表明:降雨持续作用下隧道围岩位移随含水率呈台阶形增长,分析得出了位移出现极大值时对应的含水率,在膨胀土隧道工程实践中可以此作为安全施工的一项监控指标;降雨持续作用60 h,隧道边墙正弯矩明显增大,初期支护向内挤出变形严重,围岩体剪切应变发育显著,且地表山体边坡发育出大面积塑性贯通区,数值分析有效揭示了隧道洞内塌方及地表山坡滑塌破坏机理.研究成果可对膨胀性黄土隧道围岩稳定性分析和变形控制提供一定的指导.     

采用MapReduce模型的甚长基线干涉测量并行处理方法

针对传统甚长基线干涉测量(very long baseline interferometry,VLBI)并行处理方法存在逻辑复杂、数据存储和计算扩展性较差等缺点,基于MapReduce模型设计了一种VLBI观测数据相关的并行处理方法。该方法采用模型周期作为数据并行处理基本单元,构建数据关联算法分割观测数据使各台站同一模型周期数据对齐到同一波前,设计实现数据相关计算的Map过程,使用Reduce对各模型周期结果进行综合处理以得到最终结果。实验结果表明:该方法在积分周期包含的模型周期数量大于节点CPU核数时性能比传统方式低25%左右,在积分周期包含的模型周期数量小于节点CPU核数时通常能提供更高的计算效率,并且能简化VLBI并行相关处理的复杂度,具有更好的数据存储和计算可扩展性。