简介：针对参数相近、互相交叠的非常规雷达信号分选所面临的困难,提出一种改进的聚类方法,并将其应用于常规分选方法提取后的剩余雷达信号.通过大量的仿真实验,验证了此分选方法的可行性.

简介：为了在保证计算精度的前提下使模型简化并便于计算,要尽量少地用对模型影响较大、相互独立的特征变量进行建模。在进行特征变量选择时,既要考虑选择对主因素有重要影响的变量,也要排除各影响变量间的多重相关性的干扰。首先建立各特征变量同费用的灰色关联度,根据关联度的大小对众多特征变量进行排序,排除关联度相对极小并同其他因素关联度差异明显的特征变量,减少次要影响因素对估算结果造成的干扰;其次,应用基于特征权值的模糊动态聚类方法,并突出近期数据的重要性,对影响因素进行聚类分析,排除影响因素间多重相关性的干扰。论文通过实例分析进行了验证。

简介：姿态指向稳定度是设计合成孔径雷达卫星平台的重要参数。在卫星姿态指向抖动数学模型的基础上，利用成对回波理论推导了姿态指向抖动对聚束SAR点目标冲激响应函数的影响，分析了姿态指向抖动与聚束SAR成像质量的关系，为聚束模式星载SAR卫星的总体分析和设计提供了理论依据。最后通过计算机仿真验证了分析的正确性。

简介：在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,这就对雷达信号分选提出了新的挑战。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。文中将聚类分析技术引入到雷达信号分选中,将蚁群算法和K-Means相结合,互相弥补不足,提出了一种新的雷达信号分选方法,该方法易编程实现,不需要雷达信号的先验知识,适用于处理未知信号的雷达。仿真实验证明分选结果较理想,为雷达信号分选提供了新的思路。

简介：2009年11月17日，享誉全球设计创新界16载的AutodeskUniversity（AU）活动再次登临中国，由全球二维和三维设计、工程及娱乐软件的领导者欧特克有限公司（“欧特克”或“Autodesk”）举办的“设计致胜”（WinningbyDesign）——2009年度欧特克AU中国“大师汇”活动在北京开幕。“大师汇”专为中国的设计创新精英打造，欧特克公司总裁兼首席执行官卡尔·巴斯亲率公司高层和技术顶尖力量与来自全球及中国两岸三地设计大师、管理大师、行业技术专家面向近千名设计相关从业人员，展现了借助最新数字化创新设计工具和可持续发展设计理念的致胜之道。

简介：针对目前快速增长的智能数字电视的点播直播节目，观众对感兴趣的节目选择困难的现状，本文提出一种面向智能数字电视的点播直播节目数字电视推荐系统，它基于改进的聚类和协同过滤组合推荐算法。系统统一了点播直播节目的节目标签，以便于用户点播直播历史数据统一打分，然后形成用户-评分矩阵表，再针对高维矩阵表进行基于PCA和K-means的分裂层次聚类算法聚类形成相似用户簇群。接着对用户所在的簇群进行基于协同过滤算法计算，得出用户对未观看节目的预测评分，给用户推送最佳节目。

简介：对于星载超高分辨率合成孔径雷达（SyntheticApertureRadar，SAR），回波生成时通常的“一步一停”假设不再成立，此时，常规的星载SAR成像方法将会造成目标成像质量的严重恶化。在星载SAR精确回波模型的基础上，提出了一种较为简便的、适用于星栽超高分辨率聚束SAR成像的方法，该方法通过引入额外的距离徙动校正来补偿由于“一步一停”假设不成立所带来的信号畸变。仿真试验的结果表明，该成像方法能够很好地消除“一步一停”假设不成立的影响，实现精确的星载超高分辨率聚束SAR成像。

简介：本文介绍了Rohde&Schwarz公司生产的NH730030KWUHF全固态电视发射机激励器SH700数字预校正的设计及其软件调整方法.

简介：随着社会不断地发展,市容市貌在不断地改观,有线电视的电缆铺设已逐渐由地上走入地下.我想对单幢楼房的预埋走线,谈谈自己的肤浅看法,以供有线及建筑部门的有关同志参考.

简介：为进一步提升用户满意度,参考国外有线电视运营商的先进维护经验,广东广电网络基于DOCSIS标准预均衡技术,搭建主动式故障维护系统（PNM）,探索和推进＂主动式故障维护＂。本文在介绍PNM基本工作原理的基础上,介绍了主动式故障维护系统方案设计需求,并对方案试点进行了验证。

简介：在超宽带穿墙雷达成像领域，交叉极化雷达能有效识别建筑物角散射中心，而交叉极化接收到的回波信号较弱，成像中的耦合信号得到增强，角散射信号不易识别。对此提出一种基于方位散射熵的建筑物特征提取方法。该方法首先利用散射体交叉极化相关性对交叉极化成像结果进行加权提取角散射中心，然后通过方位散射熵滤除墙体杂波影响、增强墙角散射幅度，最后使用循环迭代的中心定位算法得到精确的墙角散射中心。仿真和实验数据结果表明，该方法通过角散射体的极化特性和方位角属性可以准确地提取建筑物角散射中心。

简介：为了能够从单一SAR图像中提取出建筑物的三维信息,基于SAR成像原理提出了从图像中建筑物叠掩和阴影区域计算平面矩形屋顶尺寸以及高度的方法。针对SAR平面矩形屋顶建筑物仿真图像,利用灰度直方图信息定位建筑物二次散射区域,通过线灰度累加分割出叠掩和阴影区域,再采用恢复公式计算屋顶尺寸和高度。实验结果表明,对于具有明显几何形变的平面矩形屋顶建筑物单一SAR图像,此方法有效恢复屋顶尺寸和高度,提高了建筑物检测识别的准确度和精度。

简介：针对传统道路障碍物检测算法准确性和鲁棒性不强等问题,本文提出一种基于卷积神经网络的道路障碍物检测算法。该算法首先对车载图像预处理生成障碍物候选区域,再将障碍物候选区域输入到改进的卷积神经网络中,进行精确识别和剔除,区分道路障碍物和非障碍物。改进的卷积神经网络在原有网络的基础上,调整了卷积核的大小和个数、池化层的空间尺寸和神经网络的深度,并且在卷积层后选择性的加入池化层,提高障碍物的识别率。在不同场景中进行了测试,实验结果表明：本文提出的道路障碍物检测算法有效的提高了障碍物的识别率,识别率达到98.2%,并且拥有较高的鲁棒性。