河道洪水实时预报的半自适应滤波模型探讨

本文提出和讨论了基于马斯京根流量演算的河道洪水实时预报的半自适应滤波模型。在该模型中量测误差系列的协方差矩阵可以通过信息更新系列实时的估计出来,只有模型误差系列的协方差矩阵需要预先给出。本文提出一个处理区间入流较为合理、简便的方法。通过验证和应用说明了该模型的合理性和使用性。     

基于特征矩阵的高效数字识别算法

传统的数字识别算法存在识别速度、识别准确率和识别方法复杂度三者无法兼顾的问题,为解决该问题,提出了基于特征矩阵的高效数字识别算法。该算法首先在预处理的基础上获取字符的特征矩阵,然后用特征矩阵对字符的特征横线、竖线等特征进行提取,最后利用结构语句识别的方法实现数字识别。实验结果表明,基于特征矩阵的高效数字识别算法思路简单、速度快,且识别率达97% 以上。     

浅谈中小学英语音标教学当先行的益处

本文试图从文字符号的识别与理解的角度来分析文字符号的字形和声音分别与其意义指向的关系，在研究声音的感知和意义指向的基础上从而说明音标教学在中小学英语教学中特别是听力、口语以及词汇教学中所起的重要作用。     

正交变换求解奇异协方差矩阵的投资组合问题

当收益率的协方差矩阵为奇异矩阵时,"均值-方差"模型的最优投资组合问题不宜直接求解.本文结合主成分分析理论、正交变换和凸规划的求解方法,提出求解非负变量条件下协方差矩阵为半正定"均值-方差"模型的有效方法.     

MIMO-OFDM 系统中同信道干扰抑制

针对 MIMO-OFDM 系统,提出了一种最大后验概率的信道矩阵和干扰协方差矩阵估计方法,并设计了迭代求解算法。利用所估计的信道矩阵和干扰协方差矩阵,采用 IRC 接收机完成同信道干扰的抑制。利用干扰协方差阵的共轭对称与半正定等特性,提出2种干扰协方差矩阵的处理方案以提高其估计精度。第1种方案将每个子载波上干扰协方差矩阵表征为一系列时域矩阵之和,第2种方案将每个子载波上的干扰协方差矩阵用低阶模型来建模,其中模型阶数通过最小描述长度算法估计。仿真结果表明了所提方案的有效性。     

MIMO-OFDM系统中同信道干扰抑制（英文）

针对MIMO-OFDM系统,提出了一种最大后验概率的信道矩阵和干扰协方差矩阵估计方法,并设计了迭代求解算法.利用所估计的信道矩阵和干扰协方差矩阵,采用IRC接收机完成同信道干扰的抑制.利用干扰协方差阵的共轭对称与半正定等特性,提出2种干扰协方差矩阵的处理方案以提高其估计精度.第1种方案将每个子载波上干扰协方差矩阵表征为一系列时域矩阵之和,第2种方案将每个子载波上的干扰协方差矩阵用低阶模型来建模,其中模型阶数通过最小描述长度算法估计.仿真结果表明了所提方案的有效性.     

河道洪水实时预报的半自适应滤波模型探讨

本提出和讨论了基于马斯京根流量演算的河道洪水实时预报的半自适应滤波模型。在该模型中量测误差系列的协方差矩阵可以通过信息更新系列实时的估计出来,只有模型误差系列的协方差矩阵需要预先给出。本提出一个处理区间入流较为合理、简便的方法。通过验证和应用说明了该模型的合理性和使用性。     

基于语音情感识别的e-Learning教学探索

为了解决目前e-Learning教学系统中的情感交流匮乏问题,提出一种新的基于语音情感识别技术的e-Learning系统模型。语音作为人类最重要的交流媒介之一,不仅携带着大量的文字符号信息,还包含了人类丰富的情感信息。利用语音情感识别技术获取和识别学习者的学习情感状态,从而实现e-Learning教学系统的智能化和人性化。本文对该系统的关键技术作了详细阐述。     

从符号学角度分析肩章的类文字性

"类文字",简单地说就是介于图像和文字之间的视觉符号。它们不仅具有一般文字的语言指涉功能,还保持了图像性而没有完全成为语言的替代品。肩章是军人佩戴在军衣肩上的识别标志,是军人军衔等级的一个象征,具有一般文字的语言指涉功能。本文试从符号学角度,分析肩章的类文字性。     

符号矩阵理论透析下的《舞姬》

符号矩阵理论是叙事符号学大师A—J．格雷马斯在普洛普和列雏·施特劳斯研究的基础上建立的,该理论为研究叙事文本的结构提供了新的方法。本文试用A—J．格雷马斯符号矩阵理论,简要分析日本近代浪漫主义小说《舞姬》的叙事结构,旨在让读者更清楚地了解该文本的内在逻辑关系,从而进一步阐释文本的深层含义。     

基于协方差矩阵重构的稳健波束形成算法

当期望信号导向矢量失配以及采样协方差矩阵中包含期望信号时,传统自适应波束形成器性能会下降。对此问题,提出了一种基于协方差矩阵重构的稳健波束形成算法。该算法首先通过对期望信号和干扰的大致来波方向范围进行积分以估计出导向矢量,然后利用主模式抑制去除信号间多余的相干性,并重构出最终的协方差矩阵。仿真实验表明,该算法提高了期望信号导向矢量失配时的稳健性,降低了对快拍数的敏感性。     

基于自适应EKF的感应电机无传感器控制

针对传统EKF(TEKF)需要长时间试凑噪声协方差矩阵且噪声特性变化时估算性能下降甚至发散的问题,提出了一种基于极大似然估计准则和有限记忆指数加权的自适应EKF算法（EW-MLE-AEKF）。在使用新息序列进行自适应调整时,系统容易因新息序列的不准确而发散,为此可以利用后验残差序列对噪声协方差矩阵Q和R进行实时调整来提高系统的稳定性。同时在加窗方法的基础上使用了有限内存指数加权算法来提高近期数据的权重,加快了估计的收敛速度。仿真和实验验证了算法在电机系统中的可行性,结果证明该算法避免了噪声矩阵的试凑过程,能够适应噪声的变化,提高了滤波精度且系统稳定性强。     

基于Hessian矩阵的多结构光条纹中心快速提取方法

使用结构光方法对物体进行三维检测时,需要对图像中结构光条纹中心快速、准确提取。为提高检测速度,可向待测物体同时投射多结构光条。为实现多结构光条纹识别和亚像素中心快速提取,本文提出一种基于Hessian的多结构光条纹亚像素中心提取方法。该方法首先对多结构光条纹进行识别,根据识别的结构光条纹计算各条纹上的极值点,最后在极值点像素位置附近区域确定结构光条纹的亚像素中心。实验表明,该方法减小了Hessian矩阵算法的运算量,提高了结构光亚像素中心提取速度,能满足多结构光条纹识别和亚像素中心快速提取的需要。     

基于矩阵测度的非线性电路平衡点全局渐近稳定的方法研究

本文提出了一种新的分析非线性电路平衡点全局渐近稳定的方法。这种方法以矩阵测度为工具 ,结合平衡点的渐进稳定判据 ,用一个矩阵的HURWITZ条件和矩阵的测度决定平衡点的全局渐近稳定性。与目前该问题所采用的LIYAPUNOV直接法相比 ,该方法具有无须判断平衡点的唯一性 ,无需构造LIYAPUNOV函数 ,判别方程直接明了等优点。该方法对于其他形式的非线性系统的分析 ,也有重要的启发性及应用价值     

图像二维鉴别特征矩阵融合及人脸识别

二维最大散度差鉴别准则和二维Fisher鉴别准则抽取的特征具有很强的相关性.本文在此基础上,通过对传统的基于向量的典型相关分析方法进行分析改进,提出了一种新的直接基于图像二维鉴别特征矩阵融合的二维典型相关分析方法,并将其应用于人脸识别的特征融合过程中.较基于向量的典型相关分析,该方法计算过程中构造的协方差矩阵维数大幅度减小.这在一定程度上避免了人脸识别中存在的"高维小样本问题",另一方面也使算法的速度明显提高.     

字形分析与智力培养

文字是语言的书面符号。个体对字形的流利识别,是阅读和写作的基础,人的书面语言学习,也正是从识字起步的。     

浅谈学生阅读能力的培养

阅读的地位是由其性质决定的。通常所说的阅读包括识别文字、辨认词汇和句子,理解其所传递的信息内容。也可以说,阅读就是通过视觉认识书写的文字符号,从中获取思想的程序。     

思想政治教科书辅助文文本分析——以《文化生活》为例

<正>辅助文文本作为思想政治教科书必不可少的"附件",与正文文本一同承担着信息呈现的重要职责。为了使《文化生活》辅助文文本的内容与呈现形式更加科学,本文运用频率统计与内容分析的方法,从频数、内容、类型等多角度入手,对《文化生活》的文字符号辅助文和非文字符号辅助文展开分析。一、文字符号辅助文文字符号主要指自然语言文字符号和人工专业语言符号。《文化生活》明确规定的文字符号辅助文有三类:相关链接、专家点评和文化名人。但纵观整本教科书,以中国传统卷轴为背景,以斜体字为呈现形式的另一文字符号辅助文不容忽视,出于表述需要,笔     

论汉字的特点与对外汉语汉字教学

汉字作为记录汉语的书写符号系统,是以表意为主兼表音的意音文字,是集“形、音、义”于一体的视觉符号。在汉语学习中,外国留学生感到最困难的是识别和书写汉字。本文从分析汉字的性质特点出发,在总结中国传统的童蒙汉字教学成功经验的基础上,提出了在对外汉语汉字教学中应把握的一些问题。     

模块2DPCA算法在人脸识别中的应用和讨论

文章讨论了模块2DPCA(two-dimensional principal eomponent anallysis)的人脸识别方法.传统的PCA方法是在特征抽取之前将子图像矩阵转化为图像向量,这样会造成维数增大.二维主成分分析算法(2DPCA)作为模式识别领域的一种重要算法,它直接利用原始二维图像矩阵,生成特征提取所需的图像协方差矩阵,具有较高健壮性.模块2DPCA是2DPCA的推广,模块2DPCA方法先对图像矩阵进行分块,将分块得到的子图像矩阵直接用于构造总体散布矩阵,然后利用总体散布矩阵的特征向量进行图像特征提取.与2DPCA相比,模块2DPCA方法在识别性能上优于PcA.、比2DPCA更具有鲁棒性.最后就模块2DPCA存在的问题进行了讨论.