探地雷达在民防工程隐患整治中的应用——以上海市退出民防序列工程为例

文章简述了探地雷达的基本原理,并通过上海市退出民防序列工程隐患整治工程应用实例,分析了地下防空洞呈现的电磁波反射异常特征,从而准确定位地下防空洞的位置,为后续地下防空洞的评估和整治提供依据.     

较差质量数据下的返回弹道计算及对落点影响的分析

针对某老式卫星返回时雷达跟踪数据曾发生的测量异常及质量较差等情况，为解决此类数据在返回弹道及落点计算中出现的实际困难以及给出应对措施，基于工程实际情况给出了三种不同建模类型下的弹道计算方法——当前统计解耦扩展卡尔曼滤波（EKF）、动力学建模无迹卡尔曼滤波（UKF）、多项式滑窗最小二乘估计算法，并应用该次质量较差的实际观测数据进行了算法应用效果分析与落点计算情况对比，对计算中的经验及教训进行了总结。研究结果表明，所给出的三种算法在面对较差质量数据时性能差异较大，在工程实际应用中可考虑将多种算法互为参考。研究结果及其经验教训对卫星返回弹道及落点的实时估计的工程实施有一定的参考价值。     

基于泰勒规则的人民币汇率预测研究:兼论多种汇率决定模型预测比较

文章选取了无抛补利率平价、购买力平价、弹性/粘性价格货币模型、巴拉萨-萨缪尔森模型、资产组合模型、泰勒规则等理论模型,采用DMA/DMS、TVP-VAR、BMA等计量模型,并选择2005年7月至2016年12月数据作为研究样本对人民币汇率进行样本外预测,结果发现上述理论模型均对人民币汇率具有一定的预测能力,但只有泰勒规则模型预测能力高于随机游走模型,其余6种理论模型对人民币汇率的预测能力并不比最简单的随机游走模型强。同时,基于多种计量模型的结果显示,DMS模型对人民币汇率预测的绩效最佳。进一步通过拓展后的泰勒规则模型对人民币汇率进行预测时发现,短期内央行外汇干预发挥的作用最大,汇率预期和风险溢价分别在中期和长期的预测结果中表现最为明显。     

利用ACE值构造QC-LDPC码

为进一步提升中短码长下准循环低密度奇偶校验(Quasi-cyclic Low-density Parity-check,QC-LDPC) 码的纠错性能，提出了一种综合短环数目和环连通性的QC-LDPC码构造方法。首先，采用Golomb规则构造QC-LDPC码，对基矩阵中的部分元素进行替换预处理，初步降低短环数目；其次，采用所提的利用近似环外信息度（Approximate Cycle Extrinsic message degree，ACE）的消环掩模算法来优化QC-LDPC码，使得掩模后的校验矩阵具有较大的ACE平均值，最终完成QC-LDPC码的构造。该构造方法简单、通用性强，在短环数目和连通性间进行了平衡。与只考虑减少短环数目、增大围长等方法相比，该方法构造的QC-LDPC码有更加优异的纠错性能。     

基于扎根理论的农业物流生态圈协同影响因素分析

农业物流生态圈作为一种先进的发展模式,可通过各子系统的相互协作达到双赢,解决传统农业发展面临的产业联动性差、技术水平低下、运营模式落后等问题,推动农业供给侧结构性改革。而考虑到农业物流生态圈涉及主体众多,其协同受多种因素共同作用,需要构建农业物流生态圈协同影响因素框架,以为农业物流生态圈协同研究提供指标体系。基于扎根理论这一质性研究方法,利用Nvivo11.0软件对访谈文本及相关文献资料进行深度分析,得到112个初始概念,进而由初始概念概括出39个范畴,提炼出15个副范畴,最终归纳出协同环境、协同机制、协同能力、协同意愿、扰动因素五个主范畴,形成农业物流生态圈协同影响因素框架。在这个框架中,协同环境可定义为外驱因素,协同机制、协同能力可定义为内驱因素,协同意愿可定义为中介因素,且各因素并非直接对农业物流生态圈产生影响,而是主要通过三条路径进行,其一是外驱因素→中介因素→农业物流生态圈协同,其二是内驱因素→中介因素→农业物流生态圈协同,其三是扰动因素对内驱因素和外驱因素进行调节。     

对当代商业银行表外业务的思考

商业银行表外业务的出现及迅猛发展,不断彰显着其对当代经济发展的重要作用。正视表外业务,明确其概念、运作以及风险,采取合理适当措施防范风险对商业银行业务的可持续发展具有重大意义。     

基于PRI信息的雷达脉冲信号分选技术研究综述

基于脉冲重复间隔（Pulse Repetition Interval，PRI）信息的雷达脉冲信号分选是电子侦察信号处理中的核心关键技术之一。以公开文献资料为来源，从直接搜索判定分选、直方图统计分选、PRI变换分选、平面变换分选、多方法综合应用等多个方面对该技术方向上的各种方法的原理、流程、特点、适用条件等进行了分类对比与归纳总结，指出了其所面临的巨大挑战，展现了其未来的发展趋势，为该方向上技术研究的深入推进与工程应用的优化推广提供了重要参考。     

基于车辆数据的k近邻联合概率数据关联算法

在交通场景中采用一些预警措施能够有效地减少交通事故发生。例如，对车辆轨迹进行跟踪并预测车辆的驾驶行为，就是一个常用的预警方法。在对车辆进行跟踪的过程中，数据关联是很重要的部分，它可以对车辆的观测点和轨迹进行关联，从而更新车辆的轨迹，完成跟踪过程。在此背景下，提出了一种新的数据关联算法，即k近邻联合概率数据关联算法(k Nearest Neighbor-Joint Probability Data Association,kNN-JPDA)。实验结果表明，该算法能够较好地解决在交通场景下车辆数据的数据关联问题，在精度以及运行效率方面都有所提高。     

一种基于微波雷达回波信号的车型分类方法

车辆类型识别方法是智能交通系统的关键技术之一。利用深度学习的高维特征泛化学习能力，将改进的LeNet-5卷积神经网络用于基于交通微波雷达的大小车型分类识别。首先，以雷达触发前的N帧信号为基础，对雷达的回波信号进行分析并构建数据集；然后，分析LeNet-5卷积神经网络的特点；最后提出一种改进的LeNet-5卷积神经网络。实验结果表明，与传统的支持向量机方法相比，所提方法能够智能学习大小车的雷达时频信号特征，大小车型识别准确率达到97%以上，可为交通场景下的车型识别研究提供新的技术途径。     

利用频移动态特征的辐射源目标盲分选

利用辐射源目标的频移动态特征进行盲分选时，针对已有的分选方法不能很好解决非合作接收数据非周期、间断、交叠的问题，提出了一种改进的逻辑回归分选算法,将信号分选转化为轨迹分类的问题来处理。首先，借鉴多目标航迹起始模型中的M/N逻辑法的框架，设计新的数据关联门限，以建立目标起始曲线；其次，采用最小二乘拟合方法替代卡尔曼滤波，设计新的外推规则，建立载频变化预测曲线；分析新的接收数据与预测曲线的关联性，不断迭代回归或形成新的分支，最后获得目标分选结果。仿真与实测试验表明，利用逻辑回归分选算法，对不同运动目标搭载的同频辐射源可进行自动分选，4个仿真目标与2个真实目标的分选正确率达到100%。同时，该方法拓展了辐射源目标盲分选中的动态频移特征应用，为辐射源个体识别提供了新的支持。