脑功能磁共振成像可以无创伤地观察人脑内部各个脑区的变化。3T高场磁共振成像设备信噪比更佳,提供的信息更详尽以及空间分辨率更高,目前正逐渐在国内外推广使用。SPM5是现今最流行的功能磁共振成像(functional Magnetic Resonance Imaging,fMR I)数据处理软件。文章基于SPM5数据处理软件对3T高场功能磁共振成像设备所获取的视觉刺激实验数据进行分析处理,实验结果更清晰、更直观、更精确地反映了相应脑区的变化。
由于电离层电子密度随时间变化,且空间分布不均匀,对不同频段的无线电波产生延缓和折射,因此电离层电子密度变化是影响短波通信、卫星通信、全球导航卫星系统和其他空间通信质量的一个主要因素,本文对全球电离层电子密度(Number of electron,Ne)的预测工作对短波通信设备三维射线实时追踪定位提供必要条件。本文采用国际电离层参考模型提供的2016年电离层Ne数据,根据数据的三维空间时间序列特征,搭建了自编码器和卷积长短期记忆(Convolutional Long Short-Term Memory Network,Conv LSTM)网络组成的网络结构,在不引入地球自转周期之外任何先验知识的条件下,对Ne数据进行深度学习并实现预测,首先通过实验对比了SGD、Adagrad、Adadelta、Adam、Adamax和Nadam六种优化算法的性能,又对比了三种预测策略的均方根误差(Root Mean Square Error, RMSE),1h-to-1h预测策略的全球平均RMSE为1.0 NEU(最大值的0.4%),1h-to-24h和24h-to-24h预测策略的全球平均RMSE为6.3 NEU(2.6%)。由实验结果得出以下结论,一是Nadam优化算法更适合电离层Ne的深度学习,二是1h预测策略的性能与之前类似的电离层TEC预测工作(RMSE高于1.5 TECU,最大值的1%)相比有竞争力,但预测时间太短且对数据的实时性要求较高,三是两种24h预测策略虽能实现长期预测但性能不理想,要实现三维空间时间序列的长期高精度预测需要进一步改善神经网络、模型结构和预测策略。
直接定位(Direct Position Determination,DPD)算法相比于传统两步定位法,在低信噪比和复杂环境下具备更高定位精度和更强鲁棒性。研究表明加入信号波形信息能够有效提升DPD算法定位精度,但在实际无源定位场景中信号波形往往难以先验已知,未知信号波形的DPD算法精度受限。针对这一问题,本文围绕无源定位系统中普遍存在的调制方式已知,但符号信息未知的数字调制信号,提出一种联合波形重构的数字调制信号直接定位(Direct Position Determination for digital Modulation signals,MDPD)方法。该方法依据最大似然准则,基于调制信号成型、接收阵列与辐射源位置几何关系,构建阵列接收信号关于信源符号和位置参数联合估计的代价函数,利用交替迭代降低信号高维搜索给参数联合估计带来的计算复杂度。仿真实验结果验证了联合波形重构的MDPD方法可行性,同时通过与已有两类定位方法的对比实验,得到本文MDPD可以达到更高定位精度,并在信噪比增加时收敛到渐进最优定位精度。
