课程文献中心 更多>>

摘要： 《义务教育信息科技课程标准(2022 年版)》明确提出倡导真实性学习的教学理念,同时建议在设计课程结构时,应充分考虑学生的学习发展规律,构建一个包含数据、算法、网络、信息处理、信息安全以及人工智能等核心要素的系统化框架.初中编程教学作为锻炼学生计算思维的关键环节,应强化学生的实践操作和创新能力.为夯实学生的信息素养与人工智能理论基础,初中信息科技课堂应当融入 3D仿真虚拟机器人的教学内容.这种创新的教学方式能够使学生摆脱实体机器人的物理限制,突破空间的局限,在虚拟环境中完成各种程序任务.

关键词： 中国古典园林   部件级实景三维   3D数据模型   空间叙事   视觉感知计算   本体语义复用   数字地图  

摘要： [目的]作为世界文化遗产和城市游憩空间的重要组成部分,中国古典园林文化生态系统服务的发挥主要依赖于游客与景观的视觉感知与交互.然而,如何为古典园林景观视觉感知模拟建立相应的3D数据模型仍存在以下方法挑战:如何构建视觉感知框架以表征中国古典园林所特有的"景"概念?如何以游客视觉感知为切入点剖析其游园观景行为?以何种形式组织古典园林景观3D数据模型,从而实现视觉感知的全流程模拟计算,并提升计算效果和效率?[方法]针对这些挑战,本文从游客视觉感知过程的"客体-路径-主体-结果"4个环节出发,以"叙事符号系统-叙事策略"的空间叙事为切入点,将古典园林景观构成剖析为"环境空间-视觉感知空间-视知觉空间",提出了古典园林景观的视觉感知框架,并基于相关领域本体模型语义复用,将模型梳理为"地物层-行为层-分析层"3个层次,扩展并设计了面向视觉感知计算的古典园林景观3D数据模型.[结果]以苏州拙政园为例,从地物数据处理、行为数据配置、存储环境搭建,再到分析数据计算,阐述了古典园林景观3D数据模型实施应用的方法流程,以期为中国古典园林乃至其他文化遗产三维空间视觉感知研究提供理论与方法参考.

关键词： 电信业务数据管理   信息安全   保障策略  

摘要： 随着大数据技术的发展,通信行业迎来了新的机遇,电信业务数据内容较之以往更加复杂,能够助力通信企业改善产品、分析用户、提升盈利水平,但在这一过程中,敏感数据共享、设备虚拟化、数据集中管理、数据对外合作等都给电信业务数据管理带来了一些信息安全风险,对用户隐私带来了负面影响.文章基于此,针对电信业务数据管理面临的风险进行了分析,阐述了电信业务数据管理的现状与对策,总结了电信业务数据的安全保障策略.

关键词： 半导体光刻   图像处理   模式识别   处理技术  

摘要： 本文以半导体光刻为研究对象,重点探讨了图像处理技术与算法在实现纳米级特征图案化中的关键作用.针对小特征尺寸、高图案密度及工艺变异性等挑战,研究了亚分辨率辅助特征(SRAF)优化、反向光刻技术(ILT)以及人工智能等内容.通过引入模型校正、缺陷检测与实时优化技术,验证了这些算法在提高光刻精度、效率和稳定性方面的显著效果.研究结果表明,先进的图像处理技术和算法为半导体光刻工艺的持续创新提供了有力支持.

关键词： 通信感知一体化   波束形成设计   多目标优化   MIMO雷达   多用户通信  

摘要： 无论在军事领域的战术通信和目标探测，还是在无人驾驶技术中实现高效的通信和高精度的环境感知，通信感知一体化都可以显著提升系统性能并大幅提高频谱资源利用率。然而，通信和感知资源分配不均衡问题成为该项技术应用的巨大挑战。针对多目标探测和多用户通信场景，该文提出一种基于Pareto优化框架的发射波束形成设计方法。该方法首先将通感资源优化问题建模为一个非凸优化问题，采用通信性能与雷达性能的加权和作为优化目标，以提高系统的灵活性。为了求解该问题，该文提出改进的加权最小均方误差算法将其转化成一个易于求解的凸问题，通过调整Pareto权重因子权衡通信信干噪比与雷达发射波束图误差，实现在功率约束条件下通感性能的最优化设计，同时通过采用MIMO雷达的方式提高了雷达的自由度。仿真结果验证了所提出波束形成方法的有效性和优越性。

关键词： 深度学习算法   激光散斑   信号提取  

摘要： 利用深度学习算法学习激光散斑特征与音频信号参数之间的对应关系,进一步提高音频信号提取和增强的准确性.实验结果表明,在激光散斑音频信号提取与增强过程中,蚁群算法的收敛速度比深度学习算法慢,且深度学习算法最终测试损耗最低;均方根误差与信噪比变化趋势相反,深度学习算法的均方根误差仅为 0.16,远低于其他算法.因此,基于深度学习算法可以有效提高激光散斑音频信号的提取与增强能力.

关键词： YOLOv5   声呐图像   卡尔曼滤波   无人船   水界线检测  

摘要： 现有的水面无人船水界线检测方法存在精度不足、健壮性差以及实时性难以保障等问题.针对这些不足,提出一种融合YOLOv5 算法与卡尔曼滤波的水面无人船水界线检测方法.利用无人船上的声呐接收列阵获取回声时间延迟和回波强度,并将收集的信息转换为声呐图像.在声呐数据采集过程中,通过相干检测和时间增益补偿来采集声呐数据,避免信号采集中的散射影响和能量损失.然后,利用YOLOv5 算法和卡尔曼滤波检测声呐图像中的水界线,获得水界线位置为形状信息,以此进行水界线智能识别.实验结果表明,在不同水域和天气条件下,研究提出的方法均实现 94%以上的检测精度,且平均值达到 94.76%.相较于其他图像处理方法,研究提出的图像增强和校正方法更适用于声呐图像,其平均峰值信噪比达到 23.58 dB,能够实现较高精度的水界线检测,辅助无人船进行自主导航避障.