针对高频地波雷达(High frequency surface wave radar,HFSWR)在探测中产生的回波数据,传统的人工识别和分类方法存在工作量大、效率低和主观性强等问题,本研究在分析一阶海杂波、电离层杂波和射频干扰的回波数据特性的基础上,创新性地...针对高频地波雷达(High frequency surface wave radar,HFSWR)在探测中产生的回波数据,传统的人工识别和分类方法存在工作量大、效率低和主观性强等问题,本研究在分析一阶海杂波、电离层杂波和射频干扰的回波数据特性的基础上,创新性地提出了基于YOLOv5识别模型的HFSWR杂波和干扰识别分类方法。该方法旨在帮助研究人员在海量实验数据中快速筛选出符合其科学研究需求的数据集,从而提高研究效率和数据准确性。在具体实施过程中,通过采用批量实测距离-多普勒(Range-Doppler,RD)谱数据对所提出模型进行训练和分析,使该方法能够在频域范围内对杂波和干扰进行有效识别。本研究以该识别分类算法为核心,进一步基于Python语言设计了一款地波雷达智能杂波和干扰识别分类软件。经过严格的批量实测数据测试验证,该软件能够满足设计需求,具有良好的可靠性,极大地提高了研究人员筛选有效实测数据的工作效率,为科学研究工作提供了有力的技术支撑。展开更多
目的基于彩色多普勒血流成像(CDFI)参数构建高危妊娠孕妇发生胎儿窘迫的列线图预测模型。方法回顾性分析916例高危妊娠孕妇的临床资料,所有孕妇在产前均行胎儿脐动脉(UA)、大脑中动脉(MCA)CDFI检查,记录CDFI参数[阻力指数(RI)、收缩期...目的基于彩色多普勒血流成像(CDFI)参数构建高危妊娠孕妇发生胎儿窘迫的列线图预测模型。方法回顾性分析916例高危妊娠孕妇的临床资料,所有孕妇在产前均行胎儿脐动脉(UA)、大脑中动脉(MCA)CDFI检查,记录CDFI参数[阻力指数(RI)、收缩期峰值流速与舒张末期流速比值(S/D)、搏动指数(PI)]。根据是否发生胎儿窘迫将高危妊娠孕妇分为发生组(136例)和未发生组(780例)。采用Logistic回归模型分析影响高危妊娠孕妇发生胎儿窘迫的因素,构建列线图预测模型并进行验证及效能评估。结果发生组胎儿UA的RI、胎儿UA的PI、胎儿UA的S/D、孕妇年龄≥35岁占比、产程延长占比、胎儿出生后1 min Apgar评分≤7分占比高于未发生组,胎儿MCA的RI、胎儿MCA的PI、胎儿MCA的S/D低于未发生组(P<0.05)。Logistic回归分析结果显示,胎儿UA的PI、胎儿UA的S/D、胎儿MCA的PI、胎儿MCA的S/D是高危妊娠孕妇发生胎儿窘迫的影响因素(P<0.05)。基于上述影响因素构建的列线图预测模型的一致性指数为0.853,Hosmer⁃Lemeshow检验显示模型预测发生概率与实际发生概率差异无统计学意义(P>0.05)。受试者工作特征曲线分析显示,该模型预测高危妊娠孕妇发生胎儿窘迫的灵敏度为84.40%、特异度为80.30%,曲线下面积为0.867。结论胎儿UA的PI、胎儿UA的S/D、胎儿MCA的PI、胎儿MCA的S/D是高危妊娠孕妇发生胎儿窘迫的影响因素,基于这些影响因素所构建的列线图模型预测高危妊娠孕妇发生胎儿窘迫的效能良好。展开更多
文摘针对高频地波雷达(High frequency surface wave radar,HFSWR)在探测中产生的回波数据,传统的人工识别和分类方法存在工作量大、效率低和主观性强等问题,本研究在分析一阶海杂波、电离层杂波和射频干扰的回波数据特性的基础上,创新性地提出了基于YOLOv5识别模型的HFSWR杂波和干扰识别分类方法。该方法旨在帮助研究人员在海量实验数据中快速筛选出符合其科学研究需求的数据集,从而提高研究效率和数据准确性。在具体实施过程中,通过采用批量实测距离-多普勒(Range-Doppler,RD)谱数据对所提出模型进行训练和分析,使该方法能够在频域范围内对杂波和干扰进行有效识别。本研究以该识别分类算法为核心,进一步基于Python语言设计了一款地波雷达智能杂波和干扰识别分类软件。经过严格的批量实测数据测试验证,该软件能够满足设计需求,具有良好的可靠性,极大地提高了研究人员筛选有效实测数据的工作效率,为科学研究工作提供了有力的技术支撑。
文摘5G超密集网络(ultra-dense network,UDN)的引入是为了提升吞吐量,特别是针对静态和低速场景,因此,无法同时满足高吞吐量和高移动速度的需求。对于未来需要同时支持高容量和高速移动的6G新场景,提出一种同心圆模型(homocentric sphere model,HSM)的网络架构,采用控制面/用户面数据分离、多发送接收节点(transmission and reception point, TRP)协同传输的方法来处理密集部署网络中多普勒效应影响大和TRP频繁切换的问题,使得该模型成为密集部署网络下提升网络容量、应对高速移动的有效方法。数据结果证明,所提的HSM有效减小了密集组网高速移动场景下多普勒频移效应,同时能够提供更高的网络遍历频谱效率。
文摘目的基于彩色多普勒血流成像(CDFI)参数构建高危妊娠孕妇发生胎儿窘迫的列线图预测模型。方法回顾性分析916例高危妊娠孕妇的临床资料,所有孕妇在产前均行胎儿脐动脉(UA)、大脑中动脉(MCA)CDFI检查,记录CDFI参数[阻力指数(RI)、收缩期峰值流速与舒张末期流速比值(S/D)、搏动指数(PI)]。根据是否发生胎儿窘迫将高危妊娠孕妇分为发生组(136例)和未发生组(780例)。采用Logistic回归模型分析影响高危妊娠孕妇发生胎儿窘迫的因素,构建列线图预测模型并进行验证及效能评估。结果发生组胎儿UA的RI、胎儿UA的PI、胎儿UA的S/D、孕妇年龄≥35岁占比、产程延长占比、胎儿出生后1 min Apgar评分≤7分占比高于未发生组,胎儿MCA的RI、胎儿MCA的PI、胎儿MCA的S/D低于未发生组(P<0.05)。Logistic回归分析结果显示,胎儿UA的PI、胎儿UA的S/D、胎儿MCA的PI、胎儿MCA的S/D是高危妊娠孕妇发生胎儿窘迫的影响因素(P<0.05)。基于上述影响因素构建的列线图预测模型的一致性指数为0.853,Hosmer⁃Lemeshow检验显示模型预测发生概率与实际发生概率差异无统计学意义(P>0.05)。受试者工作特征曲线分析显示,该模型预测高危妊娠孕妇发生胎儿窘迫的灵敏度为84.40%、特异度为80.30%,曲线下面积为0.867。结论胎儿UA的PI、胎儿UA的S/D、胎儿MCA的PI、胎儿MCA的S/D是高危妊娠孕妇发生胎儿窘迫的影响因素,基于这些影响因素所构建的列线图模型预测高危妊娠孕妇发生胎儿窘迫的效能良好。
