南京信息工程大学2009-2010学年第一学期Internet Technologies课程试卷(B卷)
第二章 铜线接入技术[hardrock]
E-mail:shenjh@早期铜线接入技术:模拟接入技术模拟调制解调器技术是借助于电话网络实现数据业务的传统技术。
Modem展到14.4kbps、28.8kbps其中基于V.90协议的Modem接近话音信道的极限。
同时模拟调制解调器最大的缺点在于传输速率的限制和不能同时提供话音和数据接入。
E-mail:shenjh@ E-mail:shenjh@ISDN 通道类型B通路:64kbps,供用户传输信息 D通路:16kbps或64kbps数据H通路:384kbps、1536kbps 户传输高速数据。
ISDN 接口ISDN BRI(2B+D)基本速率接口Base Rate InterfaceBRI由2个用户信息通路B和一个信令通路D组成,因此总的传输速率为144kbps可达128kbps。
一对ISDN户终端,不仅适用于家庭用户,也可以用于小型商业机构等。
E-mail:shenjh@ E-mail:shenjh@铜线接入基础:传输损伤1.衰减Attenuation2.近端和远端串扰NEXT and FEXT3.干扰Disturb4.阻抗匹配Impedance matching5.加感Loading6.其他Others 1.衰减铜线线路上的信号传输时受到铜线衰减的影响。
一般来说主要有以下两个基本关系:信号传输速率越高,则传输的距离越近;传输线缆的线径越粗,则信号的传输距离越远。
相应地,线径越粗的线缆成本越高,投资也越大。
在满足传输距离要求的前提下,运营商总是尽可能选用线径较小的线缆。
E-mail:shenjh@ E-mail:shenjh@NEXT和FEXT2.近端和远端串扰Near End CrosstalkFar End Crosstalk线缆中互相靠近的铜线之间会互相干扰,产生近端串扰NEXT和远端串扰FEXT响线路性能的最主要因素之一。
E-mail:shenjh@ E-mail:shenjh@18 4.阻抗匹配多分路/分机引入的阻抗失配线路阻抗和加感线圈、用户终端的阻抗不匹配也会引起信号传输质量的下降。
高校校园网汇聚层故障分析及处理
网络天地 • Network World8 •电子技术与软件工程 Electronic Technology & Software Engineering 【关键词】校园网 汇聚层 链路光衰 交换机环路1 引言随着高校信息化建设的不断推进,信息化基础设施的重要组成部分——校园网的拓扑结构不断丰富,设备数量逐年增加,校园网的稳定、高效运行给运维人员提出了更高的要求。
用户终端和接入层网络故障,易分析解决、影响范围小。
但是,对于担负楼宇通信的汇聚层交换机来讲,一旦出现问题,故障点难分析、耗时久、影响范围大。
因此,需要在工作中多分析积累以便快速解决问题。
本文结合工作实践,详细探讨汇聚层网络出现的多个问题及解决思路和方法。
2 链路光衰过大在采用三层组网模式的校园网物理链路中,汇聚层与核心层、接入层与汇聚层通常采用光纤连接方式。
每条光纤链路需要满足苛刻且敏感的物理条件,否则,可能引发重大的网络问题。
光纤链路的光衰过大是引起链路中断的多发因素。
检测链路光衰最直观有效的方法是利用光模块的DDM (数字诊断监控)功能。
以思科多模模块为例,使用命令show interfaces transceiver ,可得到以下结果:Switch#show interfaces transceiver Temperature V oltage Tx Power Rx Power Port (Celsius) (V olts) (dBm) (dBm)--------- ----------- ------- -------- --------Gi0/3 28.1 3.31 -5.5 -24.9 -- low alarm Gi0/3端口Rx Power 接收功率低值告警,高校校园网汇聚层故障分析及处理文/庞镭需查看对端设备的光功率来锁定故障点。
对于不具备DDM 功能的光纤模块,即提示“This module doesn ’t support DDM !”,则需要通过复杂的步骤来判断故障情况。
遥感图像跨域语义分割的无监督域自适应对齐方法
㊀2023年12月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a D e c e m b e r,2023㊀㊀第52卷㊀第12期测㊀绘㊀学㊀报V o l.52,N o.12引文格式:沈秭扬,倪欢,管海燕.遥感图像跨域语义分割的无监督域自适应对齐方法[J].测绘学报,2023,52(12):2115G2126.D O I:10.11947/j.A G C S.2023.20220483.S H E NZ i y a n g,N I H u a n,G U A N H a i y a n.U n s u p e r v i s e dd o m a i na d a p t a t i o na l i g n m e n t m e t h o df o rc r o s sGd o m a i ns e m a n t i c s e g m e n t a t i o no f r e m o t e s e n s i n g i m a g e s[J].A c t aG e o d a e t i c a e tC a r t o g r a p h i c aS i n i c a,2023,52(12):2115G2126.D O I:10.11947/ j.A G C S.2023.20220483.遥感图像跨域语义分割的无监督域自适应对齐方法沈秭扬,倪㊀欢,管海燕南京信息工程大学遥感与测绘工程学院,江苏南京210044U n s u p e r v i s e d d o m a i n a d a p t a t i o n a l i g n m e n t m e t h o d f o r c r o s sGd o m a i n s e m a n t i c s e g m e n t a t i o no f r e m o t e s e n s i n g i m a g e sS H E NZ i y a n g,N I H u a n,G U A NH a i y a nS c h o o l o fR e m o t eS e n s i n g&G e o m a t i c sE n g i n e e r i n g,N a n j i n g U n i v e r s i t y o f I n f o r m a t i o nS c i e n c e&T e c h n o l o g y, N a n j i n g210044,C h i n aA b s t r a c t:D e e p l e a r n i n g m o d e l s r e l y o na l a r g e n u m b e r o f h o m o g e n o u s l a b e l e d s a m p l e s,i.e.,l i m i t i n g t h e t r a i n i n g a n dt e s t i n g d a t at oo b e y t h es a m ed a t a d i s t r i b u t i o n.H o w e v e r,w h e nf a c i n g l a r g eGs c a l ea n d d i v e r s e r e m o t e s e n s i n g d a t a,i t i s d i f f i c u l t t o g u a r a n t e e t h e r e q u i r e m e n t o f h o m o g e n e o u s d i s t r i b u t i o n a m o n g d a t a,a n dt h es e g m e n t a t i o na c c u r a c y o fd e e p l e a r n i n g m o d e l sd e c r e a s e ss i g n i f i c a n t l y.T o a d d r e s s t h i s p r o b l e m,t h i s p a p e r p r o p o s e s a n u n s u p e r v i s e d d o m a i n a d a p t a t i o n(U D A)m e t h o d f o r s e m a n t i c s e g m e n t a t i o n o f r e m o t e s e n s i n g i m a g e s.W h e n t h e d i s t r i b u t i o n s o f t r a i n i n g d a t a(s o u r c e d o m a i n)a n d t e s t i n g d a t a(t a r g e t d o m a i n)a r ed i f f e r e n t,t h e p r o p o s e dm e t h o d i m p r o v e s t h ea c c u r a c y o f s e m a n t i c s e g m e n t a t i o n i n t h e t a r g e t d o m a i nb y t r a i n i n g d e e p l e a r n i n g m o d e l s u s i n g o n l y s o u r c eGd o m a i n l a b e l s.T h em e t h o d i n t r o d u c e so p t i m a l t r a n s p o r t t h e o r y a n d g l o b a la l i g n m e n t i n i m a g e,f e a t u r ea n do u t p u t s p a c e s t om i t i g a t e t h ed o m a i ns h i f t b e t w e e n t h es o u r c ea n dt a r g e td o m a i n s.T h ee x p e r i m e n t se m p l o y t h eP o t s d a m a n dV a i h i n g e nd a t a s e t s p r o v i d e db y t h e I n t e r n a t i o n a lS o c i e t y f o rP h o t o g r a m m e t r y a n dR e m o t eS e n s i n g(I S P R S)t ov a l i d a t et h e p e r f o r m a n c e.T h er e s u l t ss h o wt h a t t h e m e t h o di nt h i s p a p e ra c h i e v e sh i g h e ra c c u r a c y c o m p a r e d w i t h e x i s t i n g m e t h o d s.B a s e d o nt h e a b l a t i o ns t u d y,t h e e f f e c t i v e n e s so ft h e o p t i m a lt r a n s p o r tt h e o r y i s d e m o n s t r a t e d i n t h eU D A f r a m e w o r k f o r s e m a n t i c s e g m e n t a t i o nd r i v e nb y d e e p l e a r n i n g.K e y w o r d s:r e m o t e s e n s i n g i m a g e r y;s e m a n t i c s e g m e n t a t i o n;d o m a i na d a p t a t i o n;o p t i m a l t r a n s p o r tF o u n d a t i o ns u p p o r t:B e i j i n g K e y L a b o r a t o r y o f A d v a n c e d O p t i c a l R e m o t e S e n s i n g T e c h n o l o g y(N o.A O R S202310);T h eN a t i o n a l N a t u r a l S c i e n c e F o u n d a t i o n o f C h i n a(N o s.41801384;41971414);P o s t g r a d u a t e R e s e a r c h&P r a c t i c e I n n o v a t i o nP r o g r a mo f J i a n g s uP r o v i n c e(N o.K Y C X22_1214)摘㊀要:深度学习模型依赖于大量同源标记样本,即限定训练数据与测试数据服从同一分布.但是,面对大范围㊁多样化的遥感图像时,数据之间的同分布要求难以保证,深度学习模型的分割精度下降明显.针对这一问题,本文提出了一种面向遥感图像语义分割的无监督域自适应方法,在训练数据(源域)与测试数据(目标域)分布不同的情况下,仅利用源域标签训练深度学习模型,提高目标域语义分割精度.本文方法引入最优传输理论,在图像空间㊁特征空间和输出空间进行全局对齐,以减轻源域和目标域之间的域偏移.试验采用国际摄影测量与遥感学会(I S P R S)所提供的P o t s d a m和V a i h i n g e n数据集进行验证.结果表明,相比于现有方法,本文方法取得了更高的分割精度.此外,通过消融分析,在深度学习驱动的语义分割无监督域自适应框架下,证明了最优传输理论的有效性.关键词:遥感图像;语义分割;域自适应;最优传输中图分类号:P237㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀文章编号:1001G1595(2023)12G2115G12D e c e m b e r 2023V o l .52N o .12A G C Sh t t p :ʊx b .c h i n a s m p .c o m 基金项目:先进光学遥感技术北京市重点实验室开放基金(A O R S 202310);国家自然科学基金(41801384;41971414);江苏省研究生科研与实践创新计划(K Y C X 22_1214)㊀㊀地物分类(语义分割)是遥感地学分析的基础,得到了广泛研究.这些研究引入经典的机器学习方法和深度学习技术,推动了遥感图像语义分割的自动化和实用化.经典的机器学习方法,如支持向量机[1]㊁人工神经网络[2]㊁决策树[3]㊁随机森林[4]及自适应增强[5]等,难以建模深层特征空间的语义信息,难以在遥感图像语义分割任务中取得精度突破.深度学习方法,如卷积神经网络[6G7]㊁图卷积网络[8]㊁T r a n s f o r m e r [9]及多模态融合[10]等,有效建模高层次语义信息,进一步提高了遥感图像语义分割精度.但是,深度学习模型要求用于训练的源域数据与目标域数据间服从同一分布.在成像传感器和地理环境不同时,同分布要求无法满足,即源域和目标域之间存在域偏移,阻碍了深度学习模型的泛化能力.如图1所示,直接将训练好的模型应用于存在域偏移的目标域数据集上,难以取得预期结果[11].因此,如何将模型迁移到存在域偏移的目标域数据集上,是当前遥感领域需要解决的重要问题[12].图1㊀源域模型在源域和目标域的分割结果对比F i g .1㊀T h ec o m p a r i s o nb e t w e e ns e gm e n t a t i o nr e s u l t s p r o d u c e d b y s o u r c e Gd o m a i n m o d e li n s o u r c e a n d t a r ge t d o m a i n s 目前,无监督域自适应是解决域偏移问题的有效方法,仅利用源域标签进行训练,便可得到适用于目标域的语义分割模型.无监督域自适应方法分为两大类[13],即基于差异测度和基于生成对抗网络(ge n e r a t i v ea d v e r s a r i a ln e t s ,G A N )[14]的方法.基于差异测度的方法通过不同测度,如MM D (m a x i m u m m e a nd i s c r e p a n c y )[15G16]㊁C O R A L (c o r r e l a t i o n a l i gn m e n t )[17G18]及C M D (c e n t r a lm o m e n t d i s c r e p a n c y)[19]等,来衡量源域和目标域之间的差异,进而实现差异最小化.基于G A N 的方法根据应用方式的不同,又可分为两个子类.第1类利用G A N 的重构能力,如通过C y c l e G A N [20]㊁C o l o r M a p G A N [21]和R e s i D u a l G A N [22]等方法对源域图像进行风格转换,并对转换后的源域图像进行监督训练,从而缓解域偏移问题;第2类则使用G A N 在特征[23]或输出[24]空间进行对抗学习,并引入实例[25]和类别[26G27]信息,提取稳健的域不变特征.基于G A N 的方法在遥感图像语义分割域自适应任务中应用更为广泛,但由于对抗学习过程的复杂性,G A N 难以同时拓展到多个空间.基于此,本文舍弃G A N 思想,采用基于差异测度的方法,引入最优传输理论,从数学角度构建源域和目标域对齐途径,并充分利用图像㊁特征和输出空间信息.基于最优传输理论的域自适应思想通过减小域间的W a s s e r s t e i n 距离来对齐源域和目标域分布[28].该思想首先利用最优传输,根据目标域特征迁移源域图像,然后对迁移后的源域图像进行监督学习,并引入参考分布[29]㊁空间原型信息[30]和注意力机制[31],提高跨域泛化能力.通过最优传输与域自适应理论的结合,模型能够以一种合理的几何方式衡量源域和目标域的特征分布差异[32G33].但是,目前基于最优传输的域自适应方法主要面向自然图像分类任务,即每一张图像仅对应一个标签,尚无法充分顾及高分遥感图像语义分割任务需求.为弥补以上问题,本文基于最优传输理论,提出一种顾及多空间分布对齐的全局域自适应方法,以解决高分遥感图像语义分割的域偏移问题.本文方法的核心即在图像空间㊁特征空间和输出空间,利用最优传输理论来减轻源域和目标域的分布差异.本文的创新点如下:①将最优传输理论引入遥感图像语义分割域自适应任务,给出了整合最优传输与语义分割域自适应框架的具体方案;②构建了一种基于最优传输的全局域自适应模型,与现有方法相比,进一步减弱了域偏移影响,取得了更高精度.6112第12期沈秭扬,等:遥感图像跨域语义分割的无监督域自适应对齐方法1㊀基于最优传输的无监督域自适应方法本文方法具体分为3个部分:图像空间风格迁移㊁特征空间和输出空间对齐.方法的整体框架如图2所示,首先在图像空间计算源域图像和目标域图像之间的最优传输矩阵,利用最优传输矩阵将源域图像风格转换至目标域;其次将转换后的源域图像㊁目标域图像输入语义分割网络,同时获取源域和目标域的深度特征(对应特征空间)和模型预测(对应输出空间);再次计算源域和目标域特征空间W a s s e r s t e i n 距离(e a r t h m o v e rd i s t a n ce ,E M D ),作为特征空间损失;然后在输出空间计算源域和目标域之间的E M D ,作为输出空间损失;同时为保证模型稳定性,将源域输出空间结果进行上采样,作为源域预测结果,利用源域标签计算交叉熵损失,实现源域监督学习;最后将训练好的模型应用于目标域图像,以完成目标域语义分割.注:O T 为最优传输;L o s s f e a t u r e 为特征空间损失;L o s s o u t p u t 为输出空间损失;L o s s s e g 为语义分割损失.图2㊀本文方法框架F i g .2㊀F r a m e w o r ko f t h e p r o po s e dm e t h o d ㊀㊀本文采用基于R e s N e t 101[34]的D e e pL a b GV 2框架作为语义分割网络,并遵循文献[24]的做法,移除最后一个分类层,将最后两个卷积层的步长从2修改为1,使得输出特征的尺寸是输入图像的1/8;网络在最后两个卷积层中应用扩张卷积以增大感受野,其步长分别为2和4;在特征提取后,使用A S P P (a t r o u s s p a t i a l p y r a m i d p o o l i n g)[35]作为最终预测层.1.1㊀最优传输和域自适应最优传输[36]理论可以找到从一个分布d s (如源域分布)至另一个分布d t (如目标域分布)的最优映射方案.具体而言,最优传输在d s 和d t 之间搜索一个具有最小传输成本的概率耦合γɪΠ(d s ,d t ),如式(1)所示㊀T d s ,d t =i n f γɪΠ(μs ,μt)ʏR 2c (x s ,x t )d γ(x s ,x t )(1)式中,c 是成本函数,可以用来衡量源域样本x s 和目标域样本x t 之间的差异.T d s ,d t可以进一步定义d s 和d t 之间的p 阶Wa s s e r s t e i n 距离,具体为W p (d s ,d t )=i n f γɪΠ(E x s ~μs ,x t ~μtd (x s ,x t )p )1p{}(2)式中,d (x s ,x t )p是一种距离度量,对应式(1)中的成本函数c (x s ,x t ).W a s s e r s t e i n 距离在计算机视觉领域也被称为E M D [37].在本文的域自适应问题中,源域和目标域的分布d s 和d t 只能通过离散样本获取,故离散化后的最优传输公式为T d s ,d t=m i n γɪΠ(d s ,d t )‹γ,C ›F (3)式中,‹.,.›F 是Fr o b e n i u s 点积;C 表示是代价矩阵;c (x s ,x t )表示成对代价.该优化问题的最小值可以用作分布之间的距离,以上是本文研究的基础.1.2㊀图像空间最优传输基于最优传输的图像风格迁移将目标域图像空间的色彩风格迁移至源域,其中图像空间由图7112D e c e m b e r2023V o l.52N o.12A G C S h t t p:ʊx b.c h i n a s m p.c o m像平面及色彩通道的数值信息构成.假设源域和目标域图像空间色彩分布分别是N(μs,Σs)和N(μt,Σt),其中N(.,.)代表高斯分布.最优传输确定N(μs,Σs)和N(μt,Σt)之间的闭合形式映射,其满足N(x t)ɪN(T(x s)),即T(x s)=(x s-μs) A+μt(4)式中,A为传输矩阵;x s和x t分别表示源域和目标域样本.值得注意的是,可行传输矩阵A的结果不唯一,但最优可行解,即最优传输矩阵不存在多个解[38].通过最优传输可以找到一个最优的映射T来最小化源域和目标域分布之间的距离,即m i n TʏR2c(x s,T(x s))d z(x s)(5)式中,c的含义和式(1)中的含义一致,即成本函数,本文采用欧氏距离形式.式(5)对应的最优传输矩阵为A=Σ-12sΣ12sΣtΣ12s()Σ-12s(6)图像空间最优传输的具体步骤如下:(1)统计源域和目标域图像色彩空间分布直方图,获取源域和目标域色彩分布参数μs㊁Σs㊁μt㊁Σt;(2)根据式(6),计算最优传输矩阵A;(3)利用式(4)对源域图像x s进行转换,得到具备目标域色彩风格的源域图像T(x s),如图2图像空间部分所示.1.3㊀特征空间与输出空间最优传输文献[33]提出D e e p J D O T方法,最早将J D O T[32]引入深度学习域自适应任务.但是,该方法仅在特征空间进行最优传输,且仅可以应用于图像分类任务.在语义分割任务中,所需传输的样本数量远大于图像分类任务,直接将D e e p J D O T应用于语义分割任务是不现实的.若降低输入图像尺寸,则会增加特征空间匹配难度,导致源域和目标域特征错误匹配㊁传输,降低整体域自适应效果.针对上述问题,本文提出了以下解决方案:①在不降低输入图像尺寸的情况下,在特征空间进行下采样,进一步压缩需要匹配的样本数量,在保证特征能够成功匹配的情况下降低最优传输计算量;②在输出空间进行最优传输,通过输出空间类别边缘分布保证源域和目标域对齐.特征空间和输出空间的优化过程为m i nγ1,γ2ɪΠ(d s,d t),f,gðiðjγ1i j d(g(T(x s i)),g(x t j))+㊀γ2i j d(f(g(x s j)),f(g(x t j)))(7)式中,g是特征提取器(即D e e p L a bGV2特征提取部分);f是分类器(即A S P P);i㊁j分别表示每次从源域和目标域中提取的图像样本序号;d(.,.)是衡量源域与目标域差异的距离函数;γ1i j㊁γ2i j分别是特征空间和输出空间的最优传输矩阵.1.3.1㊀特征空间最优传输在特征空间,本文采用L2距离衡量源域和目标域特征之间的差异,即d(g(T(x s i)),g(x t j))=g(T(x s i))-g(x t j)2(8)进而,特征空间的损失函数为L o s s f e a t u r e=γ1i j g(T(x s i))-g(x t j)2(9)式中,源域特征g(T(x s i))和目标域特征g(x t j)皆被下采样;γ1i j为源域第i个图像和目标域第j个图像特征空间的最优传输矩阵.反向传播上述损失,即可减轻源域和目标域特征空间差异,进而生成域不变特征.1.3.2㊀输出空间最优传输输出空间包含重要的类别分布信息,通过输出空间对齐,可以减弱源域和目标域的类别分布差异.具体而言,本文采用L2距离衡量源域和目标域输出空间距离,即㊀㊀d(f(g(x s j)),f(g(x t j)))=㊀㊀㊀f(g(T(x s i)))-f(g(x t j))2(10)进而,输出空间的损失函数为L o s s o u t p u t=γ2i j f(g(T(x s i)))-f(g(x t j))2(11)式中,γ2i j为源域第i个图像和目标域第j个图像输出空间的最优传输矩阵.反向传播上述损失,可以减轻源域和目标域输出空间类别分布差异,进而增强模型域自适应能力.1.4㊀模型优化为了保证所提出方法的基础性能,本文添加源域监督学习过程,即根据源域图像的预测结果和其对应的标签信息,计算交叉熵损失,具体为㊀㊀L o s s s e g=-ði,h,wðkɪN y s(h,w)il n(S(f(g(T(x s i)))(h,w))(k))(12)式中,y s i是源域标签;h和w是标签图像高度和宽度;k是类别;S( )是s o f t m a x函数.结合特征空间与输出空间的损失函数,整体模型优化损失为L o s s=L o s s s e g+β1L o s s f e a t u r e+β2L o s s o u t p u t(13)8112第12期沈秭扬,等:遥感图像跨域语义分割的无监督域自适应对齐方法式中,β1㊁β2为特征空间和输出空间最优传输损失的控制参数.默认设置为β1=0.01,β2=0.01.需要说明的是,图像空间风格迁移,特征空间㊁输出空间最优传输,源域监督学习的损失函数计算可以在同一次训练中进行;即本文方法不需要单独训练源域模型,域自适应过程与源域监督学习可以同步进行,有效减少了人工干涉,缩短了训练时间,进一步提高了模型自动化能力.2㊀试㊀验2.1㊀试验数据与精度评价指标本文使用国际摄影测量与遥感学会(I S P R S )所提供的两个高分航空遥感数据集,即P o t s d a m 数据集和V a i h i n g e n 数据集.其中P o t s d a m 数据集由38张6000ˑ6000像素图像组成,分辨率为0.05m ,包括I R R G 和R G B 两种波段组合;涵盖6个常见地物类别,即不透水层㊁车辆㊁树木㊁低矮植被㊁建筑物和背景.V a i h i n g e n 数据集由33张大小不一的图像构成,图像平均大小为2000ˑ2000像素,分辨率为0.09m ,具备与P o t s d a m 数据集相同的地物类别体系,但仅有I R R G 波段组合.如图3所示,P o t s d a m 数据集和V a i h i n ge n 数据集在图像色彩㊁地物外观及尺度上均存在较大差异,这为跨域语义分割任务带来了挑战.为定量评估方法性能,本文使用当前主流的交并比(i n t e r s e c t i o no v e r u n i o n ,I o U )指数来评估各类别分割精度.同时,本文引入所有类别的I o U 精度平均值(m e a n i n t e r s e c t i o no v e r u n i o n ,m I o U ),以衡量模型的整体性能.图3㊀I S P R SP o t s d a m 数据集和V a i h i n ge n 数据集F i g .3㊀I S P R SP o t s d a md a t a s e t s a n dV a i h i n ge nd a t a s e t s 2.2㊀试验设置为了充分验证所提出方法有效性,本文对P o t s d a m 数据集I R R GңV a i h i n g e n 数据集I R R G ㊁V a i h i n g e n 数据集I R R GңP o t s d a m 数据集I R R G ㊁P o t s d a m 数据集R G BңV a i h i n g e n 数据集I R R G ㊁V a i h i n g e n 数据集I R R GңP o t s d a m 数据集R G B 这4组跨域场景进行试验.试验使用P yt o r c h 框架和单个N V I D I A G T X2080T i 显卡进行训练,并使用动量为0.9㊁权重衰减为5ˑ10-4的S G D 算法优化网络.试验初始学习率l r 设置为5ˑ10-4,并以0.9的幂进行多项式衰减l r i t e r =l r ˑ1-i t e r m a x _i t e r æèçöø÷0.9(14)式中,i t e r 为迭代次数;m a x _i t e r 是最大迭代次数;m a x _i t e r 设置为50000.训练时,模型随机裁切源域图像为1000ˑ1000像素的图像块进行训练,并随机进行图像竖直翻转和水平翻转等增强处理;测试时使用1000ˑ1000像素的滑动窗口进行整幅图像预测.关于超参数β1和β2的设置,本文通过P o t s d a m 数据集I R R GңV a i h i n g e n 数据集I R R G 的试验进行了验证.β1和β2代表特征空间和输出空间最优传输在整个训练过程中的影响权重,数值越大,模型在训练过程中对域迁移关注度越高.β1和β2数值为0.0100时,本文方法取得最高精度(表1和表2).在逐步增大β1和β2过程中,模型精度略有下降,这是由于模型过度关注源域和目标域分布对齐,而忽略源域语义分割监督训练的结果;在逐步减小β1和β2的过程中,模型精度也缓慢下降,这说明特征空间和输出空间域迁移对精度提升的积极作用.因此,本文将β1和β2的默认值设置为0.0100.表1㊀超参数β1的选择T a b .1㊀T h e s e l e c t i o no f h y p e r p a r a m e t e r β1表2㊀超参数β2的选择T a b .2㊀T h e s e l e c t i o no f h y p e r p a r a m e t e r29112D e c e m b e r2023V o l.52N o.12A G C S h t t p:ʊx b.c h i n a s m p.c o m㊀㊀为说明本文方法的优势,本文与5种代表性域自适应方法进行了对比.这些方法包括C y c l e G A N[20]㊁A d a p t S e g N e t[24]㊁S I M(s t u f f i n s t a n c e m a t c h i n g)[25]㊁C a G A N(c l a s sGa w a r e g e n e r a t i v e a d v e r s a r i a l n e t w o r k)[26]和U D A方法[27].这些方法的语义分割模型均为基于R e s N e t101的D e e p L a bGV2.此外,本文加入了 仅源域 (即仅在源域进行监督训练,直接用于目标域预测),并将仅源域训练精度作为几组试验的基线精度.2.3㊀试验结果与分析2.3.1㊀精度对比与分析试验精度结果见表3 表6,其中仅源域训练精度最低,这说明不同域之间存在分布偏差,单纯源域训练所得到的模型难以在目标域上取得较高精度.此外,如表3和表4㊁表5和表6的精度差异所示,即便训练任务中源域和目标域存在相同的域偏移,但由于迁移顺序的差异,仍会带来不同的精度结果,且图像数量较多的源域具备更加多样化的特征分布,可以在迁移至目标域时取得更高精度.C y c l e G A N方法在V a i h i n g e n数据集ңP o t s d a m数据集迁移任务中,即表4和表6中,较好地减弱了低矮植被与树木两个类别的域偏移问题,但在其他地物类别上精度较低,如表4的不透水层和表6的车辆,相对于仅源域训练的精度有所下降,且C y c l e G A N方法的m I o U指数提升并不明显,这表明单一的图像空间风格迁移并不能较好地解决域偏移问题.A d a p t S e g N e t方法在多组试验中的表现相对较好,但由于缺乏图像空间色彩分布和特征空间高维特征分布对齐,其在复杂的跨域任务V a i h i n g e n数据集I R R GңP o t s d a m数据集R G B中表现较差,建筑物类别精度相对于仅源域训练精度有所下降;引入实例和类别信息的S I M㊁C a G A N和U D A(C h e n)方法,进一步缓解了域偏移问题,保证了各类别精度的稳步提升.相比于其他方法,本文方法通过结合多个空间最优传输优势,在仅源域训练的精度基础上,取得了显著的精度提升(表3 表6),m I o U指数分别提高了17.39%㊁22.02%㊁16.91%㊁17.84%,且高于其他方法,这表明多空间最优传输相结合可以有效提高模型总体的域自适应能力.表3㊀P o t s d a m数据集I R R GңV a i h i n g e n数据集I R R G精度结果T a b.3㊀T h e a c c u r a c y r e s u l t s o fP o t s d a mI R R GңV a i h i n g e n I R R G(%)方法不透水层建筑物低矮植被树木车辆m I o U仅源域36.2052.9316.3156.0920.6636.44C y c l e G A N[20]59.1658.3629.3443.9728.6243.89A d a p t S e g N e t[24]56.1164.2334.9956.4032.7548.90S I M[25]57.1469.2338.4756.6329.2350.14C a G A N[26]58.9171.6137.4256.1832.8651.40U D A(C h e n)[27]57.2670.3838.6555.8830.5350.54本文方法60.8770.2136.8759.6641.5453.83表4㊀V a i h i n g e n数据集I R R GңP o t s d a m数据集I R R G精度结果T a b.4㊀T h e a c c u r a c y r e s u l t s o fV a i h i n g e n I R R GңP o t s d a mI R R G(%)方法不透水层建筑物低矮植被树木车辆m I o U仅源域44.9441.5436.524.3222.8830.04C y c l e G A N[20]40.9442.7643.8834.6346.1641.67A d a p t S e g N e t[24]53.9050.5344.9821.4643.6942.91S I M[25]55.6954.7244.9627.1051.1746.73C a G A N[26]53.3147.0042.8624.8134.2840.45U D A(C h e n)[27]54.9456.3143.5630.3848.6646.77本文方法63.9869.2446.5240.7239.8352.062.3.2㊀可视化结果与分析可视化结果如图4 图7所示.在所有测试方法中,仅源域训练的结果最差,在目标域图像场景复杂度较高时(如图6(c)和图7(c)所示),地物的边界完全模糊,预测类别混乱,仅在少量结果中可以看到建筑物的大致轮廓.C y c l e G A N能够较好解决因色彩差异而导致的域偏移问题,但由于缺少高维特征分布对齐,地物边界存在模糊不清现象,背景类与其他类别混淆严重.A d a p t S e g N e t方法相比于C y c l e G A N方法具备一定优势,但在源0212第12期沈秭扬,等:遥感图像跨域语义分割的无监督域自适应对齐方法域和目标域图像波段组合不同时,如图6(e)㊁图7(e )所示,建筑物㊁低矮植被与背景的分类结果混淆,部分区域存在明显误判现象.C a G A N 在输出空间对抗训练的基础上添加了类别信息,进一步缓解了模型在部分类别中的错分问题,但地物边界仍然模糊,且由于高维类别特征分布差异较大,简单的类别特征分布对齐反而带来了负迁移问题,即未能找到源域和目标域分布的合理对齐方式.如图4(a )和图6(d )结果所示,C a G A N 将建筑物错分为背景,可视化结果不及A d a p t S e gN e t ;S I M 和U D A (C h e n )方法也存在诸多误判现象,但它们分别采用实例对齐和判别器逐类判别过程,部分解决了遥感图像复杂的类内差异所引起的迁移困难问题.表5㊀P o t s d a m 数据集R G B ңV a i h i n g e n 数据集I R R G 精度结果T a b .5㊀T h e a c c u r a c y r e s u l t s o fP o t s d a m R G B ңV a i h i n ge n I R R G (%)方法不透水层建筑物低矮植被树木车辆m I o U仅源域42.9645.9314.4346.0812.8632.45C yc l e G A N [20]53.3843.8619.5740.9334.4438.44Ad a p t Se gN e t [24]59.7958.6629.2641.9631.9044.31S I M [25]56.3160.6328.9344.7930.6744.27C a G A N[26]60.1548.5425.8354.2430.2943.81U D A (C h e n)[27]56.9062.6829.8345.5830.5945.12本文方法51.5473.6823.8955.1442.5349.36表6㊀V a i h i n g e n 数据集I R R G ңP o t s d a m 数据集R G B 精度结果T a b .6㊀T h e a c c u r a c y r e s u l t s o fV a i h i n ge n I R R G ңP o t s d a m R G B (%)方法不透水层建筑物低矮植被树木车辆m I o U仅源域32.5838.6628.731.0331.8326.57C y c l e G A N [20]38.3145.3538.4030.1919.6434.38A d a p t S e g N e t [24]45.4136.5528.795.8638.0630.93S I M[25]48.5151.4238.9720.1746.7141.15C a G A N [26]45.9946.2833.7418.4841.7437.24U D A (C h e n)[27]50.4346.2837.0216.3141.8238.37本文方法54.5958.3538.8635.8234.4144.41图4㊀P o t s d a m 数据集I R R GңV a i h i n g e n 数据集I R R G 可视化结果F i g .4㊀T h e v i s u a l r e s u l t s o fP o t s d a mI R R GңV a i h i n ge n I R R G 1212D e c e m b e r 2023V o l .52N o .12A G C Sh t t p :ʊx b .c h i n a s m p .c om 图5㊀V a i h i n g e n 数据集I R R GңP o t s d a m 数据集I R R G 可视化结果F i g .5㊀T h e v i s u a l r e s u l t s o fV a i h i n ge n I R R GңP o t s d a mI R RG 图6㊀P o t s d a m 数据集R G B ңV a i h i n g e n 数据集I R R G 可视化结果F i g .6㊀T h e v i s u a l r e s u l t s o fP o t s d a m R G B ңV a i h i n ge n I R R G ㊀㊀本文提出多空间结合的最优传输域自适应方法,能够有效结合多空间最优传输优势,在保持地物边界的同时有效区分纹理和色调相近的地物,提高了模型在目标域上的分割效果.如图4(c )所示,本文方法较好地分类了低矮植被,未出现其他方法中常见的低矮植被与背景的混淆问题,这缘于最优传输可以在分布间差异较大情况下,提供具备完备几何意义的距离度量,这对遥感图像复杂场景的分割任务是至关重要的.此外,如图6㊁图7所示,即便在复杂迁移任务中,本文方法也能够清晰界定地物轮廓,内部噪声较少,相对准确地识别复杂形态地物(如树木).2.3.3㊀模型复杂度分析为了定量评估模型效率,本文采用参数量和计算量(f l o a t i n g Gp o i n to p e r a t i o n s p e rs e c o n d ,F L O P s )两个指标,在输入图像尺寸(512ˑ512像2212第12期沈秭扬,等:遥感图像跨域语义分割的无监督域自适应对齐方法素)相同情况下,测试模型运算的复杂度,具体结果见表7.其中,C yc l e G A N 的参数量和F L O P s 值显著高于其他方法;本文方法的参数量和F L O P s 值最小.这表明,相对于采用G A N 的域自适应方法,包括C y c l e G A N ,A d a p t S e gN e t ,S I M ,C a G A N 和U D A (C h e n )方法,本文方法的模型复杂度更小,训练更加便捷.图7㊀V a i h i n g e n 数据集I R R GңP o t s d a m 数据集R G B 可视化结果F i g .7㊀T h e v i s u a l r e s u l t s o fV a i h i n ge n I R R GңP o t s d a m R G B 表7㊀测试模型的参数量和F L O P sT a b .7㊀P a r a m e t e r s a n dF L O P s o f a l l t e s t e dm o d e l s方法参数量/M F L O P s /G BC yc l e G A N 5606.51588Ad a p t Se g N e t 2506.36200S I M 2473.97198C a G A N2474.36193U D A (C h e n )2540.05332本文方法2441.971842.4㊀消融试验与分析为验证本文方法各模块的有效性,本文在P o t s d a m 数据集I R R GңV a i h i n g e n 数据集I R R G 迁移任务上进行了消融试验,表8和图8显示了每个模块及其不同组合的作用和可视化效果.在单空间对齐测试中,输出空间最优传输的测试精度最高(m I o U 指数达到46.88%),这缘于输出空间同时包含几何和类别信息.同时,即便特征空间维度较高,最优传输理论仍然可以充分考虑特征中隐含的几何结构,因此,特征空间最优传输也能取得精度提升(m I o U 指数达到42.11%).此外,在图像空间最优传输和输出空间最优传输的可视化结果中,地物类别更加准确,而在特征空间最优传输的可视化结果中,地物边界的界定则更加清晰(如上方建筑物).表8㊀消融试验精度分析T a b .8㊀T h e q u a n t i t a t i v e a n a l y s i s o f a b l a t i o n s t u d y仅源域图像空间最优传输特征空间最优传输输出空间最优传输m I o U/(%)ɿ36.44ɿɿ45.68ɿɿ42.11ɿɿ46.88ɿɿɿ50.32ɿɿɿ48.85ɿɿɿ51.23ɿɿɿɿ53.83在多空间组合对齐测试中,精度普遍高于单空间对齐,这说明多空间最优传输可以有效提高跨域语义分割精度.将图像空间与特征空间或输出空间最优传输进行结合(即图像空间+特征空间最优传输,图像空间+输出空间最优传输),可获取相对完整的预测结果,地物边界相对清晰,类别错分现象有所减少,有效消除单输出空间或特征空间最优传输结果中出现的过分割现象.将图3212D e c e m b e r2023V o l.52N o.12A G C S h t t p:ʊx b.c h i n a s m p.c o m像空间㊁特征空间和输出空间最优传输相结合(即本文方法),能够获取清晰准确的地物边界,地物内部缺失问题得到改善;并且,图中右侧部分车辆和树木细节的分割结果也较好.这与表8的定量化精度结果相呼应,图像空间㊁特征空间和输出空间最优传输相结合所取得的精度最高(m I o U指数达到53.83%).这说明基于最优传输构建的单空间对齐模块可以简单而有效的结合在一起,充分发挥各个模块的优势,提高整体域自适应性能.图8㊀消融试验可视化结果F i g.8㊀T h e v i s u a l r e s u l t s o f a b l a t i o n s t u d y3㊀总㊀结本文提出了一种基于最优传输理论的无监督域自适应方法,用于解决遥感图像跨域语义分割时普遍存在的域偏移问题.首先,本文利用最优传输理论构建了一种更为简单的色彩映射方法,在图像空间进行风格迁移,减弱图像空间域偏移影响;然后,将最优传输引入语义分割无监督域自适应框架,分别在特征空间和输出空间使用最优传输理论计算损失,减轻数据分布差异,提升了模型的跨域语义分割性能.试验引入P o t s d a m数据集和V a i h i n g e n数据集,利用I o U指数,对本文方法进行测试.结果表明,相对于其他单一空间域自适应方法,本文方法能够有效结合高维特征空间㊁输出空间与图像空间域自适应方法优势;在不同域迁移任务中,本文方法皆表现出较为明显的优势,得到了更高的跨域语义分割精度.本文方法尚未充分研究并细化源域和目标域潜在的类间关系,在后续研究中,将对该问题进行深入研究,寻求突破.参考文献:[1]㊀陈杰,邓敏,肖鹏峰,等.结合支持向量机与粒度计算的高分辨率遥感影像面向对象分类[J].测绘学报,2011,40(2):135G141,147.C H E NJ i e,DE N G M i n,X I A O P e n g f e n g,e ta l.O b j e c tGo r i e n t e d c l a s s i f i c a t i o n o f h i g h r e s o l u t i o n i m a g e r yc o m b i n i n g s u p p o r t v e c t o r m a c h i n e w i t h g r a n u l a rc o m p u t i n g[J].A c t a G e od ae t i c ae tC a r t o g r a p h i c aS i n i c a,2011,40(2):135G141,147.[2]㊀A W A D M,C H E H D IK,N A S R IA.M u l t i c o m p o n e n t i m a g es e g m e n t a t i o nu s i n g a g e n e t i c a l g o r i t h ma n d a r t i f i c i a l n e u r a ln e t w o r k[J].I E E E G e o s c i e n c e a n d R e m o t e S e n s i n gL e t t e r s,2007,4(4):571G575.[3]㊀L A L I B E R T EAS,F R E D R I C K S O NEL,R A N G OA.C o mGb i n i n g d ec i s i o n t r e e s w i t h h i e r a r c h i c a l o b j e c tGo r i e n t e di m a g ea n a l y s i sf o r m a p p i n g a r i dr a n g e l a n d s[J].P h o t oGg r a mm e t r i c E n g i n e e r i n g&R e m o t e S e n s i n g,2007,73(2):197G207.[4]㊀王猛,张新长,王家耀,等.结合随机森林面向对象的森林资源分类[J].测绘学报,2020,49(2):235G244.D O I:10.11947/j.A G C S.2020.20190272.WA N G M e n g,Z H A N G X i n c h a n g,WA N GJ i a y a o,e t a l.F o r e s t r e s o u r c ec l a s s i f i c a t i o nb a s e do nr a n d o mf o r e s ta n do b j e c to r i e n t e d m e t h o d[J].A c t a G e o d a e t i c a e t C a r t oGg r a p h i c aS i n i c a,2020,49(2):235G244.D O I:10.11947/j.A G C S.2020.20190272.[5]㊀D O UP e n g,C H E N Y a n g b o,Y U E H a i y u n.R e m o t eGs e n s i n gi m a g e r y c l a s s i f i c a t i o n u s i n g m u l t i p l ec l a s s i f i c a t i o n a l g oG4212。
南京信息工程大学综合英语2课程期末考试试卷A附参考答案及评分标准
南京信息⼯程⼤学综合英语2课程期末考试试卷A附参考答案及评分标准南京信息⼯程⼤学2007 ─ 2008 学年第⼆学期综合英语2 课程期末考试试卷A 注意:1、本试卷共10 页;2、考试时间120 分钟;出卷时间:2008 年6⽉;3、姓名、学号等必须写在指定地⽅;4、适⽤专业年级:07级英语及汉英⽅向本科任课教师:沈⼴湫、张⽟环、姜萍、周志浩专业年级班级学号姓名Task One Dictation (20%)Section A. Word dictation (10%)In this section, you will hear 20 words in all, each being read twice. Try to write them on the corresponding space on the ANSWER SHEET.Section B. Passage Dictation (10%)Listen to the following passage. Altogether the passage will be read four times. During the first reading, which will be read at normal speed, listen and try to understand the meaning. For the second and third readings, the passage will be read sentence by sentence, or phrase by phrase. The last reading will be read at normal speed again and during this time you should check your work.Please write the whole passage on the ANSWER SHEET.Task Two Chinese-English Translation (10%)Translate the following sentences into English with the given words or phrases. Please write your translations on the ANSWER SHEET.1.他决定不惜代价去实现他的雄⼼壮志。
2020 南京信息工程大学《数字电子技术课程》
姓名____________
学号___________
考核人数______ 考核班次_______________ 任课教员_________ 出题教员签名________ 任课教研室主任签名_______日期_______
则输出电压������������=
。
试卷 第 1 页 (共 3 页)
…………………………密………………………………封………………………………线………………………………………
姓名____________
学号___________
考核人数______ 考核班次_______________ 任课教员_________ 出题教员签名________ 任课教研室主任签名_______日期_______
评卷人
得分
南京信息工程大学 2017-2018 学年第二学期《数字电子技术基础》期末考试试卷
4.电路如下图(a)所示(共 10 分)
(1)写出驱动方程和状态转移方程;(6 分)
2、 综合题(7 小题,共 70 分)
(2)根据已知波形在图(b)中画出������1和������2的波形。(4 分)
1.将下列逻辑函数化简为最简与或式(共 8 分) (1)用公式法化简(4 分)
╳
0
╳
╳
╳
置零
↑
1
0
╳
╳
预置数
╳
1
1
0
1
保持
╳
1
1
╳
0
保持(当 CO=0)
↑
1
1
1
1
南京信息工程大学特制成绩单
term 1
term 2
term 3
term 4
term 5
term 6
term 7
term 8
E
T
E
T
E
T
E
T
E
T
E
T
E
T
E
T
Notes: Two grading systems are used:
E: Exam, full mark is 100; T:Test or check,which is recorded as five classes:
第一学年第二学年第三学年第四学年学课程名称分上学期下学期上学期下学期上学期下学期上学期下学期考试考查考试考查考试考查考试考查考试考查考试考查考试考查考试考查电工电子综合设计2中等电机学ii282电力系统分析381电气工程基础480电气工程课程设计1优秀计算机软件技术基础385数字电子技术基础484自动控制原理i465电力电子技术386微机综合实验175外语基础拓展课程485微机原理与接口技术i473注
考试
考查
考试
考查
电工电子综合设计
2
中等
电机学II
2
82
电力系统分析
3
81
电气工程基础
4
80
电气工程课程设计
1
优秀
计算机软件技术基础
3
85
数字电子技术基础
4
84
自动控制原理I
4
65
电力电子技术
3
86
微机综合实验
1
75
外语基础拓展课程
4
85
微机原理与接口技术I
4
73
南京信息工程大学《811信号与系统》历年考研真题专业课考试试题
2005年南京信息工程大学信号与 系统考研真题
2006年南京信息工程大学信号与 系统考研真题
2007年南京信息工程大学信号与 系统考研真题
2008年南京信息工程大学信号与 系统考研真题
2009年南京信息工程大学814信号 与系统考研真题
2010年南京信息工程大学814信号 与系统考研真题
2011年南京信息工程大学814信号 与系统考研真题
Hale Waihona Puke 2012年南京信息工程大学814信号 与系统考研真题
目 录
2005年南京信息工程大学信号与系统考研真题 2006年南京信息工程大学信号与系统考研真题 2007年南京信息工程大学信号与系统考研真题 2008年南京信息工程大学信号与系统考研真题 2009年南京信息工程大学814信号与系统考研真题 2010年南京信息工程大学814信号与系统考研真题 2011年南京信息工程大学814信号与系统考研真题 2012年南京信息工程大学814信号与系统考研真题
计算机通信与网络A卷
南京信息职业技术学院2009 / 2010 学年第_一__ 学期期末考试 A卷课程名称: 计算机网络基础 考试时间:100分钟命题人 何光文 2009 年 12 月20日审批人 年 月 日使用班级:G06412 考试成绩:题号一二三四五六七八九十总分阅卷人得分一.选择题(每题1分,共20分)1.能完成VLAN之间数据传递的设备是( D )。
A.中继器B.L2交换器C.网桥D.路由器2. 两台计算机利用电话线传输数据信号时必备的设备是( A )。
A.调制解调器B.网卡C.中继器D.集线器3.MAC地址通常存储在计算机的( B )。
A.内存中B.网卡上C.硬盘上D.高速缓冲区4.令牌环网中某个站点能发送帧是因为( C )。
A.最先提出申请B.优先级最高C.令牌到达D.可随机发送5.在TCP/IP协议簇中,UDP协议工作在( B )。
A.应用层B.传输层C.网络互联层D.网络接口层6.网络协议的三个要素:语法、语义和( B )。
A.工作原理B.时序C.进程D.传输服务7.下列哪种说法是错误的?( D )A.以太网交换机可以对通过的信息进行过滤B.以太网交换机中端口的速率可能不同C.在交换式以太网中可以划分VLAND.利用多个以太网交换机组成的局域网不能出现环8.TCP/IP的互联层对应在OSI参考模型的哪一层?( C )A.物理层B.数据链路层C.网络层D.传输层9.判断以下哪个以太网MAC地址是正确的?( D )A.00-60-08-A6B.202.196.2.10C.001D.00-60-08-00-A6-3810.下列哪种说法是正确的? ( A )A.集线器可以对接收到的信号进行放大B.集线器具有信息过滤功能C.集线器具有路径检测功能D.集线器具有交换功能11.下列哪种传输介质的抗干扰能力最强?( C )A.同轴电缆B.UTPC.光纤D.STP12.第一个分组交换网是( A )。
A.ARPANETB.X.25C.以太网D.INTERNET13.ADSL通常使用( A )。
南京信息工程大学
学院名称
专业(系)
抽检教师 抽检学生1 抽检学生2
大气科学学院 大气科学学院 大气科学学院 大气物理学院 大气物理学院 大气物理学院 应用气象学院 应用气象学院 应用气象学院
环境科学与工程学院 环境科学与工程学院 环境科学与工程学院 电子与信息工程学院 电子与信息工程学院 电子与信息工程学院 计算机与软件学院 计算机与软件学院 计算机与软件学院
邱新法 王玲1 王桂芝 陶诏灵 李玉用
张素蓉 高扬 孙少勤 张丽杰 贾名清 赵亚珉 汪徽 赵冬梅
邓艳君 王志刚 成明 陈岳翔 张妍 吴拾红 黄蓉 谭维 朱希元 杨碧薇 邬成 王屾 刘冬兰
柯文祥 谈馨璇 高亚斌 李冲 张雷鸣 迮冬强 刁向怡 瞿媛媛 李浩 金雪钢 曹慧 李健 姜平平
信息与控制学院 信息与控制学院 信息与控制学院
大气科学 大气科学 海洋科学 雷电系 大气探测 大气物理 农业资源与环境专业 应用气象学专业 应用气象学专业
环境工程 环境科学
应用化学 电子科学与技术 通信工程 电子信息工程 计算机科学与技术 计算机科学与技术 软件工程
自动化 电气工程与自动化 测控
王黎娟 张立新 陈中笑 朱贵刚 胡方超 许潇锋 张耀鸿 杨再强 景元书 徐德福 王云龙 李俊
遥感学院 遥感学院
遥感科学与技术 资源环境与城乡规划管理
沈润平 孙东敏
院 数理学院 数理学院 数理学院 公共管理学院 公共管理学院 公共管理学院 经济管理学院 经济管理学院 经济管理学院 语言文化学院 语言文化学院 语言文化学院
地理信息系统 材料物理 统计 信计 形管 公共事业管理 法学 国际经贸 信息管理与信息系统 物流管理 英语 英语 日语
南京信息工程大学《模拟电子技术基础》期末考试试卷A卷及答案
1南京信息工程大学《模拟电子技术基础》期末考试试卷(A卷)题目一二三总分核分人复查人得分题目部分(卷面共3大题,26小题,100分,各大题标有题量和总分)评卷人得分一、选择题(10小题,共20分)1.直接耦合与变压器耦合多级放大电路之间主要不同点是____。
A、所放大的信号不同,B、交流通路不同,C、直流通路不同2.直流负反馈是指________________。
A、只存在于直接耦合电路中的负反馈,B、放大直流信号时才有的负反馈,C、直流通路中的负反馈。
3.在整流电路中接入滤波电容后,其输出电压的平均值将;(A、升高B、不变C、减小)这时,二极管的导通角 将(A、增大B、不变C、减小)4.两级阻容耦合放大电路如图所示。
设输入一正弦信号时,输出电压波形出现了顶部失真。
1)若输出电压波形出现了顶部失真的原因是第一级静态工作点不合适,则第一级产生了____,(A、饱和失真,B、截止失真)为消除该失真,可调整Rb12,使其阻值____。
(C、增加,D、减小)2)若输出电压波形出现了顶部失真的原因是第二级静态工作点不合适,则第二级产生了____,(A、饱和失真,B、截止失真)为消除该失真,可调整Rb2,使其阻值____。
(C、增加,D、减小)5.试根据图示的反馈放大电路,试选择正确答案填空:1)若R7增大,则________。
(A、交流负反馈增强,B、交流负反馈减弱,C、不影响反馈深度,D、使静态工作点不稳定)2)在正常放大条件下,若R4增大,则_________。
( A、电压放大倍数增大,B、电压放大倍数减小,C、电压放大倍数变化不大)6.阻容耦合放大电路引入负反馈后________________。
A、只可能出现低频自激,B、只可能出现高频自激,C、低、高频自激均有可能出现。
17. 在整流电路中接入滤波电容后,其输出电压的平均值将____ ;(A 、升高 B 、不变 C 、减小)这时,二极管的导通角将____ 。
南京信息工程大学2009-2010(1)C语言期末考试试卷A(后附答案)
南京信息工程大学试卷2009 - 2010 学年第 1学期程序设计基础/C语言程序设计课程试卷( A 卷) 本试卷共 9 页;考试时间 120分钟;任课教师;出卷时间 2010 年 1月学院专业2009 年级班学号姓名得分一、单项选择题 (每小题 1分,共 12分)1.一个C程序的执行是从A.本程序的main函数开始,到main函数结束B.本程序文件的第一个函数开始,到本程序文件的最后一个函数结束C.本程序的main函数开始,到本程序文件的最后一个函数结束D.本程序文件的第一个函数开始,到本程序main函数结束2.下面四个选项中,均是不合法的用户标识符的选项的是A. A p_o doB. float lao _AC. b-a while intD. _123 temp INT3.表达式18/4*sqrt(4.0)/8值的数据类型为A.floatB. charC.doubleD.不确定4.设有如下定义struct ss{ char name[10];int age;char sex;}std[3],*p=std;下面各输入语句中错误的是。
A.scanf("%d",&(*p).age); B.scanf("%s",&);C.scanf("%c",&std[0].sex); D.scanf("%c",&(p->sex));5.有如下定义:int a[3][4]={1,3,5,7,9,11,13,15,17,19,21,23},(*p)[4];下面表示正确的是A.p=a[0]; B.p=*a;C.p=&a[0][0]; D.p=a;6.能正确表示“当x的取值在[1,10]和[200,210]范围内为真,否则为假”的表达式是。
A.(x>=1) && (x<=10) && (x>=200) && (x<=210)B.(x>=1) | | (x<=10) | | (x>=200) | | (x<=210)C.(x>=1) && (x<=10) | | (x>=200) && (x<=210)D.(x>=1) | | (x<=10) && (x>=200) | | (x<=210)7.以下程序段的循环次数是。
南京信息工程大学数据通信与计算机网络复习题库
第一章填空:1、计算机网络结合了和两方面的技术。
5、网的重要贡献是奠定了计算机网络技术的基础,也是当今因特网的先驱者。
选择题1.计算机网络最明显的优势在于A精度高B储存容量大C运算速度快D资源共享2.计算机网络的资源是指A操作系统与数据库B服务器、工作站和软件C软件、硬件和数据D资源子网与通信子网3.在计算机网络中实现网络通信功能的设备及其软件的集合称为A通信子网B交换网C资源子网D工作站4.在计算机网络中处理通信控制功能的计算机是A通信控制处理机B通信线路C主计算机D终端5.一旦中心节点出现故障则整个网络瘫痪的局域网的拓扑结构是A总线型结构B星型结构C环型结构D树型结构6.局域网的英文缩写是A、MANB、LANC、W AND、SAN判断题1.计算机网络中的资源主要是指服务器、工作站、路由器、打印机和通信线路。
·······×2.计算机网络中的每台计算机都具有自己的软硬件系统,能够独立运行,不存在谁控制谁的问题。
···········√3.从拓扑结构上看,计算机网络是由节点和连接节点的通信链路构成的····√4.计算机网络主要是由计算机所构成的网络,再进行分类没有什么实际意义····×第二章填空:1、点与点之间建立的通信系统是通信的基本形式,这一通信系统的模型包括、、、、和六个部分。
2、模拟信号无论表示模拟数据还是数字数据,在传输一定距离后都会,克服的办法是用来增强信号的能量,但也会增强,以致引起信号畸变。
14、分组交换有分组交换和分组交换两种。
它是计算机网络中使用最广泛的一种交换技术。
15、常用的信号复用有4种形式,即、、和。
南京信息工程大学2024考研大纲:T25模拟电子技术基础6篇
南京信息工程大学2024考研大纲:T25模拟电子技术基础南京信息工程大学2024考研大纲:T25模拟电子技术基础精选6篇(一)T25模拟电子技术根底考研大纲主要包括以下几个方面的内容:模拟信号与系统、模拟滤波与放大电路、模拟电路设计与制作、模拟电子技术应用等。
一、模拟信号与系统:1. 信号与系统的根本概念和表示方法;2. 时域与频域的根本概念和分析方法;3. 系统的时域与频域响应;4. 信号的采样与重构。
二、模拟滤波与放大电路:1. 滤波器的根本概念和分类;2. 一阶和二阶滤波器的设计与分析;3. 高频放大电路的根本概念和分析方法;4. 中频放大电路的根本概念和分析方法。
三、模拟电路设计与制作:1. 电路元件的原理与特性;2. 根本电路的设计与分析方法;3. 通用放大电路的设计方法;4. 信号调理电路的设计方法。
四、模拟电子技术应用:1. 模拟电子技术在通信领域的应用;2. 模拟电子技术在音频处理领域的应用;3. 模拟电子技术在传感器与测量领域的应用;4. 模拟电子技术在医疗设备领域的应用。
以上内容仅为大纲的一局部,详细还需要参考教材和老师的详细要求。
对于考研学生来说,除了理论知识的学习,还需要进展大量的理论操作和设计实验,以进步理论才能和创新才能。
模拟电子技术是现代电子技术的根底,对于电子工程和通信工程等相关专业的学生来说,掌握模拟电子技术根底知识是非常重要的。
在考研过程中,需要注重对知识的深化理解与归纳总结,注重解决实际问题的才能培养,同时也需要平衡理论与理论的关系,才能更好地应对考试。
南京信息工程大学2024考研大纲:T25模拟电子技术基础精选6篇(二)南京信息工程大学2024考研大纲:T06地球科学导论主要涵盖地球科学根底知识、地球的形成与演化、地球系统、地球科学研究方法等方面。
以下为对该科目的详细解析。
地球科学导论主要通过对地球科学的根本概念、原理和方法的介绍,使学生初步理解地球科学的开展历程、研究对象和研究方法,并为后续深化学习地球科学专业课程奠定根底。
介绍南京信息工程大学的英语作文
介绍南京信息工程大学的英语作文Nanjing University of Information Technology,founded in 1960 and renamed from Nanjing Institute of Meteorology in 2004,was designated in 1978 as one of the key institutions of higher learning in China.It was granted to bachelor's,master's and doctoral degrees.With a scientific research center for post doctoral students,the university enjoys a complete educational system.Currently,there are 18,000 students and over 1,300 faculty members on the campus.The university consists of 24 departments or colleges,12 scientific research institutions and one international training center.The university,covering an area of 140 hectares with a floor space of 420,000 square meters,boasts 42 basic and special laboratories such as Key Laboratory of Meteorological Disasters and Sino American Remote Sensing Laboratory.With a total collection of over 1,170,000 books,the library was listed as one of the most completed literature libraries in China in terms of atmospheric sciences.A total of 42 specialties for bachelors are offered,which include key disciplines in both state and provincial levels and cover fields of ,literature,economics,laws agriculture.Theacademic level on atmospheric science ranks the top in China and enjoys a high reputation in the world.Three key disciplines of Atmospheric Science,Information Science and Technology,and Environmental Science and Engineering are established in recent years based on the preponderant specialties.。
物联网领域通信工程技术的应用研究
DCWTechnology Application技术应用131数字通信世界2024.04随着科技的飞速发展,物联网(IoT )已经成为现代社会不可或缺的基础设施。
物联网通过连接各种物理设备,使它们能够相互通信并交换数据,从而创造出前所未有的机会并解决棘手的问题。
而通信工程技术作为物联网中的核心技术,在其中发挥着至关重要的作用,它不仅为物联网设备提供了数据传输和通信的能力,还提升了设备间的互操作性,推动了物联网应用的广泛实施。
1 通信工程技术概述1.1 通信工程技术的定义和基本原理通信工程技术是实现信息传输和交换的一门学科,涵盖了从信息源到接收端的整个通信过程的所有方面。
简单来说,通信工程技术主要研究如何有效地传输和处理信息,其基本原理主要包括信号的调制和解调、信息的编码和解码、信道的复用和分用等。
通过这些技术,我们可以将需要传输的信息转换为适合传输的信号,并在接收端将这些信号还原为原始信息。
1.2 通信工程技术的发展历程通信工程技术的发展历程可以追溯到古代的烽火通信,但真正的技术进步始于近现代。
19世纪中叶,电报的发明标志着通信工程技术的初步发展。
20世纪初,电话的发明和普及使得语音通信成为可能。
随着技术的不断进步,卫星通信、光纤通信相继出现,进一步推动了通信工程技术的发展。
近年来,随着数字技术和互联网的崛起,通信工程技术更是取得了突破性的进展,为物联网的发展奠定了坚实的基础[1]。
1.3 通信工程技术在物联网中的应用场景物联网作为通信工程技术的应用领域之一,其应用场景十分广泛。
智能家居是其中的一个典型例子。
物联网领域通信工程技术的应用研究邱平平(中铁大桥勘测设计院集团有限公司武汉分公司,湖北 武汉 430070)摘要:文章围绕物联网领域通信工程技术的应用,首先介绍了物联网的基本概念、通信工程技术的核心原理以及它们在物联网领域的关键作用。
然后,详细探讨了无线通信技术、有线通信技术以及感知层通信技术在物联网中的应用。
3A603C918C03AFDCDEDCF1ECD59_598D1187_48800
南京信息工程大学研究生院
Graduate School, Nanjing University of Information Science & Technology
学籍证明
张三,男/女,年月日出生,学号。
年月考入南京信息工程大学专业攻读博士/硕士学位,现为南京信息工程大学学院博士/硕士年级研究生。
特此证明。
南京信息工程大学研究生院
年月日
CERTIFICATION
Zhang san, male/female, was born on (出生日期), who passed the doctoral/master ' s entrance examination of Nanjing University of Information Science & Technology in (入学日期), He(She) is the (年级)year doctoral/master student majoring in 专业名称in the college of (学院名称). The Student ID is (学号).
Graduate School, Nanjing University of Information Science & Technology
(证明时间)
中国·江苏省·南京市Address:219 Ningliu Road, Nanjing, JiangSu Province, P.R.China。
暑期社会实践策划书——3G
策划书南京信息工程大学计算机与软件学院团委2010年7月前言第三代移动通信技术(英语:3rd-generation,3G),是指支持高速数据传输的蜂窝移动通讯技术.3G服务能够同时传送声音(通话)及数据信息(电子邮件、即时通信等).3G的代表特征是提供高速数据业务,速率一般在几百kbps以上。
使用CDMA2000的黑莓机3G规范是由国际电信联盟(ITU)所制定的IMT-2000规范的最终发展结果。
原先制定的3G远景,是能够以此规范达到全球通信系统的标准化。
目前3G存在四种标准:CDMA2000,WCDMA,TD—SCDMA,WiMAX。
第一代手机是指模拟信号手机;第二代手机是指数字信号手机,如我们常见的GSM和cdmaOne,提供低速率数据业务;2.5G是指在第二代手机上提供中等速率的数据服务,传输率一般在几十至一百多kbps。
3G能将无线通信与国际互联网等多媒体通信结合的新一代移动通信系统.能够处理图像、音乐、视频形式,提供网页浏览、电话会议、电子商务信息服务.无线网络必须能够支持不同的数据传输速度,也就是说在室内、室外和行车的环境中能够分别支持至少2Mbps、384kbps以及144kbps的传输速度。
由于采用了更高的频带和更先进的无线(空中接口)接入技术,3G标准的移动通信网络通信质量较2G、2。
5G网络有了很大提高,比如软切换技术使得旅途中高速运动的移动用户在驶出一个无线小区并进入另一个无线小区时不再出现掉话现象。
而更高的频带范围和用户分级规则使得单位区域内的网络容量大大提高,同时通话允许量大大增加.3G最大的优点即是高速的数据下载能力。
相对于2.5G(GPRS/CDMA1x)100kbps左右的速度,3G 随使用环境的不同约有300k—2Mbps 左右的水平. 另外有些3G系统服务业者会更新为3。
5G 系统(如HSDPA),此时可有下传14Mbps、上传5.8Mbps的速度。
2010年1月7日,工业和信息化部为中国移动、中国电信和中国联通发放3张第三代移动通信(3G)牌照,此举标志着我国正式进入3G时代.其中,批准中国移动增加基于TD—SCDMA技术制式的3G牌照,中国电信增加基于CDMA2000技术制式的3G牌照,中国联通增加基于WCDMA技术制式的3G牌照.TD—SCDMA为我国拥有自主产权的3G技术标准.工业和信息化部表示,按照近期国务院的部署和要求,工业和信息化部依照法定审批程序,及时受理中国移动、中国电信和中国联通的书面申请,对三企业的财务资质、业务发展和实施、网络规划建设和互联互通等内容进行严格审查,于1月6日批准3家企业的经营许可变更,增加了3G业务经营许可。
2022年南京信息工程大学信息管理与信息系统专业《计算机网络基础》科目期末试卷A(有答案)
2022年南京信息工程大学信息管理与信息系统专业《计算机网络基础》科目期末试卷A(有答案)一、选择题1、所示网络中,假设R1、R2、R3采用RIP协议交换路由信息,且均已收敛。
若R3检测到网络201.1.2.0/25不可达,并向R2通告一次新的距离向量,则R2更新后,其到达该网络的距离是()。
A.2B.3C.16D.172、如图所示,为两个局域网LAN1和LAN2通过网桥1和网桥2互连后形成的网络结构。
假设站A发送一个帧,但其目的地址均不在这两个网桥的地址转发表中,这样的结果会是该帧()。
A.经网桥1(或网桥2)后被站B接收B.被网桥1(或网桥2)丢弃C.在整个网络中无限次地循环下去D.经网桥1(或网桥2)到达LAN2,再经过网桥2(或网桥1)返回LANI后被站A吸收3、主机甲和主机乙已建立了TCP连接,甲始终以MSS=1KB大小的段发送数据,并一直有数据发送;乙每收到一个数据段都会发出一个接收窗口为10KB的确认段。
若甲在t时刻发生超时拥塞窗口为8KB,则从t时刻起,不再发生超时的情况下,经过10个RTT后,甲的发送窗口是()。
A.10KBB.12KBC.14KBD.15KB4、CSMA协议可以利用多种监听算法来减小发送冲突的概率,下列关于各种监听算法的描述中,正确的是()。
A.非坚持型监听算法有利于减少网络空闲时间B.1-坚持型监听算法有利于减少冲突的概率C.P-坚持型监听算法无法减少网络的空闲时间D.1-坚持型监听算法能够及时抢占信道5、HDLC协议对0111110001111110组帧后对应的比特串为()A.01111100 0011111010B.01111100 01111101 01111110C.01111100 0111110103D.0111110001111110011111016、电路交换的优点有()I.传输时延小II.分组按序到达III.无需建立连接IV.线路利用率高A.I、IIB.II,IIIC.I,IIID.II,IV7、采用1200bit/s同步传输时,若每帧含56bit同步信息、48bit控制信息位和4096bit 数据位,则传输1024B需要()A.1B.4C.7D.148、最符合www服务器概念的选项是()。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
南京信息工程大学试卷
2009-2010学年第一学期Internet Technologies课程试卷( B 卷)本试卷共 3 页;考试时间 120 分钟;任课教师;出卷时间 09 年 12 月
系专业年级班学号姓名得分
Question one
A. Fill in the blanks(10*1score=10scores)
1.Scientists and engineers devised ways to build networks that connected multiple
computers across large geographic distances, which is called or long-haul networks.
2.By 1982, a prototype Internet was in place and the technology had
been tested.
3.Every computer attached to the Internet must be assigned a unique numerical
address called its DNS
4.is one of the main technologies used to provide high-speed data
communication services over a local loop
5.HTTP uses what numeric value, in decimal, of the destination port field of the
TCP header?
6.STMP protocol we use to send Email 。
7.An can be used to protect a private network from outside attack.
Today there are encryption systems that use two keys, one for encryption and one for decryption. The key used for decryption is called a public key
because it must be kept secret. The key used for encryption is called a private key because it can be distributed to anyone.
8.The concept of embedding selectable items in text is called .
B. Explain Abbreviations(10*2scores=20scores)
1.POP3 Post Office Protocol 3
2.URL Uniform/Universal Resource Locator
3.WANs Wide Area Network
Ns Local Area Network
5.C/S client/server
6.B/S Browser/Server
7.ISP Internet Service Provider
8.P2P point to point
9.BBS Bulletin Board System
10.VPN Virtual Private Network
C. Short answer (55scores)
1. Assumed that your email address is jack@ and one of your friend s’ is
mary@, please associated with a figure to explain how you send an email to your friend and how your friend receives it. (Note: You should draw all the hosts and servers, and give all of their proper names, some maybe protocols. 10 scores)
2. Please simply explain how DNS work combining with the below figure.(Note: According to
the figure, you should write 8 steps clearly. 10 scores)
3. Please write the correct router table of R1 in the below figure. (Note: The packet can arrive any subnet by router. 15 scores)
4.Please give the means of every line in the below figure. 10 scores
Request to read a web page.
The server’s DNA is 192.168.0.66
Information about the browser and its paltform
…….
It is ok
The server information is microsoft-iis/5.0
The table’s MIME Type is text/html
The page’s length in 1086 bytes
5.If two computers share an IP address, how do we know which computer is the destination of a given datagram? (10Scores)
Solution: Instead of connecting a computer directly to a DSL or cable modem, insert an additional device that is designed to connect multiple computers without requiring any additional IP addresses
D. Web programming (15scores)
1. Please write the HTML in the below figure.
Picture name: computer.JPG;
Link: /jsj
Text: nuist;
Link: 。