排序方式: 共有27条查询结果,搜索用时 953 毫秒
1.
针对自由空间光通信链路性能易受大气湍流影响的问题,构造了一种适用于自由空间光通信的多输人多输出(MIMO)极化编码方法.基于通用偏序法、极化编码、调制及MIMO技术联合优化快速构造极化码,并在大气湍流信道下进行仿真分析.实验结果表明,在不同构造方法及编码方案下,MIMO极化编码方法能在保持低复杂度的同时使系统获得更好的性能.在强湍流条件且误码率为10-4时,相比Monte Carlo方法,偏序法的编码增益约为0.2dB,且离线构造的计算复杂度可忽略不计;强弱湍流条件下,相比单输入单输出(SISO)-polar方式,MIMO(2×2)-polar方式的编码增益约为1.1~1.6 dB,具有明显的分集优势. 相似文献
2.
为了增强系统源代码和信息存储的安全性,解决普通新闻发布系统中的安全问题,基于ASP.NET 的B/S三层结构开发模式,充分考虑系统安全性,采用基于角色的访问控制技术,设计了智能小区新闻发布系统,实现了小区中心与住户的信息沟通.本文同时对系统的功能模块设计及系统的实现过程进行了介绍. 相似文献
3.
5.
矿井突水一直威胁着煤矿井下施工人员的生命安全,准确且快速识别矿井突水水源类型对于矿井的安全生产起到关键性作用。激光诱导荧光(LIF)光谱技术识别矿井突水水源,有效避免了常规的水化学法需要测定多种化学参数,水源识别时间过长的缺点。提出一种间隔偏最小二乘法(iPLS)与粒子群联合支持向量分类算法(PSO-SVC)相结合的方法,iPLS算法常应用于光谱波段优选和模型的回归分析,PSO-SVC则在机器学习领域有着重要的应用,激光诱导荧光技术具有快速的时间响应、测量精度高等特点,iPLS和PSO-SVC算法运用于光谱图和光谱数据的分析,进而可以对突水水源类型识别分类。首先,用淮南矿区采集到的7种(每种水样30组)共210组荧光光谱数据进行实验,对老空水、灰岩水、灰岩水和老空水不同体积比混合水样的激光诱导荧光光谱图的差异性进行分析。比较了留出法和Kennard-Stone样本划分方法所得到的PSO-SVC模型分类准确率,采用留出法得到的训练集水样(140组)和测试集水样(70组)作为实验样本。其次,用iPLS算法将全光谱波段依次按10~25波段区间进行等分,选取划分区间的RMSECV(交叉验证均方根误差)值小于全光谱波段RMSECV值(阈值)的波段作为特征波段,结合光谱图对比分析了划分10和14个子区间的建模结果,发现通过直接观察得到的特征波段与iPLS算法筛选出的特征波段存在误差。最后,在不进行去噪、降维等预处理条件下,根据iPLS划分不同区间数的评价指标统计数据,选取划分11个区间所筛选出具有561个波长点的410.078~478.424和545.078~674.104 nm特征波段范围数据作为PSO-SVC模型的输入,以iPLS结合PSO-SVC算法筛选出的特征波段与全光谱波段、直接观察得到波段建模准确率相比,训练集与测试集的分类准确率高达100%,PSO寻优到的最佳惩罚系数c为1.367 0,核函数参数g为0.576 2。从实验结果可以看出,利用iPLS进行荧光光谱的特征波段筛选是切实可行的,提取出的特征波段能充分反映出全光谱波段的有效信息,为激光诱导荧光光谱技术用于矿井突水水源精准在线识别的研究提供了理论依据。 相似文献
6.
基于直接数字频率合成(DDS)技术,采用现场可编程门阵列(FPGA),通过对DDS芯片AD9910的控制,实现多通道信号发生器的设计。所设计的信号发生器具有高频率精度、低杂散、捷变频的特点,并可编程调整输出频率值以及多路输出信号之间的相位值。实测结果表明,本文所研究的方法和研制的系统是可行、有效的,具有广阔的应用前景。 相似文献
7.
突水事故威胁井下人员的生命安全和造成财产损失,因此准确检测出突水水源类型具有重大意义。使用水化学分析法检测水源类型耗时长、过程复杂。激光诱导荧光(LIF)技术具有快速、灵敏、干扰小等优点,将LIF技术结合智能算法建立突水水源识别模型可以准确检测出突水水源的类型。目前这类模型一般需要对荧光光谱进行去噪、降维、波段选取等处理,过程繁琐,并且模型都是在均匀分组的突水水源荧光光谱上建立的,并没有讨论不均匀分组对模型的影响,也没有针对不均匀分组建立模型。在实际工程应用中,采集的样本数量是有很大概率呈现不均匀的,因此本文提出一种飞蛾扑火(MFO)算法结合谱聚类(SC)的方法实现对不均匀分组的突水水源荧光光谱的识别。实验中,首先从淮南煤矿获取5种实验水样,使用激光诱导荧光实验设备采集所有水样的荧光光谱,五种水样的组数分别为75,80,80,30和135。其次,建立MFO-SC水样识别模型,通过对比后标签映射方式选择K-Means、相似矩阵的计算方式选择高斯核函数和划分准则选择ncut,用MFO对高斯核函数的参数寻优得到σ的值为1.745并且固定模型的初始聚类中心。随后,分别建立K-Means,SVM和MFO-SVM3种水样识别模型。对比MFO-SC模型与K-Means模型,得到MFO-SC模型的最优准确率为100%且平均准确率也为100%,K-Means模型的最优准确率为99.75%,而平均准确率为79.57%;再分别计算SVM模型和MFO-SVM模型的训练集准确率和测试集准确率,SVM模型训练集准确率为80%,测试集准确率为80%;MFO-SVM模型训练集准确率为100%,测试集准确率为95.625%。最后,使用4种模型对其他三个不均匀分组的突水水源荧光光谱进行识别,研究结果表明将MFO-SC算法用于突水水源类型的识别上是有效的,可以准确地检测出突水水源的类型,对煤矿生产安全有重要意义。 相似文献
8.
以天然鳞片石墨为原料,采用改良的Hummers方法,制备了高纯度的薄层或单层氧化石墨(GO);并以抗坏血酸为还原剂,通过自组装还原的方式成功制备了具有三维多孔独巨石结构的还原氧化石墨烯(rGO)气凝胶,其形貌和结构经FT-IR, SEM, TEM, XRD和XPS表征。并对其作为锂离子电池负极材料的电化学性能进行了测试。结果表明:rGO气凝胶独特的形貌和结构提高了其比容量和循环性能,在100 mA·g-1电流密度下首周放电比容量可达1 700 mAh·g-1,首周充电比容量达710 mAh·g-1,经过100周循环后放电比容量仍可保持在450 mAh·g-1,库伦效率保持在98%。 相似文献
9.
矿井突水是影响矿井安全生产的重要因素之一,如果矿井发生突水,能够快速、准确地判别突水水源类型是治理矿井突水灾害保证生产安全的重要环节,因此,建立一个能够快速识别矿井突水水源的模型具有重要的意义。水化学分析法作为在传统的矿井突水水源类型识别方法里应用最为广泛的识别方法,通过获得相应的pH值、离子浓度、电导率等参数,然后利用这些参数来建立突水水源的类型识别模型对矿井突水的类型进行判别。针对这种传统矿井突水水源识别方法在判别时间上耗时长和识别准确率低等不足,鉴于LIF技术具有分析速度快、灵敏度高等优点,提出了将线性判别分析(LDA)算法作为弱分类器的自适应提升(AdaBoost)算法用于激光诱导荧光(LIF)光谱识别矿井突水水源的新方法。用于实验的九种水样(每种水样各取50个样本)由淮南地区某矿的老空水、灰岩水以及按不同比例混合的老空水与灰岩水的七种混合水构成。将405 nm激光器发射的激光打入被测水体并采集荧光光谱数据,然后对采集到450组荧光光谱数据进行分析,取其中360组光谱数据(每种水样各40组)用作训练集,取剩余90组光谱数据用作测试集。分别选取三种算法针对水样的激光诱导荧光光谱的分类进行了建模并将三种结果进行对比。首先利用决策树算法对光谱进行分类识别,在节点个数为8时决策树对测试集的分类效果最好,分类准确率达到91.11%。然后针对决策树算法分类效果的不足,利用决策树算法作为弱分类器的AdaBoost算法,当选取节点个数为9的决策树作为弱分类器的时,对训练集的分类准确率为97.78%。最后针对基于决策树的AdaBoost算法的泛化性能不足和为了获得更好的分类效果,提出了基于LDA算法作为弱分类器的AdaBoost算法,在设置迭代次数为150后对水样光谱数据分类准确率可以达到100%。通过实验结果可以发现,集成学习算法的分类能力比传统的分类算法对水样的光谱的分类识别能力更强,相较于同为九个节点的决策树算法,采用节点数为9的决策树作为弱学习器的AdaBoost算法对测试集的分类准确率从88.89%提升到了97.78%,对训练集的分类准确率从99.72%提升到了100%;然后可以发现相对于使用决策树作为弱分类器的AdaBoost算法,采用LDA算法作为AdaBoost算法的弱分类器对水样的光谱的测试集的分类准确率从97.78%提升到了100%,对训练集的分类准确率达到100%,具有更好的识别效果,并且具有更好的泛化性能。实验结果证明采用Adaboost-LDA算法为激光荧光光谱的模式分类用于矿井突水水源的判别和预警是可行且有效的。 相似文献
10.
为了满足集成微波器件进行高分辨率微波近场测量的需求,本论文提出了一种基于金刚石氮空位(Nitrogen-Vacancy,NV)色心的微波近场成像技术.该技术可用于查找芯片等集成微波器件的干扰源和信号串扰.此微波近场成像方法采用金刚石NV色心颗粒作为场传感器,其中金刚石颗粒固定在锥形光纤的末端.由于塞曼效应,NV色心的光探测磁共振(Optical Detection Magnetic Resonance,ODMR)谱在外部静磁场环境中会分裂成为8个峰,通过测量共振峰频点的Rabi振荡谱,能够得到Rabi频率,接着通过2.8MHz/Gauss换算得出该处的微波场强度,最后通过将所测得所有数据点进行二维图像处理即可得到所测芯片和集成微波器件的表面微波场近场图像. 相似文献