软交换技术在黑龙江农垦的应用

黑龙江垦区为了保障全国四十五分之一的耕地能满足全国十三分之一人口的粮食供应,这几年抓小城镇并区建设,将居住人口集中,让出更多的土地进行粮食生产。垦区传统接入模式单一,无法满足全业务整合运营的弊端日益显露出来。不同领域、不同规模的企业对于企业通信网络存在差异化的需求,通信网络的建设方案需要根据用户的个性化特点量身定做。软交换具有丰富的接口,灵活的组网方式等优点,因此采用软交换技术进行建网才是最佳的选择。     

高精度低噪声集成温度补偿晶体振荡器

介绍了一种新的AT切低噪声集成温度补偿晶体振荡器(TCXO)的设计方案、补偿原理及实现.该设计核心是采用电路集成实现器件的小体积、低功耗,并通过模数混合集成工艺,保证温补晶振的高精度和低相噪特性.实验样品在-40~+85 ℃的温度范围内,频率温度稳定度优于±2.8×10-7,相位噪声达到-140 dBc/Hz@1 kHz.测试结果表明,该集成温度补偿晶体振荡器具有工作温度范围宽,补偿精度高,功耗低,频谱纯度高,噪声特性良好等特点.同时,该温度补偿晶体振荡器集成度高,体积小,抗振动冲击,适合大批量生产,可广用于军民用测控通信系统中.     

大米拉曼光谱不同预处理方法的相近产地鉴别研究

用相近产地的大米代替独有的地理因素形成的地域品牌大米,消费者难以辨别。基于拉曼光谱技术,试验对比不同预处理方法包括一阶导数+平移平滑、二阶导数+平移平滑,小波变换+去除基线三种常用的预处理方法,另外提出一种改进的分段多项式拟合+去除基线共四种预处理方法,分别结合偏最小二乘法实现相近产地大米的鉴别分析,提出一种最佳的鉴别相近产地大米的预处理方法。首先用拉曼光谱仪采集了黑龙江省依安县3个相近产地大米的150个拉曼位移为200～3 100 cm-1的大米光谱样本,再对原始拉曼光谱分别用一阶导数+平移平滑、二阶导数+平移平滑、小波变换+去除基线、分段多项式拟合+去除基线进行光谱预处理。分别从每个产地选取33个样本进行训练,并对未知的51个样本建立了基于偏最小二乘法的鉴别分析模型,在训练集中一阶导数+平移平滑的预处理方法相关系数值最大、均方误差和均方根误差最小,小波变换+去除基线的预处理方法相关系数值最小、均方误差和均方根误差最大;在测试集中采用3点2次拟合+去除基线的预处理方法的相关系数值最大、均方误差和均方根误差最小,二阶导数+平移平滑的预处理方法最差。最后再通过PLS建模结果得知,在训练集中,采用四类九种预处理的方法对三个产地大米的总识别率均为100%;在测试集中,采用3点2次拟合+去除基线对三个产地大米总识别率为100%,采用5点2次拟合+去除基线对三个产地大米总识别率为52.9%,其他分段多项式拟合介于二者之间;采用一阶导数+平移平滑、二阶导数+平移平滑和小波变换的总识别率分别为88.2%,86.2%和96.1%;从中发现,分段式多项式拟合中的3点2次拟合+去除基线的优势明显,与其相关系数、均方误差、均方根误差结果吻合,总体识别率高,鉴别效果稳定。     

灰色系统分析应用——预测上海房地产市场需求量变化并对其影响因素做关联度分析

近两年上海房地产市场快速发展 ,主要利用灰色分析法预测未来几年上海房地产市场的需求量的增长情况并对市场需求的主要影响因素做出关联度分析 ,最后得出结论 .     

盐酸苯海拉明的原子吸收法测定

探讨了盐酸苯海拉明在适当的酸性条件下与锌试剂、铜离子定量生成三元络合物,经ＭＩＢＫ萃取,以ＡＡＳ法测定萃取液听 铜来间接测定盐酸苯海拉明的量。本法与药典法相比,相对平均偏差小于０．４％,线性范围为５～５０μｇ．ｍＬ＾－１。回收率为９７％～１０２％。     

一种提高生物体拉曼光谱痕量测量精度的方法

微量物质拉曼光谱测量精度的提高是拉曼分析技术的难点之一,特别是高荧光背景下生物体中微量物质的测量。根据拉曼谱峰突发、离散特点,分别给出荧光背景和噪声拟合函数,通过监测总体拟合偏差A类不确定度函数实现拉曼谱峰定位和干扰信号滤波;进一步根据谱峰位置划分光谱区间,在单调区间内弱化非谱峰信号,实现谱峰信号增强。与其他光谱处理方法比较,可以准确拆分重叠特征峰,不会降低特征峰高度,提供更加灵敏的半谱峰面积指标。实验表明,该方法在处理皮肤拉曼光谱时,可以准确得到螺旋构象的酰胺I带、神经酰胺和CO的归属拉曼谱峰;另外经过该方法处理后数据建立水溶性糖(水稻叶片)含量测量模型,其精度优于小波分解、多项式拟合和非线性最小二乘法。     

改进随机蛙跳算法在大豆品种快速鉴别中的应用

大豆品种快速准确的鉴别，对于鉴定种子品质、净化种业市场以及保障粮食安全具有重要意义。为解决传统农作物品种鉴别方法中存在精度差和效率低等问题，采用拉曼光谱结合特征波长提取方法建立偏最小二乘(PLS)鉴别模型，对黑龙江省4个高蛋白大豆品种(黑农88、黑农98、绥农71以及绥农76)进行快速鉴别。随机蛙跳(RF)算法是一种通过迭代计算变量被选概率，以确定变量重要性的新型特征波长选择算法，可以有效剔除全光谱数据中的冗余信息。该方法存在初始变量集随机性、所需迭代次数大、阈值选取不确定的问题，因此提出一种基于最小绝对收敛与选择算子(LASSO)回归的改进随机蛙跳(MRF)算法。采用LASSO算法提取与属性变量最相关的特征波长点作为RF初始变量集F₀，消除初始变量的随机性，在此基础上开始迭代计算，可以减少无用迭代次数，提高模型的预测精确度。RF算法通过设定阈值的方法选择变量，因此提取的特征波长往往具有不确定性。改进如下：首先去除被选概率为0的变量，对于排序后变量以10个波长点为间隔，每次增加1个间隔建立特征波长与大豆品种属性的偏最小二乘回归模型，当交叉验证均方根误差(RMSEC...     

面向多波束卫星系统的波束跳变与覆盖控制联合优化算法

为了提升多波束卫星（MBS）系统的性能，提出了一种基于深度强化学习联合优化MBS的波束跳变和覆盖控制（BHCC）算法。首先，将多波束卫星中的资源分配问题转换为多目标优化问题，以最大化多波束卫星系统的系统吞吐量，最小化丢包率；其次，将多波束卫星环境表示为多维矩阵，并将目标问题建模为考虑随机通信需求的马尔可夫决策过程；最后，结合深度强化学习强大的特征提取能力和学习能力对目标问题进行求解。此外，提出了一种单智能体轮询复用机制以减少搜索空间，降低收敛难度，加速BHCC算法的训练。仿真结果表明，相对于遗传算法、贪婪算法及随机算法，BHCC算法不仅能提高MBS的吞吐量，而且能降低系统的丢包率；相对于不考虑自适应波束覆盖范围的深度强化学习算法，BHCC算法在不同通信场景下的性能更优异。