有线电视传输链路均衡问题

文章阐述了讨论均衡问题所具有的现实意义，提出用“预留正／负倾斜余量”和“欠／过补偿”的概念来指导在各种气温条件下对链路进行均衡补偿的调整，并较详细地阐述了各种情况下的具体操作方法。这对工程实践和线路维护，都有一定的参考意义。     

基于严格U性价值函数的DF结构的盲均衡方案

本文提出了一种Ｄｅｃｉｓｉｏｎ－Ｆｅｅｄｂａｃｋ（ＤＦ）结构形式的盲均衡价值函数，证明了该价值函数对前向均衡器系数矢量Ｃ＇＇ｎ，反向均衡器系数矢量Ｃ＇＇ｎ和系统传输误差概率Ｐｎ，都是严格的Ｕ函数，并且证明了该价值函数保证收敛到全局极小点，分析和计算机模拟结果显示，对于典型１６ＱＡＭ形式的输入信号，本文提出的方案具有低的计算复杂度和快的收敛速度。     

径向基-偏最小二乘-贝叶斯方法及其在化学模式分类中的应用

提出一种用于模式分类的RBF-PLS—Bayes方法。它集成地应用径向基(RBF)变换与偏最小二乘(PLS)方法，从原有模式中提取出分类能力甚强的成分，然后进行贝叶斯(Bayes)判别。这种集成方法尤其适用于复杂化学信息的模式分类，本文将其应用于两种类型的化学模式分类问题，均取得了令人满意的效果。与经典的判别分析方法和单纯的神经网络方法相比，具有明显的优越性。     

一些极值图问题的谱条件综述（英文）

这篇综述分为两个方面.首先,我们总结了图论中的Turan型问题的谱极值结论的最新进展.更准确地说,关于各种图的邻接谱半径和无符号拉普拉斯谱半径,我们总结了它们的谱版本的Turán型函数.例如,完全图、色数至少为3的一般图、完全二部图、奇圈、偶圈、色临界图和相交三角形图.第二个目标是总结一些最近的关于图性质的谱条件.通过一种统一的方法,基于邻接谱半径和无符号拉普拉斯谱半径,我们给出了一些充分条件,使得该图成为哈密顿图、k-哈密顿图、k-边哈密顿图、可迹图、k-路径可覆盖图、k-连通图、k-边连通图、哈密顿连通图、完美匹配图和β-亏量图.     

基于睡眠规律的管制员认知能力分析

为了更加准确评估管制员工作状态,针对管制员认知能力评估问题,采用贝叶斯网络模型,提出了一种基于睡眠规律的分析方法.首先归纳了评价睡眠规律的主要因素,并采用PVT反应时间量化管制员的认知能力水平;然后根据先验知识构建了贝叶斯网络模型,在实验统计与模糊集理论的基础上得到条件概率表CPT,参数学习更新,并计算相关系数确定了关键因素;最后通过实际案例分析,预测了管制员认知水平,验证了评估的可行性与合理性.实验结果表明该分析方法能够根据睡眠规律对管制员值班前的认知能力进行准确的评估,降低了人为因素的安全隐患,增强了人员岗前管理的主动性.     

两台自私型机器上自私工件排序的PoA紧界

本文研究了两台自私型机器上有自私型工件的关于二元均衡的排序问题。对任意工件序列$L$, 证明了二元均衡排序的PoA的紧界为$\frac{8}{7}$。如果工件尺寸在区间$[1, r](r\ge1)$内, 得到了二元均衡排序的PoA的紧界为关于$r$的分段线性函数。     

空分复用弹性光网络多链路故障快速识别研究

随着空分复用弹性光网络规模的不断扩大,链路故障发生率持续增加,提出空分复用弹性光网络多链路故障快速识别方法。利用小波包分解方法将空分复用弹性光网络多链路信号分为高频和低频部分,使用Mallat算法快速重构链路信号,提取小波包能量谱特征和故障复合特征。根据特征提取结果采用改进贝叶斯算法对多链路故障进行定位,将定位结果输入到BP网络模式分类器中,完成多链路故障快速识别。实验结果表明,所提方法的故障定位时间最低仅为3.21 s,故障识别成功率在96%以上,故障误识率变化相对稳定,综合性能较为优越。     

民航空地通信中的多链路数据分配算法

针对民航空地通信数据丢失率高、吞吐量低问题,提出了一种基于丢包感知负载均衡(Packet Loss-Aware Load Balancing)的分配算法。在空地多链路通信中,每条链路的数据损失率随着链路状态与传输环境等情况实时变化。该算法通过控制每次空地通信中数据流的分割比率,动态分配给每条链路不同大小的数据流,使每条链路的传输损失率趋于相近,提高了空地通信系统吞吐量并减少了数据传输损失,以应对空地通信中丢包率高与吞吐量低等问题。仿真结果表明,所提算法在数据传输损失率和吞吐量上都优于现有的多链路子流分配算法。     

基于贝叶斯压缩感知的子空间拟合离格DOA估计

针对传统的基于稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）的波达方向估计算法对噪声鲁棒性不高的问题,提出了一种基于SBL的子空间拟合离格波达方向(Direction of Arrival,DOA)估计方法。首先对接收数据的协方差矩阵进行特征分解,获得信号的加权子空间,构造等价信号的稀疏表示模型并利用贝叶斯学习算法进行参数求解。同时对于网格划分带来的建模误差问题,采用了离格贝叶斯推导（Sparse Bayesian Inference,SBI）算法进行求解,利用期望最大化算法迭代更新相应的参数。仿真结果表明,相对于传统的DOA方法,该方法具有更好的估计精度。