输出镜透过率对Cr∶YAG被动调Q激光器的影响

对LDA端面泵浦Cr∶YAG被动调Q Nd∶YAG激光器的输出特性进行了深入细致的研究,重点分析了输出耦合镜的透过率(T=3%、8%、20%、30%、40%)对平均输出功率、脉冲宽度、重复频率、以及单脉冲能量和峰值功率的影响。研究结果表明:在特定的激光参数下,Cr∶YAG被动调Q Nd∶YAG激光器的某些输出参数由输出镜透过率决定。T=8%时可以获得最大输出功率与重复频率,而T=20%时,可以获得最窄脉冲宽度、最高峰值功率以及最大单脉冲能量。     

LD泵浦被动调Q皮秒Nd∶YVO4微片激光器

报道了一种新型调Q微片激光器。首次提出了斜泵浦方案,实验中分别采用LD端面垂直泵浦和斜泵浦两种方式,结构简单紧凑。微片采用Nd∶YVO4作为工作物质,半导体可饱和吸收镜(SESAM)为调Q元件。在两种泵浦方式下,都获得了重复频率范围在千赫兹到兆赫兹的皮秒激光脉冲输出。以光纤耦合输出的808 nm LD作为泵浦源,在垂直泵浦的情况下,在420 mW 抽运功率下,获得6.40 mW的1064 nm激光输出,脉冲宽度57.8 ps,对应单脉冲能量6 nJ,x、y方向的光束质量因子分别为1.18、1.17。在斜泵浦的情况下,在550 mW抽运功率下,获得2.25 mW的1064 nm激光输出,脉冲宽度64.3 ps,对应单脉冲能量17 nJ,x、y方向的光束质量因子分别为1.29、1.32。     

OTT TV业务流量经营及关键技术应用

介绍了以OTT TV业务系统为基础,通过移动终端结合跨屏内容强关联、O2O服务等业务方式进行流量经营,进而实现OTT TV业务价值的增值与转移.详细描述了利用现有内容制作、多屏协议、内容关联等技术,通过用户间的分享实现内容组织、业务服务、营销推广自组织的技术方案.     

温度对全钒液流电池性能的影响

全钒电池的传热参数优化和电堆温度分布的研究,对提高全钒电池的性能和可靠性起着重要的推进作用。基于对流传热的原理,提出了一个关于全钒液流电池系统的热模型,通过对不同流量和传热系数下全钒液流电池温度分布的研究,得到全钒电池电解液罐温度和电堆温度之间的关系。利用Fluent模拟仿真不同流量下电堆中电解液的温度分布。仿真结果表明,系统的对流换热参数和电解液流量是影响温度分布的重要因素,在该电池配置下电解液流量为90 cm3·s–1时,电堆的温度分布均匀,此时的电池性能较好。     

LTE网络中业务识别方案的研究与实现

为了实现对长期演进(Long Term Evolution,LTE)网络的业务识别,分析了S1接口用户面协议栈,利用模块化设计思想实现了对S1接口流量的业务识别。针对传统业务识别系统识别度低、统计能力不强的缺陷,在传统的业务识别系统基础上,提出了一个多识别的业务识别方案,实现了对业务类型的精确识别。经过现网数据测试验证,所设计的多识别的业务识别方案达到了预期的效果,在LTE移动通信网络业务识别领域具有推广意义。     

试析大数据双向驱动电信运营商流量经营

通过对电信运营商流量经营模式进行深入分析,找出造成目前经营模式困境的主要原因,提出大数据双向驱动流量经营模式;在流量经营中以新的思路应用大数据深入挖掘流量价值,解决流量经营难题。     

基于抽样分组长度分布的加密流量应用识别

基于确定性抽样数据分组序列的位置、方向、分组长度和连续性、有序性等流统计特征和典型的分组长度统计签名,并结合带数据分组位置、方向约束和半流关联动作的提升型DPI,提出了一种基于假设检验的加密流量应用识别统计决策模型,包括分组长度统计签名决策模型和DFI决策模型,并给出了相应的分组长度统计签名匹配算法以及基于DPI和DFI混合方法的加密流量应用识别算法。实验结果表明,该方法能够成功捕获加密应用在流坐标空间中独特的统计流量行为,并同时具有极高的加密识别精确率、召回率、总体准确率和极低的加密识别误报率、总体误报率。     

导入相位阵列IBM/Ericsson携手打造5G天线

<正>IBM与爱立信(Ericsson)合作进行5G天线研发,将以相位式阵列(Phased-Array)天线设计,提升现行的网络数据传输速度,并在相同频率上提供多种全新服务,为广大的行动装置用户带来更好的使用体验。Ericsson无线电产品管理负责人Thomas Norén表示,目前双方正致力于克服尺寸上的挑战,并期待藉此天线技术可以开辟更多全新用途。这项研究合作将有助于Ericsson建构移动网络,即便在密集的都市环境中,     

集中抄表终端通道检测装置的研制

设计了一种低压集中抄表终端通道检测装置。终端出厂前,使用该装置对集中抄表终端的GPRS通道、以太网通道、载波通道、485通道、串口通道及状态量等通道进行集成检测。重点说明了集中抄表终端通道检测装置的系统构成、硬件实现及软件实现等。经过反复测试证明,该装置对集中抄表终端通道检测速度快,准确性高,保证了集中抄表终端出厂的硬件通道正确性。     

基于机器学习的网络异常流量检测方法

研究一种基于机器学习的网络异常流量检测方法。使用改进型ANFIS算法作为建立的网络异常流量检测方法的核心算法。由于传统的神经网络算法使用的梯度下降算法在实际应用时,存在易陷入局部极小值,训练效率低下等问题,因此研究的改进型ANFIS算法使用附加动量算法修正模型参数,使系统能够越过误差曲面的局部最小值。最后使用KDD CUP99数据库以及LBNL实验室测试的数据对改进型ANFIS算法和BP神经网络算法的检测方法进行性能测试。结果表明,使用改进型ANFIS算法检测系统的训练效率以及检测准确率均优于使用BP神经网络算法建立的模型。