基于卷积神经网络的多天线Polar码联合解调-解码方案

为了验证运用神经网络进行信道解码的可行性,利用其提高短码长Polar码的译码准确率,提出了一种基于卷积神经网络(convolutional neural network,CNN)的多天线(multiple-input multiple-output)Polar码新颖联合解调-解码方案.搭建了一种包括4个卷积层,2个全连接层和1个输出层的卷积神经网络,采用最小均方误差作为损失函数,通过计算机生成了Polar码编码的多天线数据并对网络进行训练,使训练得到的神经网络能很好地提取出Polar码比特间的关系特征,从而拟合出Polar码译码函数.仿真结果表明,在相同信噪比条件下,基于CNN的Po-lar码联合解调-解码方案的误码率优于已有的基于全连接神经网络方案;所提方案在不同码率的仿真实验中的误码率皆优于基于全连接神经网络方案,损失曲线的收敛速度更快,显示了基于CNN的Polar码联合解调-解码方案具有更好的泛化能力和学习能力.     

活性炭微波加热制备装置的仿真设计

活性炭在石化、电力、化工、临床医疗、环保等多个行业中广泛应用,其市场需求量也与日俱增.研究表明,相对于传统方法,微波法制备的活性炭具有孔隙结构更发达,比表面积更大,孔隙结构分布更均匀等优势.然而,这些研究都局限于实验室层面,现有的微波加热装置普遍存在热点、热失控和加热效率低下等问题.这严重限制了微波能在活性炭工业制备中的大规模应用.针对上述问题,本文以国内大量存在的竹子为研究对象,提出了一种可用于活性炭制备的微波均匀加热装置设计方案.通过多物理场仿真计算,以原材料的受热均匀性及装置的能量馈入率为考核标准,采用参数扫描分析的方法对装置参数进行了优化,得到了S11参数为-26.81dB,温度场的变异系数为0.2834的加热装置.此外,本文还结合参数扫描过程以及不同算法的运用,验证了该仿真计算的鲁棒性和准确性.该文章的工作对当前的活性炭工业制备装置的设计具有重要指导意义.     

一类非线性二阶三点边值问题正解的全局结构

本文考虑二阶常微分方程三点边值问题{u″(t)+h(t)f(u)=0,t∈(0,1),u′(0)=0,u(1)=λu(η),其中η∈[0,1),参数λ∈[0,1),函数f∈C([0,∞),[0,∞))满足f(s)0,s0,h∈C([0,1],[0,∞))在[0,1]的任意子区间内不恒为零.在满足条件f0=0,f∞=∞时,本文讨论了该边值问题解所构成的连通分支随着参数λ在[0,1]内的变化而变化的情形,建立了正解的全局结构.主要结果的证明基于锥上的不动点指数定理以及解集连通性质.     

粒子群算法在地震灾害应急避难所选址中的应用:以云南省鲁甸县文屏镇为例

以云南省鲁甸县文屏镇为例,在政府指定的地震灾害应急避难所候选场址的基础上,结合基础地理数据和人口分布数据,建立以最短化避难总距离和最小化避难所总容量为目标、不超出最大服务距离和不超过避难所最大容量为约束的多目标模型,采用改进的粒子群算法对其进行解算,并结合地震灾害避难所要求建立综合评价指标,对避难所分配结果进行分析评估.结果表明:共得到12种优化的方案;从安全性角度方案6为最优方案,从收容性角度方案12为最优方案,从成本投入方面方案1为最优方案;综合3个指标考虑方案12为最优方案.各种不同评估方案能为该区域避难所的责任区划分提供一定的理论基础.      

高速公路分车道荷载差异及其响应特性

为研究我国高速公路各车型分车道行驶的交通规则对分车道荷载及其响应的影响,选取实测的单向两车道、三车道和四车道的动态称重(WIM)数据,首先统计了各车型对车道的选择概率;然后,对比了分车道交通流量及荷载分布的差异;最后从车重极值、荷载响应极值、荷载响应损伤累积三方面研究了分车道行驶对桥面结构局部设计、桥梁整体设计和桥梁疲劳设计的影响.研究表明,各车型对车道具有特定的选择概率,分车道在车型组成、交通流量及荷载分布上显著差别.不同车道数时,分车道的外推车重极值存在差别,桥面结构局部设计用车辆荷载模型应据此进行车道修正.分车道荷载响应极值的比值及等效应力幅的比值均不为1,说明分车道最不利荷载响应及疲劳损伤累积效应都不相同,桥梁的整体设计和疲劳设计应该考虑这些特性.     

直纹曲面喷漆机器人喷枪轨迹多目标优化

针对直纹曲面上喷漆机器人的喷枪轨迹多目标优化问题,通过平面喷漆实验,采集各点膜厚数据,运用MATLAB遗传算法工具箱拟合β分布,建立直纹曲面漆膜厚度生长模型.将曲面离散为点集,采用三次B样条曲线拟合生成初始喷枪轨迹.以曲面上各点漆膜厚度均匀和喷涂效率高为目标建立喷枪轨迹多目标优化模型,并采用改进的快速非支配排序遗传算法对该模型求解,获得喷枪轨迹最优解集,最终实现了直纹曲面喷枪轨迹的优化目标.通过实例结果对比验证了该方法的有效性和实用性.     

棉花花铃期喷施果桃多与铃丰保效果试验

通过大田对比试验,了解棉花花铃期喷施果桃多与铃丰保对棉花性状及产量的影响。结果表明,棉花花铃期叶面喷施果桃多与铃丰保能促进棉花的生长发育,提高棉花的产量。     

应用铅同位素比值和元素含量分析法识别有机鸡样品真实性

探究了鸡中铅同位素与相关元素在有机养殖和常规养殖中的差异性,以探讨有机鸡样品溯源的可能性。相同品种的鸡分别采用有机养殖和常规养殖2种不同的饲养方式,利用电感耦合等离子体质谱分别对有机鸡和普通鸡样品中的铅同位素比值和相关元素含量进行测定。方差分析结果表明,铅同位素比值²⁰⁴Pb/²⁰⁶Pb和P、Zn、Fe、Mn、Mg、Ca、Cu、Na、K元素含量具有显著性差异(p＜0.05);主成分分析初步表明,Zn、Mn、Mg、Ca、Cu、Na、K为有机鸡和普通鸡样品中的特征无机元素;聚类分析可将鸡样品分为有机养殖和常规养殖两大类,通过判别分析所得模型的初始分组正确率为100.0%,交叉验证正确率为90.0%。利用铅同位素比值(²⁰⁴Pb/²⁰⁶Pb)、相关元素(P、Zn、Fe、Mn、Mg、Ca、Cu、Na、K)含量分析能够对有机鸡进行有效溯源识别,研究结果可为有机鸡的鉴别研究提供新的方法。     

基于属性降维的钓鱼网站检测方法

随着对钓鱼网站分析刻画的不断完善,使得钓鱼网站检测特征呈现高维化特点。属性维度的增加以及数据量的增长,会造成检测计算复杂度呈几何倍数扩大,导致检测时间复杂度高、占用资源大和检测效率低。针对多属性的钓鱼网站检测,设计了一种基于属性降维的钓鱼网站检测方法。该方法使用信息增益方法对原始数据进行特征选择,筛除可能存在的冗余和噪声数据信息;根据不同属性间的互信息计算属性相关性矩阵,利用属性相关性矩阵作为权值参与加权主成分分析;根据得到的降维后新特征数据通过监督学习算法构建钓鱼网站检测模型。实验表明,该方法可以有效降低原始数据中冗余和噪声属性的干扰,能够有效检测出复杂网络环境中的钓鱼网站,同时具有较高的稳定性。     

基于多尺度卷积神经网络的交通标志识别

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性.