漫谈“3D”时代的音响

在家用电器领域,电脑、传真、音响、大屏幕彩电是目前消费的热点。下面,笔者结合资料,谈谈伴随着VCD、DVD以及复活过来的MD(笔者简称为3D)时代,音响市场的发展与热门话题和选购。一、今年可能出现的热点虽然,目前VCD机仍然是消费热点。但对生产厂家而言,1998年的VCD极有可能是一个十分烫手的“芋头”。有人说1998年是VCD产业的“风险年”、“生死劫”,的确不无道理。尽管VCD厂家企图用增加功能来延长其市场,但国内严重的供大于求已是不争的事实。     

基于DSP的空时编码盲识别设计和实现

提出了一种基于TigerSHARC TS201S实现的MIMO系统空时编码盲识别方法的设计与实现,该设计能够在非合作条件下,利用空时编码在时间分集和空间分集下,所表现出的不同时滞相关性,实现盲识别空时编码方式。天线接收信号经过预白化,时滞相关度计算,最终利用码字表判决输出。经验证,该系统性能稳定,易于实现,且对空时编码方式具有较高的盲识别精度。     

实实在在的兼容音响系统

家庭影院仍然是当今消费热点,但一些AV器材的音质实在不敢恭维,根本无音乐感染力可言。其实,只要对市售器材进行深入了解,进而恰当的搭配,即可实现家庭影院的享受,同时取得音乐欣赏的音质效果。不久前,为同事完成一项兼容音响组合,可谓AV、Hi—Fi双收。菜单如下:     

高分子表面活性剂的合成

介绍了高分子表面活性剂的合成方法及其不同于低分子表面活性剂的特点,重点从离子聚合、活性自由基聚合、缩合聚合、开环聚合、高分子化学反应、自由基胶束聚合等角度综述了近几-来高分子表面活性剂的合成研究进展.     

β-GaS钝化的GaAs表面的光电子能谱

在 Ga As表面淀积β- Ga S是一种可行的 Ga As表面钝化方法 .用光电子能谱研究了超薄Ga S淀积后的 Ga As表面 ,分析了表面成分 .并发现 Ga S的淀积能使 Ga As原有的表面能带弯曲减小 0 .4e V,这意味着表面费米能级钉扎在一定程度上得到消除 .给出了一个半定量的理论模型 ,来解释 Ga S淀积引起的能带弯曲减小与以前湿法钝化引起的能带弯曲增大之间的不同     

低功率980nm波长半导体激光器驱动电路设计

设计一种用于光生微波/毫米波信号源的低功率980 nm波长半导体激光器驱动电路,主要包括保护电路、反馈电路、功率检测、恒流源设计、温控电路及单片机显示电路等。将所设计的驱动电路用于LDM9P603型蝶形激光器的驱动,对980 nm波长泵浦激光器的输出特性进行测试。     

Web2.0时代的维基网络科普新模式——以互动百科为例

在我国公民基本科学素质不甚乐观的现状以及Web2.0时代到来的双重背景之下,维基网络科普正在成为一种日益发挥重要作用的科普新模式。维基是知识社会条件下创新2.0的一种典型形式,可以调动最大的网民群体的智慧参与网络创造和互动。以互动百科为例,作为由来自世界各地的志愿者共同维护与建设的最大的全球中文百科,互动百科有效地弥补了传统科普网站的不足,实现了科普目的的转变,科普主体的多元化,科普内容组织方式的变化,科普形式的转变,科普传播路径的转变以及自我完善机制等方面的突破,但同时其也存在下列问题:中文维基网站普及率低,词条质量难以保证。因此,应针对其不足,提出相应的改进方案,从而更好地推广这种模式。     

量子触发器的设计与优化

量子触发器是量子逻辑电路中一个很重要的量子器件,在量子计算领域有着重要的意义。根据量子触发器的逻辑功能,利用量子触发器输入和输出之间的关系,研究了一种通过引入辅助比特来解决数字电路反馈问题以及实现数据保持状态锁存功能的方法。设计构造了五种不同的量子触发器并对量子线路进行了优化。这些量子锁存器在建造量子计算机中可以作为可扩展的基本锁存功能单元使用。     

β-GaS钝化的GaAs表面的光电子能谱

在GaAs表面淀积β-GaS是一种可行的GaAs表面钝化方法.用光电子能谱研究了超薄GaS淀积后的GaAs表面,分析了表面成分.并发现GaS的淀积能使GaAs原有的表面能带弯曲减小0.4eV,这意味着表面费米能级钉扎在一定程度上得到消除.给出了一个半定量的理论模型,来解释GaS淀积引起的能带弯曲减小与以前湿法钝化引起的能带弯曲增大之间的不同.     

结合注意力机制的BiLSTM电力负荷预测

为了提高电力负荷预测精度,促进能源合理配置,文章首先对既有电力负荷预测相关研究展开讨论,指出目前研究中存在的不足。其次提出一种融合注意力机制（Attention Mechanism）的双向长短时记忆（Bi-directional Long Short-term Memory,BiLSTM）神经网络模型——BiLSTM-Attention模型,将长短时记忆神经网络作为特征提取单元,引入注意力机制提高模型对关键信息的表征能力。最后以国内某区域电力负荷数据为例,与基线模型进行对比,实验结果表明,本文提出的BiLSTM-Attention模型误差均小于三个基线模型：支持向量机回归（Support Vector Regression,SVR）模型、卷积神经网络（Convolutional Neural Network,CNN）模型和BiLSTM模型,证明BiLSTM-Attention模型对电力负荷具有较高的预测精度。