多用户MIMO系统预编码的技术研究

预编码是一种应用于发射端以达到抑制多用户间干扰的预均衡方法。MIMO预编码技术可有效防止误码扩散,大大降低接收端的复杂度。该文对多用户MIMO系统预编码的几种算法进行了研究,分析了其各自的优缺点,并提出了改进方法。其中包括迫零（ZF）线性预编码、块对角化（BD）线性预编码、最小均方误差（MMSE）线性预编码及信漏比（SLR）线性预编码。     

基于聚类划分子种群的多种群遗传算法

标准遗传算法存在易于早熟,容易陷入局部最优的缺点,同时标准多种群遗传算法存在进化后期种群同质化严重的缺陷。针对这一问题,将聚类思想引入到多种群遗传算法的子种群划分中,提出了一种使用聚类方式划分子种群的多种群遗传算法,使得种群划分不再只是单纯的随机行为,而是将满足约束条件的个体根据其特征划分到不同子种群中,从而解决种群同质化问题,避免所有子种群陷入局部最优。最后,通过测试两个典型函数,验证了该算法的有效性,为多种群遗传算法提供了一种新的研究方向。     

科技投入与区域经济增长的关联分析

通过对我国2003—2012年31省份的R&D经费投入、R&D人员投入与其GDP的灰色关联分析,结果发现:科技投入对我国经济增长有很大的促进作用,相比而言R&D经费对于经济的促进作用要大于R&D人员;科技的促进作用在不同区域之间呈现阶梯态势,东部地区最高,中部次之,西部最低;在不同省份之间并不相同,而且打破东中西的区域界限。为此我国政府制定科技政策时,不仅要确保量与质的双重提高,而且要因地制宜,从当地实际情况出发,采取各种措施提高科技经费投入、完善科技人才政策,以便促进经济发展与社会进步。     

一类无穷域上高分数阶微分方程正解的存在性

为了研究无穷域上高分数阶微分方程多点边值问题正解的存在性,采用Schauder不动点定理及抉择定理,给出一类无穷域上高分数阶微分方程正解的存在条件以及迭代解,对分数阶微分方程解的存在性问题进行向高阶的推广.     

异方差半参数变系数部分线性EV模型的经验似然

利用经验似然方法考虑异方差半参数变系数部分线性EV模型中兴趣参数置信域的构造.分别在误差方差已知和未知情形下,构造模型参数部分的经验对数似然比统计量,并验证非参数情形下的Wilks定理成立.模拟研究表明经验似然估计方法具有优良的性质.     

基于正负斜率调频多带Chirp信号的移动目标参数估计

由于移动目标产生多普勒频移受到Chirp信号的调制,已有的单带线性调频连续波(linear frequency modulated continuous wave,LFMCW)信号对移动目标的速度和加速度估计方法存在较大误差。在多带Chirp系统中,通过对正负斜率调频多带Chirp信号进行差拍处理与傅里叶变换有效地抑制了这种因素引起的误差。除此之外,正负斜率调频多带Chirp信号测速方法有效地提高了移动目标分辨距离。同时,通过对接收信号的差拍结果进行基于重排的平滑伪魏格纳威利时频分布（reassign smooth pseudo wigner ville distribution,RSPWVD）与Radon变换,恒虚警（constant false alarm rate,CFAR）检测和阈值处理,实现对移动目标的加速度和速度估计。给出了移动目标速度与加速度估计算法,具体实现步骤和仿真结果。仿真实验验证表明,改进后的移动目标参数估计方法对低速移动目标测速精度有明显提高。     

一种基于AC-RBF神经网络的网络安全态势预测方法

为了准确地把握网络安全发展态势,提出了一种基于自适应聚类径向基函数(adaptive clustering radical basis function,AC-RBF)神经网络的网络安全态势预测(network security situation prediction, NSSP)方法?该方法对网络安全态势样本自适应聚类,获得了神经网络隐层节点数,采用梯度下降法训练神经网络,寻找网络安全态势样本之间的非线性映射关系,利用该关系对未来时刻网络安全态势进行了预测? 仿真实验表明,相对于 K-均值 RBF 神经网络及支持向量机(support vector machine,SVM)预测模型,该方法在神经网络规模较小的情况下,不仅能够反映网络安全态势的总体趋势,而且还提高了预测精度,能够提供给网络安全管理员一个直观的网络安全态势图 ?     

基于聚类分析的短期负荷智能预测方法研究

短期电力负荷预测作为电网企业的基本工作,其精度的提高对于电网企业运营管理和调度管理具有较大的意义,然而由于电力负荷受到诸多非线性因素的影响,因此得到高精度的电力负荷预测结果是比较困难的.本文首先利用数据挖掘中的k-means聚类技术对训练集的气象数据进行聚类分析,分析提取相似日,在提取相似日的相关历史数据后,建立支持向量机模型进行短期电力负荷预测.经算例结果证明,由该方法得出的预测结果平均相对误差为0.88%,和同结构支持向量机预测的平均相对误差(1.66%)以及ARMA预测的平均相对误差(3.81%)相比,预测精度得到明显的提高,证明了该方法的有效性.     

基于混合聚类方法的电力系统负荷概率模型

针对利用k-均值聚类算法形成发电系统充裕度评估中的聚类负荷模型时存在的聚类中心初始值和聚类数难以确定的问题,提出根据负荷水平对充裕度指标的贡献度,将负荷曲线分成高贡献度、中等贡献度、低贡献度等分区,分别采用层次聚类、均值-标准差、随机法来选择各分区中聚类中心初始值;定义改进效率指标,将改进效率作为收敛条件确定聚类数.利用本文方法所得的聚类负荷模型,采用状态抽样法计算IEEE RTS79电力系统可靠性测试系统的发电系统充裕度指标.算例结果表明,同采用基于传统k-均值聚类方法的负荷模型结果相比,基于混合聚类方法得出的负荷模型的计算结果更精确,收敛速度更快.     

基于正交试验和回归分析的羽绒服装样板缩率研究

为揭示影响羽绒服装缩率各影响因素的重要程度及其和缩率之间的定量关系,采用正交试验方法,选择羽绒填充量、绗线间距、含绒量为因素,结合极差分析法探讨各因素对缩率的重要程度,并建立缩率与各影响因素的多元线性回归方程.结果表明,影响羽绒服装样板缩率各因素的主次顺序为:羽绒填充量绗线间距含绒量;对回归方程的显著性和系数显著性探讨表明,回归方程对垂直绗线方向缩率具有显著性影响;回归方程的建立能够有效提高羽绒服装样板制作的准确性,为其他填充类服装制板提供理论参考.