带有二次约束的一类特殊三次规划问题的全局最优性充分条件

利用拉格朗目函数和L次微分的方法,研究了带有二次约束的一类特殊三次规划问题的全局最优性条件。首先刻画出该类三次规划问题的拉格朗日函数的抽象次微分,从而得到了带有二次约束的三次规划问题的全局最优性充分条件。最后举例说明如何利用本文所给出的全局最优性充分条件来判定当前可行解就是全局最优解。     

基于形态学和提升小波的心电信号去噪方法研究

心电信号是一种典型的微弱信号,含有大量噪声,还具有强烈的非线性和非平稳性.针对传统小波计算量大,很难同时将心电信号中高频和低频噪声去除的问题,提出一种结合形态学与提升小波阈值去噪的算法,通过形态学滤波器去除信号的低频噪声,提升小波阈值去噪法去除信号中的高频噪声.经过对MIT-BIH心律失常数据库中的心电信号进行仿真,结果表明,结合形态学算法与提升小波去噪算法的去噪方法,能同时有效去除信号中的低频和高频噪声,提高了心电信号的质量.     

基于802.15.6的分组检测算法设计与仿真

针对BAN(body area network)系统传输数据分组具有突发性的特点,设计了一种基于数字匹配滤波器和自适应门限判决的分组检测方法.根据数字匹配滤波器的原理和BAN调制信号的特点分析获得了相关峰值的计算方法,采用自适应门限判决的方法对相关峰值进行判决实现分组检测,并利用Matlab对算法性能进行了仿真.仿真结果表明,采用的分组检测算法在一定频偏范围内均具有较高的检测概率.     

新型心电信号检测带通滤波器的设计

提出了一种新型的用于心电信号检测的带通滤波器.心电信号是常见的生物电信号,低频达到0.1 Hz,高频分量超过100 Hz,其检测电路中需要一个0.1-100 Hz的带通滤波器.由于0.1 Hz的低截止频率和片上电容、电阻值的限制,采用传统滤波器设计方法很难达到设计要求.为寻找结构简单而性能达标的滤波器结构,引入了电流舵技术,用低通滤波器和高通滤波器串联的方式,使用不超过10 kΩ的电阻和不超过6 pF的电容就可以实现低达0.026 7 Hz的截止频率.该滤波器在SMIC 0.18 μm工艺下进行设计与仿真,经过仿真验证,该滤波器在1.8V工作电源的情况下获得了0.026 7-202 Hz的通频带,低于168 μV的输入参考噪声;0.1-100 Hz频带内相移小于±30°,带内波动小于1 dB,滤波器整体功耗为311 nW.该滤波器结构简单,所需电阻电容值小,具有低噪声、低功耗的特点.     

带有二次约束的一类特殊三次规划问题的全局最优性充分条件

利用拉格朗日函数和L-次微分的方法,研究了带有二次约束的一类特殊三次规划问题的全局最优性条件。首先刻画出该类三次规划问题的拉格朗日函数的抽象次微分,从而得到了带有二次约束的三次规划问题的全局最优性充分条件。最后举例说明如何利用本文所给出的全局最优性充分条件来判定当前可行解就是全局最优解。
     

海水淡化剂的制备及其脱盐效果的研究

采用水热合成和微波合成方法,对海水淡化剂的合成条件和脱盐效果进行了研究,合成四种不同载体淡化剂。实验结果表明：它们对海水中金属阳离子和卤素及其它阴离子具有较强沉淀能力;4A,3A型载体淡化剂性能最佳;淡化剂用量与海水体积比为1：4时,淡化反应时间25min淡化水可达到饮用水标准;微波能大幅度提高反应速度。     

一种适合突发通信的信号检测改进算法

突发信号检测是突发通信接收时所需完成的第1个同步算法.在双滑动窗口算法实现突发通信信号检测的基础上,利用前导码的特征对该算法进行改进.并针对几种典型的无线信道条件,对改进算法进行了理论分析、计算机仿真及FPGA实现.结果表明,改进后的算法开销小,只需6个符号左右就可以检测到突发信号,明显提高了检测算法的性能.     

基于深度学习的MIMO系统联合信号检测与信道译码

为进一步提高多输入多输出(multiple-input multiple-output,MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题.通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比特或码字及信道状态信息,采用了端对端的训练方式,使不同神经网络模型可学习系统收发端的信息比特与码字的映射关系,联合实现了MIMO系统信号检测和信道译码,同时具有较低的复杂度.仿真结果表明,相比一些传统检测和译码算法,所提方法具有较优的检测和译码性能.     

混合整数非线性规划问题的全局最优性条件

近年来混合整数非线性规划问题的应用非常广泛。本文给出了带界约束的混合整数非线性规划问题全局极小点的必要条件,包含连续优化和离散优化问题。同时得到了带界约束的混合整数非线性规划问题的充分全局最优性条件。所针对的优化问题的目标函数只需要是二次连续可微的。如何目标函数的二次的,所得的最优性条件非常容易验证。我们给出了数值例子以说明全局最优性条件的意义。     

基于深度学习的MIMO系统联合优化

自动编码器神经网络可将通信系统重新构建为端到端的任务,从而实现整个系统的联合优化。针对基于深度学习的2用户与4用户多输入多输出(multiple-input multiple-output,MIMO)系统联合优化问题,提出将自动编码器运用到系统中,将整个通信系统的发射端和接收端视为自动编码器的编码和译码部分,利用交叉熵损失加权和函数进行训练学习,从而获得优化的系统模型,并进一步分析得出每个用户的误比特率及所有用户的平均误比特率。实验结果表明,基于自动编码器所构建的MIMO通信系统相比于传统的通信系统具有更优的系统性能。