基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

基于神经网络的医疗诊断研究

主要工作集中在医疗数据的预处理和神经网络模型的训练.首先结合数据挖掘和自然语言处理技术,在保留医疗数据语义基础上对分词工具语料库进行补充,将中文数据分词,同时对其中大量冗余信息进行清洗,将中文数据转换成计算机可识别的编码,其次利用多种经典热门的神经网络模型来训练医疗数据,同时对比基于传统决策树模型的GBDT模型的训练结果,最后实验结果证明,对于多种疾病诊断,神经网络模型的效果要优于其他模型,诊断准确率接近90%.     

带噪音预处理的改进探索性Q矩阵标定方法

考虑到在实际应用中学生在做题时的猜测和失误(统称为噪音)会影响探索性因素分析法所使用的四分相关矩阵的质量,该文提出四分相关矩阵的一种噪音修正方法,并将其应用于Q矩阵标定.模拟研究结果表明:猜测和失误这2种噪音会对Q矩阵的标定产生不利的影响; 基于修正后的四分相关矩阵的探索性因素分析法,在样本量较大和噪音较大等情况下,均能有效地提高Q矩阵标定的准确率.     

生活饮用水中有机物检测的预处理技术

近年来有机物的污染使饮用水安全问题备受关注。由于水中有机物具有浓度低、组分复杂、干扰物质多、易受环境影响等特点,通常需要采用复杂的提取、净化、浓缩等有机物处理技术才能进行分析测定。在饮用水有机物的检测分析中,用时最长,最容易导致结果误差的步骤就是预处理技术。本文主要对目前常用的顶空、吹扫捕集、固相萃取、固相微萃取等样品预处理技术进行介绍,为饮用水有机物检测分析中预处理技术的选择提供一些参考。     

酸处理菹草制备生物乙醇和甲烷过程研究

文章通过以水生植物菹草为研究对象,对水生植物制备生物乙醇和甲烷过程进行了比较分析,并利用稀酸处理提高其生物可降解性。试验结果表明:对于产乙醇过程,最优的预处理条件为硫酸质量分数2%、温度125℃、时间2h,在此条件下,乙醇产量达75.70mg/g;而对于产甲烷过程,最优的预处理条件为硫酸质量分数2%、温度115℃、时间2h,最大产甲烷量为110.56mL/g。X射线衍射仪分析结果显示稀酸预处理后菹草纤维素结构受到不同程度的破坏。分析表明厌氧产甲烷过程效率更高,更适于菹草资源化。研究结果可为水生植物的能源化利用提供技术参考。     

基于回波预处理和相参积累的C&I干扰抑制算法

C&I(chopping and interleaving)干扰是一种针对线性调频(linear frequency modulation, LFM)雷达的典型干扰样式, 干扰子信号调频斜率与雷达发射信号相同, 利用信号处理工具分离真实回波与干扰信号难度较大。针对该问题, 以LFM相参雷达抗自卫式C&I干扰为背景, 提出基于回波预处理和相参积累的干扰抑制算法。根据估计的回波时延, 设置距离窗截取受干扰回波段, 在此基础上, 通过对回波预处理, 改变不同重复周期内假目标的快时间位置分布, 通过相参积累实现干扰抑制。仿真试验表明, 所提算法能够有效抑制强干扰背景下的C&I干扰, 干扰抑制后真实目标检测概率大幅提高, 虚假目标数量明显减少。     

一种新的中文文本分类算法

对于中文文本分类问题,使用了一种新的RBF神经网络算法.这一方法通过高斯径向基函数,使用k均值推导出隐藏项的中心点及宽度,并将由隐藏层得到的输出结果合并起来,从而得到分类结果.试验证明,这种算法的准确率、召回率、F测量的值都很高,得到的分类效果很好.     

厌氧处理结合超声空化高效破解剩余污泥

为了提高超声空化破解剩余污泥的效率,进而提高污泥的可生化性能,提出先进行短时间的厌氧处理,再进行超声空化的破解方案;并对厌氧0~6 d的污泥进行了超声破解实验研究.实验结果显示:随着厌氧时间的增加,污泥自身性质发生较大改变,如化学需氧量(COD)、肽聚糖浓度大幅度增加,p H值明显降低等;对厌氧污泥进行破解,其破解效果优于新鲜污泥:对厌氧6 d的污泥进行破解,其COD浓度是新鲜污泥的99.3倍,是新鲜污泥破解后的9.5倍.厌氧处理可以降低污泥的破解难度,在较大程度上提高超声空化强度,该工艺可以实现高效破解剩余污泥的目的.     

高光谱图像预处理方法研究及进展

高光谱图像预处理方法在高光谱图像处理中具有重要意义,有效的预处理方法可以尽可能地减少甚至消除无关信息(如样品背景、电噪音和杂散光等)对高光谱图像的影响,为后续基于高光谱图像的数据分析提供更为可靠的数据来源.基于高光谱图像谱图合一的数据结构特点,该文综述了直方图均衡化,中值滤波,边缘检测等图像预处理方法以及平滑,导数,标准归一化,多元散射校正等光谱预处理方法,并给出了这些方法的应用实例.该文还详细介绍了傅立叶变换和小波变换这两种基于数据压缩和信息提取的光谱预处理方法.这些新方法的研究为后续的数据分析奠定了良好的基础.     

预处理对5A沸石吸附性影响及其再生性研究

实验研究了不同的预处理条件对5A沸石分子筛吸附分离烟气中CO₂造成的不同影响。找到了最佳的预处理条件是100℃烘箱内干燥2h,再放入400℃高温马弗炉煅烧2h,干燥器中冷却至室温,得到的5A沸石分子筛能够达到对烟气中CO₂的最佳吸附分离效果。还研究了5A沸石的循环再生性能,经过9次循环使用,CO₂的吸附分离体积一直在50%以上,说明5A沸石循环再生性能良好。