Mo-Bi-Fe-Co基催化剂的制备方法

针对共沉淀法存在的催化剂元素混合不均、比表面积小、导热差、催化剂容易失活等问题,分别采用共沉淀法和浸渍法制备了两种Mo-Bi-Fe-Co基催化剂.所得浸渍法制备催化剂的最佳制备条件为:浸渍时间为6 h,浸渍液浓度为1.25 mol/L(以Mo的摩尔浓度为标准),浸渍次数为2次,柠檬酸加入量为Mo/Citric acid=1.3,煅烧温度为620℃.在温度为380℃、空速为7 200h-1、异丁烯与空气比为6:94的反应条件下,该催化剂的转化率和选择性分别为88.9%和68.0%.浸渍法制得的催化剂的活性明显优于共沉淀法制备的催化剂.     

IRS辅助认知无线携能通信网络的发射功率最小化算法

智能反射平面（IRS）和认知无线携能通信技术被视为是提高能量效率和频谱利用率的潜在关键技术。文中研究了基于非线性能量采集模型的IRS辅助认知无线携能通信网络,其中次用户发射机同时给多个次用户接收机发送信息和能量,每个次用户接收机采用功率分割方式实现信息解码与能量采集,目的是通过联合优化次用户发射机的波束成形矢量、次用户接收机的功率分割系数以及IRS相移使次用户发射机的发射功率最小化。为了保证次用户发射机的信息与能量传输效率并限制次用户发射机对主用户接收机的同频干扰,考虑次用户接收机具有最小信干噪比约束、最小能量采集约束与功率分割系数约束,次用户发射机对主用户接收机有最大干扰功率值约束,以及IRS具有反射相移约束。所构建的问题属于非凸的二次约束二次规划问题,并且优化变量之间高度耦合,难以求解。文中提出一种基于半正定松弛法和连续秩一约束松弛法的交替优化算法进行高效求解。为了降低复杂度,进一步提出一种基于IRS分组的低复杂度优化算法。仿真结果表明,与几种基准算法相比,所提算法能够有效降低次用户发射机的发射功率。