基于信息熵和GA-ELM的调制识别算法

针对当前通信信号调制识别算法在低信噪比（signal-to-noise ratio，SNR）下识别率低、训练速度慢、识别调制类型少的问题，提出了基于信息熵特征和遗传算法-超限学习机（genetic algorithm-extreme learning machine，GA-ELM）的调制识别算法。首先，提取信号的4种熵特征：奇异谱香农熵、奇异谱指数熵、功率谱香农熵和功率谱指数熵作为调制识别的特征参数；其次，采用GA-ELM作为分类器。仿真实验表明，对11种模拟、数字调制信号进行分类识别，在SNR大于4 dB时算法的总体识别率均超过98%，同时该算法训练速度快，识别系统设计简单，具有较大的应用价值。     

一类四阶椭圆方程的无穷多个解的存在性

考虑一类次线性四阶椭圆方程,能量势能函数F在适当的弱化条件下,利用临界点理论中的“属”属性,得到了该方程的无穷多个非平凡解的存在性,借此推广了相关结果。     

历史经验、体系升级与大国竞争

正大国竞争是近现代国际关系发展的主线之一。由于国内动员力和技术的局限,除法国大革命和拿破仑战争外,20世纪前欧洲大国之间的战争主要是依靠常备军争夺领土等针对局部战略利益的有限战争。20世纪以来,大国战略竞争步入全新阶段,参与者不仅超越传统欧洲国家范畴,更通过政治与技术变革进行着真正意义上的优势之争。两次世界大战的地理范围之广、持续时间之久、破坏力之大、对于不同国家影响之深都表明,基于技术、经济和政治社会变革,大国掌握了前所未有的竞争能力,"总体战"成为大国竞争手段和结果。二战     

静音材料在奇瑞汽车中的应用研究

车内噪声作为评价汽车NVH(Noise Vibration and Harshness)特性的重要指标,越来越受到各大汽车企业关注,降低汽车车内噪声已成为国内外相关科技工作者的研究目标。文章从车内噪音的传播方式及控制手段出发,通过对不同吸/隔音材料性能的研究,了解了声学材料在车内使用的基本方式,并将此研究结果应用于奇瑞某款车型,取得了较好的实际效果。     

非晶硅/晶体硅(a-Si/c-Si)异质结

通过对非晶硅/晶体硅(a-Si/c-Si)异质结能带不连续、发射结掺杂以及界面态密度进行分析,研究它们对a-Si/c-Si异质结的界面特性,以及a-Si(N+)/c-Si(P)结构电池性能的影响.研究发现,能带不连续以及a-Si发射结高掺杂有利于实现界面复合机制由以悬挂键复合主导的复合机制向由少数载流子复合占主导的SRH(Shockly Read-Hall)复合机制转变,有效降低界面复合速率.AFORS-HET软件模拟显示：在c-Si(P)衬底掺杂浓度为1.6×1016 cm-3时,a-Si(N+)发射结掺杂浓度大于1.5×1020 cm-3是获得高电池效率的必要条件;与短路电流密度相比,开路电压受a-Si/c-Si界面态密度影响更明显.     

浅析大学生就业难的原因及对策

本文通过某网站对大学生就业难原因的一项网络调查的统计来分析当前大学生就业难的原因,就业难主要集中在大学生人数本身因逐年扩招增多以及目前培养的大学生不适应当前社会经济发展所带来的产业结构变革,并根据此提出需要国家,社会,学校一起共同改变目前的状况才能从根本上解决大学生就业难。     

基于CNN和Bi-LSTM的脑电波情感分析

针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型.首先将一维数据转换为二维数据,采用CNN提...     

FMT系统中组合式均衡方法的性能比较

对滤波多音调制（FMT）系统中的判决反馈均衡、前置式均衡和后置式均衡3种均衡方案在无线通信中的特点和性能作了详细比较．给出了3种均衡方案下的FMT系统在AWGN信道和Rayleigh信道中的仿真结果。     

基于无标度性和资源分配的网络链路预测算法

链路预测是指根据网络结构中的已知信息来推测网络产生新链接的可能性．资源分配算法（RA）是一种简单高效的基于网络局部信息的链路预测算法，但RA算法中并未考虑被预测两节点自身的信息．在RA算法基础上考虑被预测节点间的链接偏好（PA），提出基于网络结构的资源分配RSF和RSW算法．在14个实际网络中进行链路预测实验，验证了所给算法的有效性和鲁棒性，并分析了网络结构的无标度性对算法预测性能的影响．     

Cu—Zn—Al—Zr甲醇合成催化剂的UVDR、TPD和TPR表征

在Cu-Zn-Al甲醇合成催化剂中添加适量的氧化锆助剂，制得Cu-Zn-Al-Zr催化剂及表征其特性。实验结果表明，Cu-Zn-Al-Zr催化剂最佳反应温度为230℃，比Cu-Zn-Al低约10℃。热处理前后甲醇得率分别比Cu-Zn-Al高16％和38％。UVDR表征显示，反应后催化剂在598nm 处观测到在ZnO晶格介面上的Cu^ ;CO-TPD表征显示，经450℃热处理后的催化剂只在182℃-197℃处出现一个由Cu^0位贡献的吸附峰；热处理前在261℃-274℃处由Cu^ 位贡献的吸附峰消失。Cu-Zn-Al-Zr催化剂对CO的吸附量和Cu^ 含量均大于Cu-Zn-Al催化剂，这与该催化剂具有较好的低温活性和较高的热稳定性密切相关。