一种基于信道感知和预测的多址接入方法

为了实现认知无线电系统中机会式的频谱接入、主动避免对主用户的干扰,提出了一种基于信道感知和预测的多址接入方法。考虑主用户对信道的占用过程具有一定的突发性和相关性,将主用户的活动规律建模为半马尔可夫过程。新算法充分利用信道感知结果和主用户的活动规律预测下一个时刻主用户的状态及剩余状态持续时间,并采用递归预测误差法进行参数估计。仿真结果表明,与传统的载波侦听多址接入算法相比,新算法能够在保证主用户阻塞概率约束的前提下,较大地提高频谱利用率,非常适用于认知无线电。     

一种曼尼希碱型盐酸酸化缓蚀剂的研制

利用环己胺研制了一种低成本的曼尼希碱.该曼尼希碱具有良好的缓蚀性能,可用作油气井酸化缓蚀剂的主剂.以静态腐蚀速率为试验评价指标,对原料酮、甲醛的类型进行了筛选,并研究了反应温度、反应时间、反应体系的pH值等因素对反应产物缓蚀性能的影响,对主剂合成工艺条件进行优化,总结了最佳合成工艺条件.测试了该缓蚀剂在不同浓度下对N-80钢的缓蚀性能,初步地探讨了主剂与增效剂之间的协同效应.腐蚀试验表明,在60℃,20%的工业盐酸中只需加入0.5%,即可满足石油天然气行业标准中酸化缓蚀剂一级品的要求.     

H11模具钢激光宽带相变硬化处理

研究H11钢在激光宽带扫描作用下各工艺参数对淬火层的影响,对H11钢显微硬度进行了测量分析,对H11钢不同搭接量进行了选择,并对H11钢淬火硬层显微镜组织进行了观察分析.     

不确定性关联时滞系统的分散鲁棒H∞控制

基于LMI方法,在考虑存在外部扰动的情况下,给出了时变不确定性关联时滞大系统的分散控制器的设计方法.通过构造分散控制律,使得闭环系统具有一定的鲁棒稳定性.由求解一线性矩阵不等式组(LMIs)可获得满足设计要求的控制器.其算例表明了该方法的有效性.参10.     

氮掺杂碳化硅纳米管电子场发射的第一性原理研究

运用第一性原理研究了氮掺杂对碳化硅纳米管场发射性能影响.计算结果表明,在外加电场作用下,体系的态密度均向低能端移动,赝能隙及最高占据分子轨道/最低未占据分子轨道能隙减小,且Mulliken电荷在帽端聚集程度增加.态密度、最高占据分子轨道/最低未占据分子轨道能隙及Mulliken电荷分析表明,氮掺杂改善了碳化硅纳米管的场发射性能,且N替代顶层五元环中Si原子体系场发射性能最优.     

烧结机尾断面图象的特片提取

通过对带式烧结机烧结过程变化与机尾断面象之间关系的分析，撮了断面图象的一次特征，并确立了基于过程机理的一次特征提取方法，在此基础上又进行了二次特征提取，所提取的二次特征能够从４个方面对烧结过程进行定量描述。     

珠江三角洲秋季典型光化学污染过程中的臭氧来源分析

利用区域空气质量模型CAMx 模拟珠江三角洲地区(简称珠三角) 2009 年11 月臭氧浓度演变过程, 运用臭氧源识别技术(OSAT)对其中两个典型的光化学污染日进行臭氧来源识别, 并与清洁日的情况做对照分析。结果表明, 广州市区和东莞的排放对本地及珠三角西南部臭氧贡献很大(15~30 μL/m3), 深圳宝安区排放对珠江口有明显的贡献(15~25 μL/m3)。流动源和溶剂使用源是珠三角臭氧生成最主要的两类前体物排放源, 主要影响范围覆盖珠三角的中部和西部, 流动源对佛山和江门交界地区的臭氧小时浓度贡献可达50 μL/m3。较高的边界外传输使得珠三角在出现不利污染气象条件的情况下更易发生臭氧污染, 但珠三角的前体物排放是造成污染时段臭氧浓度升高的主要原因, 控制珠三角内的污染源排放对控制臭氧污染具有关键作用。     

基于单片机的恒温控制系统的设计与实现

温度的监测与控制,对于工业生产的发展有着非常重要的意义。采用MCS-15单片机设计并实现了一个恒温控制系统。介绍了该系统的设计结构图、硬件电路、软件实现和各主要功能模块的程序流程图。该系统控制温度范围广泛、可靠性强、使用灵活,达到了设计者所期望的效果。     

原位合成TiC颗粒增强铝基复合材料及其磨损性能

利用原位合成的方法在几种锻铝基体中合成了TiC颗粒.X射线衍射谱表明,在复合材料的显微组织中TiC是惟一反应生成物.与基体材料相比,引入TiC后材料的耐磨性能有很大幅度的提高,且磨损性能与基体材料的强度之间没有必然的联系.对磨损试样表面的sEM观察显示,在磨损过程中TiC颗粒凸起于基体,在表面起支撑载荷的作用,同时使摩擦副(滚轮)与基体表面之间形成一个储存润滑油的间隙,从而改善了磨损过程中的润滑条件,减小了试样的磨损量.     

基于改进卷积神经网络与动态衰减学习率的环境声音识别算法

环境声音识别在音频检索、监控方面有着广泛的应用,是听觉识别任务中的一个热门研究领域。但由于其声音信号的复杂多变,使得该任务在识别率提升方面依然面临许多挑战。针对这一问题本文提出了基于改进卷积神经网络的环境识别模型（S-CNN）,该模型采用反复堆叠的递减型卷积核提取不同尺度的局部特征,并在每层卷积层后采用Batch Normalization（BN）层对特征进行归一化操作。同时,利用动态衰减的学习率训练模型,以提高模型收敛速度与收敛稳定性。实验结果表明,相比于传统的机器学习与卷积神经网络模型,本文所设计的改进卷积神经网络模型S-CNN具有更好的识别率。在ESC-10环境声音数据库上,识别精度达到91.3%。