MIMO系统中一种基于邻域的有限反馈方法

针对时间相干信道下多输入多输出(multiple input multiple output, MIMO)波束赋形系统提出了一种基于邻域的有限反馈方法.该方法利用相邻帧波束赋形码字间的相关性,将前一帧波束赋形码字的邻域内码字组成当前帧的新码本,从而降低反馈比特数,并给出周期性反馈和自适应反馈两种方案.仿真结果表明所提方案相比普通反馈方法能有效降低反馈速率,周期性反馈能显著降低反馈量但有一定的性能损失,自适应反馈能适当降低反馈量且没有任何性能损失.     

隧道二极管噪声的研究

本文中我們討論了隧道二极管中的散粒噪声和密度起伏噪声。我們推导出計算散粒噪声的一個新的表达式,它用一個平滑性因子修正了滿散粒噪声公式。我們也計算了密度起伏噪声,計算的结果表明密度起伏噪声与散粒噪声相比,可以忽略不計。     

非平衡数据集Fisher线性判别模型

非平衡数据是指两类问题中正类样本与负类样本个数不相等,甚至相比悬殊.非平衡数据集会导致许多分类器的性能下降,这与分类器的构造原理有关.本文首先阐述了Fisher线性判别的分类机制,指出当两类样本的协方差矩阵不同时,样本不平衡会导致Fisher线性判别的性能下降.在此基础上,提出了一种加权Fisher线性判别(WFELD),以减小样本不平衡的影响.然后,从UCI中选择了8个非平衡数据集,并采用ROC曲线下面积作为评估指标进行比较,实验结果证明了WFLD模型的有效性.     

MoS2单晶薄膜的制备及生长机制研究

通过研究二维MoS₂薄膜的制备工艺参数以及生长规律,为过渡金属硫化物薄膜的制备工艺提供技术经验。采用化学气相沉积法,以MoO₃和S粉为前驱体,通过调控载气流速、保温时间和MoO₃的质量,制备一系列MoS₂薄膜。利用光学显微镜、拉曼光谱仪、光致发光光谱仪、原子力显微镜等测试设备对MoS₂薄膜的层数和结构进行表征;分析了工艺参数对MoS₂薄膜的影响,探索了中心成核的生长机制。结果表明,在载气流速为110 mL/min、保温时间为10 min、MoO₃的质量为2.5 mg的条件下,得到的MoS₂薄膜最优。同一衬底上存在不同厚度的连续的MoS₂薄膜。通过控制前驱体的比例和适当的工艺参数可以制备长度为100 μm甚至更大尺寸的单层MoS₂薄膜。     

羧甲基葡聚糖/羟基磷灰石纳米复合微粒的制备与表征

通过对葡聚糖进行改性得到可溶性的羧甲基葡聚糖(CMG),以此为模板制备了羧甲基葡聚糖/羟基磷灰石(HA)纳米复合微粒,采用TEM、FTIR、XRD、Zeta电位等测试方法对复合微粒的结构和性质进行表征.结果表明所制备的羧甲基葡聚糖/羟基磷灰石纳米复合微粒为核壳式结构,大小较为均一,分散性较好,性质稳定.     

基于多特征描述的指横纹识别

提出一种基于多特征描述的指横纹识别方法.分别提取指横纹的主成分特征、Gabor相位特征和Gabor幅值特征构成识别系统,采用Fisher线性判决方法融合各自匹配分数,进一步提高系统性能.通过98个人、1 971幅图像的测试实验表明,本文方法在获得较高性能的同时(识别率为99.39%,平均错误率为0.56%),单次匹配时间仅为0.67 ms,可以满足中等规模数据库实时识别要求.     

基于GM-RBF神经网络组合模型的水泥强度预测方法

为预测煤矸石代黏土煅烧水泥的28 d抗压强度性能,根据生产水泥的物检分析数据,将GM(1,N)预测技术和径向基函数(RBF)神经网络技术相结合,提出了基于GM-RBF神经网络组合模型水泥强度预测的新方法。该组合模型首先利用试验产品的典型物检数据建立GM(1,N)网络,对数据进行预处理。然后将输入样本数据进行一次累加生成操作,并进行归一化,设置GMRBF神经网络组合模型预测精度和散步常数。经处理后的输入样本作为RBF神经网络输入向量,相应的实测28 d抗压强度作为模型的输出期望值开展训练,比较预测数据与实测数据,并进行调整,最终得到符合精度要求的GM-RBF神经网络组合模型。该组合模型一方面避免GM(1,N)模型的理论误差,利用累加生成运算和样本数据的预处理,减少了由于训练样本随机性对建模精度产生的影响;另一方面由于具有自适应、自组织和速度快等特点,能快速预测水泥远期强度情况。仿真试验表明,该模型预测精度优于单个GM(1,N)模型或RBF神经网络模型,具有较好的拟合性,适用于对水泥强度的预测,可以为煤矸石代黏土煅烧水泥的质量分析提供有效参考。     

基于子词的句子级别神经机器翻译的译文质量估计方法

目前性能最优的译文质量估计系统使用神经机器翻译中的编码器-解码器模型作为特征提取器.该方法由于限制词表大小易导致数据稀疏问题,从而使得较多的未登陆词不能被正确评价.为了缓解上述问题,在详细分析不同子词切分方法的特点后,提出了基于字节对编码(BPE)子词切分和基于一元文法语言模型子词切分的神经译文质量估计方法,并将两者的译文质量估计的得分与基于词语切分的神经译文质量估计得分融合后进行译文质量估计.在WMT18句子级别译文质量估计子任务数据集上的实验结果表明:融合BPE子词切分、一元文法语言模型子词切分和词语切分的神经译文质量估计方法的性能在多个评测子任务上超过了WMT18给出的最好参与系统,深入的实验分析进一步揭示了融合不同粒度的句子切分方法提高了译文质量估计的健壮性.