多路回波消除研究现状综述

针对多路回波影响通讯质量问题,首先对自适应多路回波消除的原理及存在问题进行了阐述和分析;然后介绍了为减弱多路输入信号之间的强相关性而采取的几种预处理方法;之后,对目前现有的多路回波消除自适应算法进行了详细地综述,并阐述了各种算法的特点;最后,指出了今后多路回波消除研究中几个可能的研究方向。     

基于Kendall’s τ的连接函数分布估计算法求解云计算中SaaS部署问题(英文)

分布估计算法的性能高度依赖于如何估计和采样概率分布,连接函数(Copula)是构建概率分布模型的强有力的工具.论文给出了一个基于Kendall’s τ的正态连接函数分布估计算法,算法通过估计Kendall’s τ和利用Kendall’s τ与相关矩阵的关系首先估计正态连接函数中的相关矩阵,由此估计出联合分布.然后,Cholesky分解算法被用于该矩阵生成新的个体.由于正态连接函数的简单性,使得该算法具有简单明了的优点.算法被应用于一些测试函数和云计算中的SaaS部署问题,实验结果表明了算法的有效性.     

8-羟基喹啉-铝修饰碳糊电极的电催化作用

以亚铁氰化钾为探针,循环伏安法研究了8-羟基喹啉-铝络合物修饰碳糊电极的电化学行为,实验表明,8-羟基喹啉-铝络合物为修饰剂对亚铁氰化钾的氧化还原过程具有电化学催化行为,使亚铁氰化钾氧化还原峰电位提前,峰电流增加,峰-峰电位差减小。络合比对催化作用有影响,络合比为1∶1型为最佳;在给定修饰物浓度下0.25mL的8-羟基喹啉-铝络合物修饰为最佳,形成完美的单分子修饰层。     

基于Cyclic-Music算法MIMO雷达的DOA估计

在具有循环平稳特性的信号环境中, 传统DOA（Direction Of Arrival）估计算法精度很差,甚至失效。为此,将Cyclic-Music算法运用在MIMO（Moltiple Inpat and Multiple Output)雷达系统中,利用循环统计量理论计算接收信号间的循环相关函数,基于此构造循环互相关矩阵,并对其进行奇异值分解和谱峰搜索,从而得到信号的波达方向角。理论推导和仿真结果均表明,该方法可以有效估计具有循环平稳特性的人工信号波达方向,从有效性和精度两个方面改善了MIMO雷达的估计性能。     

FCAN:一种基于快速映射的内容访问网络

针对当前结构化P2P文件存储系统存在仅支持单关键字的精确匹配,而缺乏支持语义查询的局限性,提出一种基于快速映射的结构化P2P存储系统FCAN,利用FastMap实现从语义空间到P2P空间的映射,在保证文本矢量语义完整性的同时对其进行有效降维,从而实现基于内容的查找;通过对质心法确定的最近邻居进行聚类,有效地减少了冗余消息和查询时间。仿真实验表明FCAN不仅具有较高的召回率和精度,还具有较少的查询时间和冗余消息。     

基于种群密度的粒子群优化算法

为提高粒子群优化算法的收敛性能,提出了基于种群密度的多子群粒子群优化算法。该算法把生态学中的协同进化思想引入到粒子群优化算法中,充分考虑了环境和子群间相互竞争的关系,通过多种群的Lotka-Volterra竞争方程,动态调整各粒子群的密度,从而提高了粒子的多样性,加快了算法的进化速度。实验仿真结果表明,与单种群的粒子群优化算法相比,该算法提高了收敛速度和收敛精度。     

基于粒子群优化算法的稀疏信号盲分离

把粒子群优化算法应用于稀疏信号盲分离中,采用基于粒子群优化算法的聚类算法来估计混合矩阵;然后利用粒子群优化算法在求解具有线性约束优化问题时,只需在初始化时粒子满足线性约束条件,无须做其它处理的特点来求解稀疏源信号,从而给出了一种基于粒子群优化算法的稀疏信号盲分离算法。该算法计算量小,精度较高。仿真结果表明该算法是有效的,具有良好的分离性能。     

SCA型高效规整填料的开发及其性能研究

研究开发了一种新型金属丝网波纹填料—直线与弧线交替（SCA）型规整填料,该填料为独特的弧线与直线交替式结构,兼具了直线、弧线型等多种典型填料的优点。在透明的树脂玻璃塔内进行冷态模型实验,通过将700、800、1 000 m²/m³的3种大比表面积的SCA型填料与传统填料进行比较,研究其流体力学性能与传质性能。实验对比结果显示：在相同操作条件下,SCA700型填料的干塔压降仅为传统CY型填料的67.8%,平均降低了32.2%;湿塔压降仅为传统CY型填料的65%,平均降低了35%;液泛气速平均高出20%,等板高度值平均减小了近24%。上述结果表明,SCA型填料兼顾了填料的传质性能与流体力学性能,在减小压降、增大操作弹性与传质效率方面均有显著进步。     

基于小波概率密度函数估计的盲信号分离算法

利用概率密度函数的非线性小波估计方法,对混合信号的概率密度函数及其导数进行估计,由此估计信号的评价函数,从而给出了一种盲信号分离算法.该方法简单,可直接应用于所有以非线性函数代替评价函数的盲信号分离算法.计算机仿真结果表明了算法的有效性.     

具有遗传特性的粒子群优化算法及在非线性盲分离中的应用

粒子群优化算法是一种新的基于群智能的随机优化进化算法.文章将变异和交叉思想引入到粒子群优化算法中,其基本思想是利用粒子群优化算法每次迭代的最优粒子位置及速度为基础对部分粒子进行变异,然后对变异前后粒子的分量进行随机交叉操作,从而产生新一代粒子群.通过这种处理使得粒子群体的进化速度加快,从而提高了算法的收敛速度和精度.该算法应用于盲信号分离中而获得一种非线性盲信号分离算法.计算机仿真结果表明该算法的收敛性能优于粒子群优化算法,并且在非线性盲信号分离中是有效的.