多天线OFDM系统的线性优化

从Jakes信道模型出发,用KKT优化方法,从信道部分特性已知的情况推导了多天线OFDM系统中发射机与接收机的线性最优化设计问题。仿真比较了多天线OFDM系统的各个子载波之间采用合作的线性优化与非合作的线性优化两种方法在不同最大多普勒频移和反馈时延下发送符号的均方误差。仿真结果表明,当信道特性部分已知时,子载波之间合作的线性优化较之非合作的线性优化有更小的均方误差。可为存在反馈时延的多天线OFDM系统设计提供指导     

自适应OFDM系统中调制识别算法研究

提出了一种适用于快衰落信道下自适应OFDM系统的调制识别算法。在信道估计和频域补偿的基础上,利用子载波组样本的6阶和8阶累积量识别5种调制信号。仿真结果表明,该算法具有良好的识别性能和稳健性,在SNR=16 dB,移动台速度小于40 km/h的条件下,调制方式的正确识别率可在到95%以上。     

湖南科技期刊审读评级分析

对自1997年至今每2a进行一次的湖南省科技期刊审读评级的情况作了总结、分析．指出审读评级工作的开展极大地促进了全省科技期刊质量的全面提高，但经济效益不好是全省科技期刊带有共性的问题；对审读评级的标准提出了修改意见。     

PBSV-DDM在电大尺寸柱体电磁散射中的应用

提出了一种高效率的基于部分基础解向量的区域分解算法(PBSV DDM).它首先求出关于连接边界上节点的部分基础解向量,在迭代过程中,只需要对部分基础解向量作简单的线性组合就可以获得整个求解区域的最终解,极大地提高了计算效率,降低了存储量.PBSV DDM不但适合于快速高效地计算任意电大尺寸柱体的电磁散射,还特别适合于求解具有几何重复性特征的结构,如天线阵列、有限周期频率选择表面、PBG EBG等的电磁仿真问题.数值算例验证了该方法的准确性和有效性.     

虚拟装配环境下快速碰撞检测方法的研究

碰撞检测算法的效率对提高虚拟装配环境的真实性和沉浸感具有重要的影响。提出了基于分层次剖分的快速碰撞检测方法。该方法通过综合运用空间剖分法和层次包容盒法快速减少需要检测的基本几何元素对数。利用虚拟装配过程的时空连贯性，通过引用模型缓存和冗余面片索引技术减少计算量和内存占用。应用结果表明该方法能够满足大规模虚拟装配环境的要求。     

MIMO-OFDM无线传输系统中的信道估计

以2×2多输入多输出正交频分复用(MIMO-OFDM)非盲信道估计方法为研究对象,分析了该系统中基于时域训练序列,结合空时分组码的直接判决信道估计方法和基于Wiener内插的信道估计方法仿真比较了其性能。结果表明,当多普勒频移较小时,可采用简单的直接判决方法进行信道估计;多普勒频移较大时,宜采用维纳内插方法进行信道估计,且可以提高信道估计精度。     

MIMO OFDM无线局域网的性能分析及其关键技术

MIMO技术与OFDM技术相结合被视为下一代高速无线局域网的核心技术，因此全面叙述了MIMO OFDM技术及其特点，分析MIMO OFDM技术在无线局域网中的应用，探讨了MIMO OFDM中的关键技术，并展望了其发展前景     

三分仓容克式空号预热器安装方案优化探讨

本人有幸参加了深圳西部电厂、华能汕头电厂、粤电汕尾电厂的锅炉本体空气预热器的安装工作。粤电汕尾电厂在安装过程采用了本人经验中最优安装方案，这里对该安装方案深入分析，总结经验。以便日后给安装人员提供技术参考，少走弯路，提高效率。     

分层次教学模式在背越式跳高教学中的应用

通过教学实验，将跳高教学过程实施分层次教学，即把教学内容分程序，教学对象分层次，并对不同的教学程序和不同的教学对象给予不同的教学方法和手段．制定出相应的层次目标，结果表明，这样可以充分调动学生学习的积极性，使各层次的学生在各自的起点上获得最佳的学习效果，实现了教学方法和手段的优化组合，使教学过程具有科学性、高效性和实用性。     

基于混沌-量子粒子群的分簇路由算法

针对粒子群分簇路由优化算法存在的收敛速度慢、 易陷入局部最优等问题, 提出一种混沌-量子粒子群 的双子粒子群分簇路由算法。 该算法以簇头的能量、 簇头与汇聚节点的距离以及与簇内成员节点的距离构造 最优簇头的代价函数, 主粒子群利用混沌粒子群寻优, 辅粒子群利用量子粒子群寻优, 加入量子波动理论, 使 算法具有较好的全局收敛性。 双子粒子群采用收敛速度快的凹函数递减策略优化权重。 仿真结果验证了该算 法可使无线传感网络节点能量消耗均衡化, 显著延长网络生命周期, 与 LEACH(Low-Energy Adaptive Clustering Hierarchy)协议、 PSO-C(Cluster setup using Particle Swarm Optimization algorithm)协议相比生命周期分别延长了 80. 1%和 41. 4%。