改进的子载波比特功率分配算法

针对多用户多输入多输出-正交频分复用(multiple input multiple output-orthogonal frequency divi-sion multiplexing,MIMO-OFDM)系统的自适应资源分配问题,对子载波比特功率两步分配(Two-Steps)和联合分配方法进行了比较,分析了收发天线数目对系统性能的影响.提出了一种改进的子载波比特功率算法,该算法基于两个用户可以同时在一个子载波上发送数据的子载波复用方法,将子载波和比特功率联合分配,对比特重新调整的迭代过程进行了改进.仿真结果表明,该算法在不影响系统误码性能的前提下降低了复杂度.     

瑞利衰落信道中OFDM自适应频率同步算法

提出了一种新的频偏差值表达式,在此基础上构造了自适应跟踪算法,对频偏进行跟踪,从而减小OFDM系统中载波频率偏差对系统性能的影响,并运用该算法对瑞利衰落信道中多种时变频偏的情况进行了仿真,获得了频偏跟踪曲线.理论分析和仿真结果表明,由于算法复杂度低,收敛速度快,对时变频偏的跟踪达到了较好的效果.将跟踪到的频偏补偿后,提高了系统解调性能.     

一株好氧反硝化菌的反硝化性能研究

选用四因素三水平L9(34)正交试验表设计实验,研究碳源、CODCr/N、溶解氧以及pH值对菌株tsuruhatensis戴尔福特菌好氧反硝化性能的影响,并对该菌株利用发酵罐进行扩大培养.实验结果表明,此菌株为一株高效的好氧反硝化菌.     

天津陆态网络项目建设成果

天津陆态网络项目是中国大陆构造环境监测网络项目的分项之一。本文重点介绍了分项建设基本情况、关键技术和创新点,以及建设成果及发挥效益。     

高拱坝真实工作性态研究及工程应用

本项目围绕高拱坝正常运行和强震作用下的真实工作性态开展了大量研究工作,提出了高拱坝建设的一些新理念,从真实荷载、模拟方法、真实参数等三方面建立了一整套高拱坝真实工作性态的分析方法,研发了全坝全过程仿真分析平台和强震下大坝从连续小变形到非连续大变形的动力损伤开裂破坏分析系统,研究成果解决了锦屏一级、溪洛渡、拉西瓦拱坝等300米级特高拱坝工程建设中遇到的一系列关键科学技术难题,社会效益和经济效益巨大。     

基于正交设计的陶瓷再生混凝土配合比试验

为提高废旧陶瓷的再生利用率,将陶瓷颗粒与陶瓷粉作为再生混凝土骨料与掺合料进行再生利用.运用正交设计的试验方法,以陶瓷粉、陶瓷颗粒、再生细骨料、粉煤灰、硅灰为5因素,每个因素设置4个水平,共设计16组配合比方案,进行抗压、导热等试验,得到陶瓷再生混凝土的强度、导热系数等物理力学参数,并寻找出最优配合比.试验结果表明最佳配合比为:陶瓷粉的质量分数为10%,陶瓷颗粒的质量分数为20%,再生细骨料的质量分数为40%,粉煤灰的质量分数为15%,硅灰的质量分数为5%.     

带有仿生孔的活塞裙部试验研究

受生物界凹坑形非光滑减阻耐磨表面的启发,以XL-2V型发动机为试验对象,根据活塞缸套运动副摩擦特点,以及发动机活塞失效形式,由三水平三因素正交表制订了9种仿生孔形试验方案.在发动机活塞裙部表面加工出优化后的变孔径、变行间距、凹坑和通孔交错的宏观仿生孔.通过发动机台架试验,检测出活塞磨损率和气缸压力变化率两个试验指标,对比验证仿生孔形活塞优于标准活塞的减阻、耐磨特性.得出试验优化设计的主次因素为孔径、孔分布类型和孔类型,最优水平为交错形、凹坑形和孔径甲.     

基于注意力机制的分层次交互融合多模态情感分析

针对基于视频的多模态情感分析中,通常在同一语义层次采用同一种注意力机制进行特征捕捉,而未能考虑模态间交互融合对情感分类的差异性,从而导致模态间融合特征提取不充分的问题,提出一种基于注意力机制的分层次交互融合多模态情感分析模型(hierarchical interactive fusion network based on attention mechanism, HFN-AM),采用双向门控循环单元捕获各模态内部的时间序列信息,使用基于门控的注意力机制和改进的自注意机制交互融合策略分别提取属于句子级和篇章级层次的不同特征,并进一步通过自适应权重分配模块判定各模态的情感贡献度,通过全连接层和Softmax层获得最终分类结果。在公开的CMU-MOSI和CMU-MOSEI数据集上的实验结果表明,所给出的分析模型在2个数据集上有效改善了情感分类的准确率和F1值。     

Σ-空间的∑-积

我们证明了半可分层空间的Σ-积若是次正规的,则它是集态次正规的。在文献[1]中,Yajima证明了次仿紧的Σ-空间的Σ-积若是次正规的,则它是集态δ-正规的。鉴于文献[2]中的结果,作者的一篇文章的审稿人提出:若强Σ-空间的Σ-积是次正规的,是否它也是集态次正规的(集态次正规性严格强于集态δ-正规性)?本文中,我们证明上述问题的回答也是肯定的。     

基于多模态共享网络的自监督语音-人脸跨模态关联学习方法

现有的语音-人脸跨模态关联学习方法在语义关联和监督信息方面仍然面临挑战,尚未充分考虑语音与人脸之间的语义信息交互。为解决这些问题,提出一种基于多模态共享网络的自监督关联学习方法。首先,将语音和人脸模态的特征映射到单位球面,构建一个公共的特征空间;接着,通过多模态共享网络的残差块来挖掘复杂的非线性数据关系,并利用其中权重共享的全连接层来增强语音与人脸特征向量之间的关联性;最后,使用K均值聚类算法生成的伪标签作为监督信号来指导度量学习,从而完成4种跨模态关联学习任务。实验结果表明,本文提出的方法在语音-人脸跨模态验证、匹配和检索任务上均取得了良好的效果,多项评价指标相较于现有基线方法提升1%～4%的准确率。