频域时间反转多用户系统的信干噪比和误比特率分析

为了更有效地将时间反转技术应用到正交频分复用系统中,推导了多天线频域时间反转预编码多用户系统的平均信干噪比和误比特率的表达式。通过推导信号功率均值的表达式和用户间干扰信号功率均值的近似表达式,得到用户的平均接收信干噪比的近似表达式,进而得到二进制相移键控调制下的平均误比特率的一个下界和近似表达式。仿真结果表明,推导的平均信干噪比的近似值与仿真结果很接近,近似BER值与仿真得到的平均BER值较为接近;通过增大速率回退因子和天线数,可明显提高平均信干噪比,降低误比特率。     

大剂量多孔无针注射器结构优化

针对目前单孔无针注射器单次注射剂量小、需要多次重复注射的缺陷,提出一种大剂量多孔无针注射器.应用ANSYS Workbench仿真平台对多孔无针注射器的注射流场进行分析,发现多孔无针注射器的工作压力不低于13 MPa;并通过流固耦合分析,得到多孔无针注射器不同直径的应力变化规律,且拟合了不同压力下许用应力与最小安瓿直径之间的关系多项式.根据仿真结果设计正交试验对多孔无针注射器收缩段进行结构优化,得到优化方案：20°收缩角、1.4的长径比、2 mm的分布圆直径、4.05 mm的收缩段长度和0.165 mm的微孔直径.且通过安瓿的应力分析,验证了优化方案满足材料的力学性能要求.优化结果表明,该注射器具有比传统单孔注射器更大的注射剂量,可达5 mL,注射速度高达150 m/s以上,能击穿皮肤,同时又不致造成过多损伤.试验及动力学分析进一步验证了优化方案的可行性.     

基于旋转准正交空时分组码的LDPC编码性能

为了提高空时分组码在多输入多输出通信系统的性能,提出一种新的准正交空时分组码,并且结合星座旋转设计和交织技术。通过星座旋转准正交空时分组码,以牺牲一定解码的简单性,来避免当天线数目大于2时,正交空时分组码码率下降的缺点;并与LDPC码进行级联编码,来降低系统误码率及提高系统的可靠性要求。多输入多输出通信系统可以很好地解决多径效应,获得很高的分集增益。仿真结果表明:与没有经过星座旋转的准正交空时分组码系统相比较,这种新的编码方法可以有效地降低误码率,提高系统的性能。在误码率10-5时,CRQOSTBC级联LDPC码与QOSTBC级联LDPC码相比有1.8dB的信噪比改善,CR-QOSTBC级联LDPC码相对于未级联LDPC码的QOSTBC在10-3时有5.3dB性能提升。     

力学量算符本征函数的正交归一性

文中讨论了力学量算符本征函数的正交归一化性质,给出了得到正交归一化函数的方法。     

沃尔什函数复制理论与正交用表

首次将沃尔什函数复制理论引入到正交试验技术的数学工具———正交试验用表中,用复制理论复制生成了正交用表,这是设计制作正交用表的另一新的有效途径,这不仅开拓了沃尔什函数复制理论应用的新领域,而且,也改变了半个多世纪来只能由数学家们设计和制作正交试验用表的局面,同时也将对正交试验方法的推广和应用产生积极的促进作用。     

与星（m,r）——正交的（g,f）——因子分解

设ｇ和ｆ是定义图Ｇ的顶点集Ｖ（Ｇ）上的整值函数。本文证明了如下结果：设ｒ是一个正整数,Ｇ是一个（ｍｇ＋ｍ－１,ｍｆ－ｍ＋１）—图,且ｇ（ｘ）≥ｒ－１,对ｘ∈Ｖ（Ｇ）。若Ｈ是Ｇ的一个有ｍｒ条边的星,则Ｇ有（ｇ,ｆ）—因子分解与Ｈ（ｍ,ｒ）—正交。     

离散正交小波包及其在噪声抑制中的应用

研究有限长序列的小波包处理和噪声抑制的方法,方法用正交共轭滤波器构造有限维内积空间的正交值和分解及有限长离散小波包,分析了噪声的小波包分解系数的特性,并提出小波包变换域降噪的方法。     

城市地区GSM网络规划中的接收质量预测

在数字移动通信网络规划中,希望能对网络服务区内的信号接收质量进行预测,并尽可能减少大量的实测工作．文中以ＧＳＭ网络为背景,首先通过一定的信道模型完成了对不同环境下的多径衰落信道的模拟,然后利用软件模拟接收端对ＧＭＳＫ信号的Ｖｉｔｅｒｂｉ解调,综合考虑了瑞利衰落、阴影衰落、时延扩展、高斯白噪声及同频干扰对误码率的影响．模拟所得的结果是ＧＳＭ系统中典型市区环境下信道解码前对误码率与载干比的关系．最后在考虑了话务量对误码率的影响以后,提出了误码率的预测公式,从而实现了对ＧＳＭ网络接收质量的预测．     

线性无关向量组正交化的矩阵解法

利用矩阵的初等变换,给出了线性无关向量组正交化的矩阵解法,使用该方法使得线性无关向量组正交化过程更加简捷易行。     

多项结构指标间的相互制约关系对丙三醇发酵的影响

以正交试验测验的多项结果指标,采用分组统计方法,进行Ｆ方差检验证明：发酵液中残留还原糖,菌体数量和丙三醇之间存在着极显著相互制约关系。在本实验条件下,当控制菌体增长浓度为ＯＤ６８０ｎｍ,还原糖质量分数为１．６７％,丙三醇产生量最多。