基于波峰因子衰减与数字预失真的功放线性化技术

研究了峰均比抑制技术和数字预失真的联合设计及加入峰均比抑制技术后的增益控制问题,并给出了相应的峰值限幅算法和自适应的预失真算法,提出了平均功率调整和增益控制的结构和实现方法.仿真结果表明联合设计方案能够很好地补偿功放的非线性和记忆性,而且信号的带内失真得到了明显的改善,带外扩散也得到相应地抑制.     

沸腾颗粒层除尘器内设预荷电装置的初步研究

对沸滕颗粒层除尘器内设预荷电装置,让待净化的尘粒首先荷电（称为预荷电）然后再通过滤层进行分离的净化方式进行了理论分析,分析显示设预荷电装置可改进除尘器的性能,为证实理论分析的正确性及该技术的实用性,还介绍了该技术的试用情况。     

具有广义分解的态射幂的广义逆

研究了具有广义分解的态射幂的Moore-Penrose逆的存在条件及其表达式，给出群逆的表达式，并得到了态射幂的Moore-Penrose与群逆之间的关系，推广了具有泛分解的广义逆的相应的结果。     

基于正则信道求逆预编码的MIMO功率分配方案研究

提出一种多用户MIMO系统中基于正则信道求逆预编码并具有QoS保障的功率分配方案:结合信道状态信息和用户QoS需求,分析得出约束条件的可行性判断依据;利用连续几何规划算法将非凸优化问题近似为凸优化问题,并辅以内点法求解最优功率分配方案;最终综合得出一套基于滑动窗口机制的功率分配框架。仿真结果表明,与现有算法相比,该方案能在有效保障用户最小速率和时延需求的基础上,显著提高系统可达速率。     

基于XLNet的中文文本情感分析

针对Word2vec等静态词向量模型不能解决一词多义、传统情感分析模型不能同时提取文本的全局和局部信息问题,本文提出了结合广义自回归预训练语言模型(XLNet)的文本情感分析模型。首先利用XLNet表示文本特征,然后利用卷积神经网络提取文本向量的局部特征,再利用双向门控循环单元提取文本的更深层次上下文信息,最后引入注意力机制,根据特征的重要性赋予特征不同的权重,并进行文本情感极性分析。仿真实验中将本文模型与5种常用的情感分析模型进行对比,验证了模型的准确率和优越性。     

空间相关MIMO广播信道中的预编码技术

针对多天线多用户下行链路中,采用块对角化预编码进行多路并行传输时,用户端的检测复杂度比较高,且系统的和速率性能将受到信道空间相关性严重影响的问题,提出了一种将发送端迫零预编码与接收端天线选择进行联合的预编码方案,降低了接收复杂度.分析了该方案在最佳信道选择下的性能,并引入了一种简单的次优天线选择算法.仿真表明,提出的预编码方案在和速率性能上明显优于原迫零预编码,且在高信噪比情况下,几乎获得了与块对角化预编码相同的和速率.     

一种基于词嵌入模型和卷积神经网络的简化文本分类方法

自然语言处理（Natural Language Processing,NLP）可分为自然语言理解（Natural Language Understanding,NLU）和自然语言生成（Natural Language Generation,NLG）两大类子任务。预训练语言模型和神经语言模型在自然语言理解的整个流程中占据重要地位。本文梳理了文本预训练语言模型的发展流程,并分析当下主流的预训练语言模型以及深度学习模型的不足,基于经典预训练语言模型（Word2Vec）和卷积神经网络分类模型（CNN）,提出一种简化的文本分类模型（Simplified CNN）,在多个情感分析（Sentiment Analysis,SA）基准数据集上进行实验测试,实验结果表明,在文本分类任务上,简单网络可以得到与复杂网络相媲美的分类效果并且运行时间优于复杂网络,与传统的分类模型相比较,在分类效果上表现出了优势。     

快速z箍缩装置的预脉冲分析

输出参数为500 kV/400 kA/100 ns的快速z箍缩(z-p inch)装置由M arx发生器、脉冲形成线、充气型V/N主开关、传输线及负载组成。z箍缩负载分别采用氖气喷气负载及金属单丝负载。为了判断主放电时负载的初始状态,该文建立了z箍缩装置的充电等效电路模型,并借助P sp ice电路模拟软件计算了形成线充电期间在负载上获得的预脉冲波形。通过分析可知:p d值为1~10 Pa.m左右的氖气负载,在装置预脉冲电压的作用下将被击穿;而直径为20μm、长度为1 cm的A l(铝)或W(钨)单丝负载,装置预脉冲电流将不能使之汽化。     

汽车故障知识图谱构建及应用研究

知识图谱技术对汽车高效的故障诊断具有重要的意义,现有汽车故障知识图谱构建存在着实体识别模型效果不佳、无法解决嵌套实体等问题。针对上述问题,通过采用全词掩码的预训练语义模型、加入对抗训练和改进嵌套实体识别模型的方式提高实体识别模型效果,提出了一种改进的嵌套实体识别模型。实验结果表明,所提模型在F1指标、P指标、R指标上相比基线模型分别提高了3.56%、4.08%、3.05%,相比其他模型也有不同程度的提高,验证了所提模型对汽车维修领域实体识别具有显著效果。同时,基于构建的汽车故障知识图谱,实现了汽车故障知识智能问答原型系统,展示了知识图谱技术在汽车故障诊断与维护领域的应用前景。