面向连续变量量子密钥分发的多边型LDPC码设计与性能分析

为满足连续变量量子密钥分发(continuous-variable quantum key distribution, CV-QKD)应用场景中对高性能低密度奇偶校验(low density parity check, LDPC)码的需求,提出了针对一类具有3种边类型且部分变量节点度为1的多边型LDPC(multi-edge type LDPC, MET-LDPC)码的设计方法。通过掩模到需要的度分布的方式设计左上角矩阵;采用基于多路径外在信息度(extrinsic message degree, EMD)策略的渐进边增长(progressive edge growth, PEG)算法设计左下角矩阵;将各部分矩阵组合在一起完成MET-LDPC码的设计。仿真结果表明,采用掩模加PEG算法设计的MET-LDPC码比单独用PEG算法设计的MET-LDPC码性能更优。     

基于概率密度函数的低复杂度盲均衡算法

为降低基于Parzen窗随机盲均衡(SQD)算法在传输信号采用高频带利用率QAM信号时的计算复杂度,提出一种低复杂度SQD算法(LCSQD).将判决区域从整个星座修改为一个以均衡器输出为圆心,半径为可调的圆,计算量较少,并且不会随QAM阶数的增加而增加.采用16QAM和64QAM调制信号测试了不同判决半径时LCSQD算法的性能.结果表明,两种算法的稳态剩余ISI相接近时,LCSQD算法的收敛速度快于SQD算法.     

循环流化床锅炉变工况下的传热系数计算

为了提高循环流化床锅炉变工况下传热计算的精度,克服现有的关于炉内平均传热系数模型的不确定性,针对75 t/h循环流化床锅炉,依据在大量变工况试验的基础上所获得的不同负荷下沿炉膛高度的固体物料浓度分布,建立了变工况下分三区计算的传热模型。该传热模型正确反映了炉膛上部过渡区和稀相区平均固体物料浓度随循环流化床锅炉运行主导因素的变化规律。计算结果表明:依据三区传热模型计算的各区温度与试验运行值在各个工况下都吻合较好,该结果为循环流化床锅炉的动态特性研究和仿真研究提供了技术支持。     

多点测量Internet拓扑特征实例分析

以CAIDA授权的海量数据为样本空间,对Internet拓扑结构进行分析.简要描述单点测量网络存在的采样偏见问题,并对多点测量网络拓扑实例进行分析.结果表明实际的网络拓扑具有幂律分布特征,但随着采样偏见影响的降低,幂指数呈逐渐减小的趋势.之后,分析了网络拓扑的谱密度分布,与BA生长模型无尺度图的谱密度相比,实际网络拓扑有明显区别,说明Internet是不符合BA模型的无标度图.     

复杂网络度分布的异质性对其同步能力的影响

讨论了一类度分布在无标度网络和随机网络之间连续可调的网络模型.提出连接密度的概念,在网络规模保持不变的前提下,研究度分布的异质性、连接密度对网络同步能力的影响.根据同步判据研究两类网络的同步能力.类型Ⅰ网络,其同步能力与网络度分布的异质性的相关性受网络连接密度的影响,连接密度较小时同步能力与度分布异质性无关.类型Ⅱ网络,其同步能力受网络度分布异质性和网络规模及网络连接密度共同影响.异质性越强、网络规模越大、连接密度越小,类型Ⅱ网络越不容易实现同步.     

基于快速路交通录像的交通流模型参数测量方法研究

提出一种利用城市快速道路交通录像资料测量交通流模型中各种参数的方法.以北京市一个路段的实际录像资料为例,通过测量和分析获得Kerner非线性模型中的临界密度、宽运动堵塞的传播速度和Greenshields模型中的畅行速度等参数.结果显示,这是一种操作性强、成本很低且有多种应用前景的交通流测量新方法.     

不可逆过程中自由能减小率的计算

基于非平衡系统的局域平衡假设,对有物质输运的不可逆过程的自由能流密度与局域自由能减小率进行了计算和讨论,为用辅助热力学函数研究不可逆过程进行的速率问题提供有益的参考.     

正四面体生成的Sierpinski海绵的Hausdorff测度

研究了一类由迭代函数系统生成的自相似集的Hausdorff测度,在压缩比满足一定条件下,通过确定其最大上凸密度得到此类正四面体Sierpinski海绵的Hausdorff测度的精确值为1。     

聚氨酯泡沫复合夹层板抗爆特性分析

聚氨酯泡沫复合夹层板是一种可广泛应用于防护工程中的新结构形式 ,据此对聚氨酯泡沫材料夹层板进行了爆炸荷载下有限元分析 ,并与粘钢混凝土板及混凝土板两种板结构进行了比较 ,验证了聚氨酯泡沫夹层板良好的抗爆吸能性能     

基于密度聚类的模糊神经网络和CHP分解过程建模

针对基于样本数据的复杂系统建模问题,提出了基于密度聚类的模糊神经网络(DFNN)的建模方法,研究了利用密度聚类原理提取数据样本的内在规则的理论和方法,提取的规则能较好地反映样本数据输入输出的对应联系,根据提取的规则给出了模糊神经网络的模型结构.本文以化工生产过程过氧化氢异丙苯(CHP)分解反应过程为对象进行仿真建模,结果显示在模型精度和可靠性上均优于基于c均值聚类提取规则的模糊神经网络模型(CFNN).