基于分解与集成的空气质量指数预测

为了能够准确地预测空气质量指数（AQI），建立了基于集合经验模态分解（EEMD）-样本熵（SE）的极限学习机（ELM）和门控循环单元（GRU）组合的AQI预测模型。首先利用EEMD算法对AQI数据进行分解，得到一组不同尺度的本征模态函数分量和残余分量；其次计算各分量SE值，根据各分量SE值将各分量重新组合成新的序列，并将新序列按其复杂程度经过GRU模型或ELM模型进行预测；最后将所有结果叠加得到AQI预测值。实验结果表明，与反向传播（Back Propagation,BP）神经网络模型、长短期记忆网络（Long Short-term Memory,LSTM）模型、ELM模型、GRU模型、EEMD-SE-ELM模型、EEMD-SE-GRU模型和EMD（经验模态分解）-SE-ELM-GRU模型相比，基于EEMD-SE-ELM-GRU的组合预测模型其预测误差最小，预测精度最高。     

浅析通信信号的调制识别

本文介绍了常用的通信信号调制方式，并分析了目前的一些信号识别方式的优缺点，最后对信号调制识别技术的发展进行了展望。     

小议单片机系统抗干扰技术

单片机系统抗干扰能力的强弱,一直是设计工作中必须考虑到的重要课题。然而,由于单片机系统的复杂性,如何应用抗干扰技术,对于系统究竟要采取哪些措施,对于设计者来说,还是一个难题。本文就此分析了单片机系统的构成情况及受干扰的种类,并分别从硬件抗干扰和软件抗干扰等方面探讨了单片机系统抗干扰技术。