一种基于两级均衡的超Nyquist码元速率接收方案

1975年MAZO提出超Nyquist码元速率(FTN)理论,通过理论推导证明,信号在加性高斯白噪声信道下,以超过Nyquist码元速率25%以内的速率进行传输,误码性能可以不下降。但MAZO以及至今都没人能完成FTN的接收,因为当信号以超Nyquist码元速率进行传输所引起的码间串扰长度无限长,若要完全消除码间串扰,使用最大似然检测(MLSE)方法,其复杂度无穷大,是不可实现的。基于MMSE均衡和WCE均衡级联的两级均衡已证明在长码间串扰信道下其误码性能接近于MLSE。文章将两级均衡运用于FTN接收,仿真证明在加性高斯白噪声信道下,信号以超过Nyquist码元速率25%以内的速率进行传输,误码性能不下降。成功实现FTN的接收,验证了MAZO的理论。     

怎样上好序列主题班会

对序列主题班会的研究,在上世纪九十年代初期"热"过一阵.近年来,人们已淡化了对这一问题的思考.所以,时至今日,还没有人对序列主题班会下一个完整的定义.出现这处局面的原因是显而易见的.因为用序列主题班会的方式对学生实施德育教育,可以称之谓是一个不小的教育工程,耗时长,投入的精神大,见效较慢.     

基于混沌系统的扩频通信多源异构数据加密算法

多源异构数据体量呈指数级别增加,数据时序混乱,为此提出基于混沌系统的扩频通信多源异构数据加密算法研究.引入混沌系统,利用Logistic混沌映射多源异构数据,以混沌映射轨迹点为基础,生成多源异构数据混沌序列,通过Merlay状态机控制数据时序,提供子密钥产生信号,以时序控制信号为依据,利用特定阀值函数产生子密钥,采用子密钥对多源异构数据进行正向、反向异或以及取模,实现扩频通信多源异构数据的加密.测试结果表明,密钥相差+10-13无法解密出正确数据;加密后图像、音频数据相关性急剧下降;加密时间范围为16.451 s～18.630 s,低于最高限值.测试结论:密钥敏感性、抗统计特性以及加密效率较好,适合大力推广应用.     

基于复合约束的作战行动序列生成与执行控制方法

作战行动序列是作战计划的核心,也是指挥控制的关键.传统的作战行动序列制定主要通过手工方式,效率低下且耗时费力,难以满足现代战争筹划需要,作战行动序列执行控制也缺乏现代信息手段支撑.提出了一种基于时间、空间和因果复合约束条件的作战行动序列生成与执行控制方法,提高了作战计划方案中作战行动序列生成效率,通过对时间、空间、作战效果状态监测对作战行动序列执行进行辅助控制,为指挥员基于网络信息体系进行指挥决策提供了条件支撑.     

平面光波导的数值传递函数方法

把数值传递函数方法应用于对平面光波导的分析。本方法从光波导的标量变分关系出发 ,通过状态方程对问题求解计算。文中引入了传递函数无穷单元的概念 ,使得本方法在处理近截止区域的问题时更加合理 ,计算量更小。文后给出了本文方法的应用和算例 ,与多种方法进行了比较 ,表明本文方法在处理折射率均匀分布和渐变分布波导时都有着特有的优势。     

序列近似优化方法

随着工程优化中仿真模型精度和计算时间的不断提高,常规的智能优化方法难以在可接受的计算代价中得到最优解。序列近似优化方法通过将近似模型技术引入优化过程,并采用不断更新采样点的方法来指导寻优,在基于计算耗时模型的优化中得到了越来越广泛的应用。通过论述序列近似优化方法的若干关键技术及其发展现状,可有效指导其在工程优化中的应用,并给出了序列近似优化方法可能的改进方法及发展趋势。     

加肋圆柱壳结构的FE-IE算法网格尺度划分原则

为了研究结构有限元耦合流体无限元算法的网格尺度划分原则,提出有限元-无限元算法中结构湿表面的网格尺度划分原则。数值计算结果表明,对加肋圆柱壳而言,在保证一个肋骨间距至少有2个有限元单元的前提下,将结构主振型弯曲波波长作为有限元-无限元算法中结构湿表面网格尺度划分的参考标准是可行的,即保证一个主振型分量波长内至少有6个有限元单元。提出以结构主振型分量的弯曲波波长(而不是最短的结构波长)作为有限元-无限元算法中网格尺度划分的参考标准,所得结论对于有限元-无限元算法中结构湿表面的网格划分以及控制内域流体有限元数量均具有十分重要的参考意义。     

中频(IF)取样数字直接序列扩频接收机

本文详细分析中频（ＩＦ）取样数字直接序列扩频接收机的关键技术、实现方法和环路跟踪性能等。     

基于深度逆向强化学习的行动序列规划问题研究

针对深度强化学习在解决序贯决策任务中严重依赖回报函数,而回报函数又存在着反馈稀疏和反馈延迟等问题,论文提出了基于深度逆向强化学习方法的行动序列生成与优化方法,通过专家示例轨迹数据重构回报函数,实现高质量示例轨迹数据中隐性专家经验的获取和利用,挖掘数据背后的规律。然后将重构的回报函数与环境固有的回报函数进行奖赏塑型,生成的新的回报函数能够更加及时、准确地对智能实体的行为给予反馈,大幅加速了强化学习的收敛速度。     

复杂网络影响力极大化快速评估算法

分析复杂网络中影响力极大化问题,设计一种新的启发式算法框架。针对信息传递中节点的交互方式进行分析,给出节点在任意时刻处于信息接收态的概率。通过期望计算得到种子节点集传播影响力的近似估计,实现集群影响力快速计算,进而得到基于序列采样的影响力极大化快速评估算法。特别地,对于六个来自不同领域的真实网络上的影响力极大化问题进行了研究,仿真结果表明：该方法能够高效识别网络中具有重要传播影响力的节点集,在三种常见度量准则下的表现均明显优于三种影响力极大化问题基准算法。