基于H.264的SVC在IEEE 802.16宽带无线网络中的应用

给出一种在IEEE 802.16宽带无线网络中提供视频点播、传输流媒体信息的解决方案.该方案利用基于H.264扩展分级视频编码技术,以及一种通过实时监控网络中流量拥塞状况而进行自适应码率控制的机制.仿真结果表明,采用该方法无线接入资源利用率达到96%,能够有效保证视频流平滑、稳定传输,视频信息持续播放.     

压电层合板多场耦合有限元分析及其优化设计

从压电本构方程出发,采用高阶位移场,高阶电势分布和线性温度分布假设,借助Hamilton原理推导了压电层合板结构的力-电-热场耦合的高阶有限元模型.应用ANSYS/APDL语言,编写了热载荷作用下压电层合悬臂板的有限元分析程序.在此基础上,采用零阶优化方法和一阶优化方法对比分析了四边简支板的形状最优控制设计.两种方法吻合良好,验证了程序的正确性.     

海洋浮体结构非线性运动响应研究综述

浮体在海面上的运动实质上是一个复杂的非线性运动过程,它们在风浪中的运动存在着许多非线性影响因素,且不同运动形式之间存在的耦合现象也无法用线性动力学进行准确地描述.对各种海洋浮体结构在风浪中的非线性运动响应研究现状进行了总结,对目前所取得的主要研究成果作了简要介绍和述评.着重从风浪中船舶的大幅非线性横摇运动、参数激励耦合非线性运动和SPAR平台在无系泊状态下的垂荡-纵摇耦合运动3个方面,阐述了国内外学者所取得的主要研究成果,并在此基础上提出了未来该领域的研究热点问题.     

双层芯色散补偿光子晶体光纤

为了抑制通信系统中脉冲的展宽,根据色散补偿理论,提出了一种由单一石英材料制成的双层芯光子晶体光纤(DCCPCF). 该光纤的色散值在155μm处可达到-6000ps/(nm〖DK〗•km). 理论分析表明,在传输过程中内芯基模和外芯缺陷模以相位匹配波长为临界状态,在内芯与外芯之间相互交替传输,并在匹配波长处因模式发生强烈耦合而引起折射率产生大幅度波动. 通过对结构参数d1、d2变化的情况下色散曲线的扰动情况进行分析,可为实际制备工作提供一定的理论指导.     

高梯度磁场分离磁性微粒的试验研究

利用自行研制的永磁高梯度磁选机对1种赤铁矿和2种煤样的磁性微粒在梯度磁场中被磁介质捕集的过程进行了试验研究.试验过程中对不同磁性物质、不同粒径、不同磁介质填充率时磁介质对磁性颗粒的捕集效率进行测试.测试结果表明,在高梯度磁场分离磁性微粒的过程中,颗粒的捕集效率随颗粒粒径的增大而增大;颗粒磁性越强,捕集效率越高;增大分选腔中磁介质的填充率可以提高颗粒的捕集效率,但并非越大越好,存在一个合理的值,试验结果表明,当介质填充率为2.0%时较为合理.     

大口径纹影系统主反射镜装调结构分析与设计

研制纹影测试系统中大口径主球面反射镜的装调结构.利用有限元法,对有效通光口径直径为800 mm的主镜进行应力和面变形分析.采用断裂几率预测法校核玻璃机械强度,通过优化得出反射镜面变形的均方根(rootmean square,RMS),以此为依据,设计出满足系统技术要求的主镜装调结构.     

Turbo码在水声OFDM通信中的应用研究

为了增强高速水声通信中信息传输的可靠性,采用了性能优越的Turbo码和OFDM相结合的方法,并与传统的卷积码进行了性能比较.仿真结果表明,在水声通信可以接受的信噪比范围内,采用Turbo码的误码性能明显优于无信道编码和卷积编码;在带宽利用率相同时使用该方案的水声通信系统性能优于无信道编码和卷积码.因此,把Turbo码与OFDM相结合的传输体制可以明显提高水声通信系统的传输速率和可靠性,从而在水声通信中具有良好的应用前景.     

小波域声呐图像自适应增强

声呐图像受噪声污染严重、对比度低,给后期的定位识别带来不便,而传统的处理方法容易造成边缘模糊.针对这一问题,提出了一种图像自适应增强算法.该算法利用形态小波对声呐图像进行自适应的多分辨率分析,分别增强不同尺度上的信号或细节,通过多通道重构图像的加权实现去噪和对比度提高.仿真结果表明该算法快速有效,对高斯噪声和冲击性噪声都具有较好的鲁棒性,处理后的声呐图像边缘细节信息保留完好,得到了理想的增强效果.     

基于循环神经网络的电信行业容量数据预测方法

在电信运维的容量预测过程中,存在容量指标和部署业务种类繁多的问题。现有研究未考虑指标数据类型的差异,对所有类型的数据使用同种预测方法,使得预测效果参差不齐。为了提升指标预测效率,提出一种指标数据类型分类方法,利用该方法将数据类型分为趋势型、周期型和不规则型。针对其中的周期型数据预测,提出基于双向循环神经网络（BiRNN）的周期型容量指标预测模型,记作BiRNN-BiLSTM-BI。首先,为分析容量数据的周期特征,提出一种忙闲分布分析算法;其次,搭建循环神经网络（RNN）模型,该模型包含一层BiRNN和一层双向长短时记忆网络（BiLSTM）;最后,充分利用系统忙闲分布信息,对BiRNN输出的结果进行优化。与传统的三次指数平滑、差分自回归移动平均（ARIMA）模型和反向传播（BP）神经网络模型进行比较的实验结果表明,在统一日志数据集和分布式缓存数据集上,提出的BiRNN-BiLSTM-BI模型的均方误差（MSE）分别比对比模型中表现最优的模型降低了15.16%和45.67%,可见预测准确率得到了很大程度的提升。     

社交网络中基于注意力机制的网络舆情事件演化趋势预测

与传统媒体相比,社交网络在传播新闻、思想、观点等方面发挥着突出的作用,同时也是传播谣言、虚假新闻等负面信息的最佳途径.因此,对网络舆情演化趋势的准确预测和有效控制已成为重要的研究话题.目前,大多数研究从理论建模的角度对网络舆情事件的演化特性和发展趋势进行预测,基于用户行为特征的信息传播演化趋势预测模型的建模及分析有待进一步研究.考虑到信息传播过程中用户之间的相互影响,文中提出一种基于注意力机制的方法,旨在探究社交网络中用户在信息传播过程中的影响来预测信息的传播趋势.首先,利用基于长短时记忆神经网络(Long Shot-Term Memory,LSTM)的网络架构来获取信息传播的轨迹特征.其次,考虑到信息传播和用户行为的复杂性,利用注意力机制挖掘用户之间的依赖性来预测真实的信息传播过程.最后,综合考虑影响信息传播的驱动因素,得到一种基于注意力机制的信息传播演化趋势预测模型(At-tention Diffusion Neural Network,ADNN).在4个对比数据集上的实验结果显示,ADNN模型优于流行的序列模型,该模型能够有效利用驱动因素对信息传播的影响,更准确地预测社交网络中信息的传播趋势.