圆片级叠层键合技术在SOI高温压力传感器中的应用

针对绝缘体上硅(SOI)异质异构结构特点,提出了两次对准和两次阳极键合工艺方法,实现了圆片级SOI高温压力传感器硅敏感芯片的叠层键合。采用玻璃—硅—玻璃三层结构的SOI压力芯片具有良好的密封性和键合强度。经测试结果表明:SOI高温压力传感器芯片键合界面均匀平整无缺陷,漏率低于5×10~(-9)Pa·m~3/s,键合强度大于3 MPa。对芯片进行无引线封装,在500℃下测试得出传感器总精度小于0. 5%FS。     

基于自触发的异构多智能体协同输出调节

本文针对线性异构多智能体系统,基于自适应自触发条件,分别设计了状态和输出反馈协同控制器.其中自适应控制策略可以避免使用多智能体系统的全局信息,从而实现分布式控制;自触发控制不仅可以避免对触发条件进行连续监测,还可以有效地降低网络的通信负载和控制器的更新次数,且不存在芝诺现象.最后通过4个跟随智能体和一个领导智能体进行了协同输出直角编队仿真实验,实现了多智能体系统对外部系统的渐近跟踪和干扰抑制,验证了结果的有效性.     

异构网络下基于混合保护子帧的干扰协调方案

增强型小区间干扰协调（enhanced inter cell interference coordination,eICIC)引入几乎空白子帧(almost black subframes,ABS)来降低异构网络中小区间的干扰,然而过多的ABS会损失宏蜂窝用户性能。为了提高异构网络的性能,联合考虑ABS和低功率几乎空白子帧(low power-ABS,LP-ABS),提出了一种基于混合保护子帧(Hybrid Protected Subframes,HPS)的干扰协调方案。该方案综合考虑用户资源分配、HPS密度、HPS混合比例以及用户接入策略,以最大化系统比例公平效用为目标。仿真结果显示,所提方案在系统负载均衡、用户吞吐量以及用户公平性等指标上都优于传统增强型小区间干扰协调方案。     

异构环境下纠删码的数据修复方法综述*

在大规模云存储系统中,由于磁盘或网络故障造成的存储节点失效事件频发,系统需要数据冗余技术以保证数据的可靠性和可用性。纠删码,相对于副本方式而言,能大大提高存储空间的利用率,但纠删码在冗余数据修复方面的代价较副本方式高很多。目前针对纠删码的冗余数据修复研究大都无差别对待每个存储节点,然而实际分布式存储系统中,节点通常存在带宽资源、计算资源、存储容量资源等方面的差异性,这些资源的异构性对冗余数据修复性能影响很大。本文指出影响修复性能的关键因素,选取带宽开销、磁盘访问开销、修复时间、参与修复的节点数量和修复代价作为修复性能的评价标准;分析了现有研究方法如何降低这五种开销,重点讨论了这些方法的优缺点;阐述当前异构分布式存储系统中纠删码修复技术的研究现状;最后指出纠删码数据修复技术中尚未解决的一些难题和未来纠删码修复技术可能的发展方向。     

车联网异构网络资源管理优化研究

无线资源管理优化是异构网络研究的重要组成部分。有限的带宽和成倍增长的网络用户,使异构无线网络的资源管理优化成为了迫切需要解决的问题。文章对接入异构网络的业务种类和异构网络资源管理进行了研究,并针对业务种类的不同提出了基于业务优先级的集中式联合无线资源管理算法。结果表明,该算法能够在保障无线资源利用率的前提下,优先使安全型业务接入网络,极大地降低安全型业务的接入阻塞率。     

中文句法异构蕴含语块标注和边界识别研究

文本蕴含是自然语言处理的难点,其形式、类型复杂,知识难以概括。早期多利用词汇蕴含和逻辑推理知识识别蕴含,但该方法反对特定类型的蕴含有效。近年来,利用大规模数据训练深度学习模型的方法在句级蕴含关系识别任务上取得优异性能,但模型不可解释,尤其是无法标定引起蕴含的具体语言片段。该文研究文本蕴含成因形式,归纳为词汇、句法异构、常识和社会经验三类,并以句法异构蕴含为研究对象。针对上述两个问题,提出句法异构蕴含语块的概念,定义其边界识别任务。该文制定句法异构蕴含语块标注规范,建立标注数据集。在此基础上,分别建立基于规则和基于深度学习的模型,探索句法异构蕴含语块的自动识别方法。实验结果表明,该文提出的深度学习模型能有效发现蕴含语块,为下一步的研究提供可靠的基线方法。     

基于改进DDPG算法的中短期光伏发电功率预测

针对传统仿生智能算法处理异构光伏发电功率预测精确建模问题时存在的线路多阻抗参数约束下方差波动、线损分析易陷入局部极值等不足,提出了一种基于改进深度确定性策略梯度(DDPG)的中短期光伏发电功率预测模型。首先,通过引入多智能体机制,视发电系统涉及到的发电过程参数为独立活性的智能体,构建出具有社会属性的面向发电过程参数信息共享的全局最优协同控制体系。然后,通过改进的DDPG算法实现蓄电池储能功率自主精确调节和发电网输出功率的自动最优预测。最后,基于Tensorflow开源框架在Gym torcs环境下进行模型效能仿真并以某示范性异构光伏发电网为效能评价载体,对模型进行了工程应用合理性验证。     

基于异构多流网络的多模态人体动作识别

人体动作识别在人机交互、视频内容检索等领域有众多应用,是多媒体信息处理的重要研究方向。现有的大多数基于双流网络进行动作识别的方法都是在双流上使用相同的卷积网络去处理RGB与光流数据,缺乏对多模态信息的利用,容易造成网络冗余和相似性动作误判问题。近年来,深度视频也越来越多地用于动作识别,但是大多数方法只关注了深度视频中动作的空间信息,没有利用时间信息。为了解决这些问题,本文提出一种基于异构多流网络的多模态动作识别方法。该方法首先从深度视频中获取动作的时间特征表示,即深度光流数据,然后选择合适的异构网络来进行动作的时空特征提取与分类,最后对RGB数据、RGB中提取的光流、深度视频和深度光流识别结果进行多模态融合。通过在国际通用的大型动作识别数据集NTU RGB+D上进行的实验表明,所提方法的识别性能要优于现有较先进方法的性能。      

用户设备分类的毫米波异构网络性能研究

针对多层异构网络中基站簇造成的干扰问题,本文提出了一种对用户设备(user equipment,UE)进行分类建模的方法。首先,将处在通信热点区域的毫米波双层异构网络中密集部署的微微基站、毫微微基站以及UE构建成独立的非齐次泊松簇过程;然后,根据毫米波的特点建立了扇形天线模型和视距球传播模型并给出了簇内和簇间干扰的分布距离;此外,通过干扰的拉普拉斯变换以及信号与干扰加噪声比推导出基于UE分类和无UE分类的下行链路频谱效率解析表达式。仿真结果表明,所提出的基于UE分类方案的性能优于无UE分类方案的性能,显著提升了频谱效率。      

新一代超密集异构蜂窝无线网络研究

近年来,随着移动互联网的蓬勃发展和智能终端的快速普及,对无缝网络覆盖和高速数据传输要求日趋增强,超密集异构蜂窝无线网络通过减小小区半径,增加低功率节点数量进行超密集组网,提高无线资源利用率和频谱效率,因而引起了国内外研究学者的广泛关注。然而,超密集异构蜂窝无线网络中愈发密集的网络部署也带来了各种严峻的问题,包括超密集异构蜂窝无线网络中的系统干扰问题、无线信息的安全传输问题、以及网络运营的能量供给问题等。为此,本文首先简单介绍了超密集异构蜂窝无线网络架构,接着从干扰管理、物理层安全和能量效率等方面,深入分析了超密集异构蜂窝无线网络中的关键技术和当前挑战,最后,进一步展望了超密集异构蜂窝无线网络的未来发展。