LTE-A系统中主同步信号重叠分段检测算法

针对LTE-A系统中频域快速相关算法计算复杂度高、检测性能不稳定的问题,提出一种主同步信号重叠分段检测算法。通过序列循环操作延长半帧数据尾部,以保证序列的完整性。在此基础上,利用重叠分段操作降低相关复杂度,并根据门限值操作结果判断同步序列是否检测成功。仿真结果表明,该算法的计算复杂度相比频域快速相关算法减少53.85%,且对于不同的分段数,当信噪比为-7 dB时,正确检测率接近1.0,检测性能稳定。     

一种基于ROP技术的代码混淆方法

针对静动态逆向分析容易获取程序内部核心代码的问题,提出一种基于ROP技术的代码混淆方法。借鉴ROP攻击技术的代码组织和调用方式,利用内存空间随机分布的gadget指令序列执行目标代码的等价功能,实现隐藏目标代码和抵抗逆向分析的目的。从有效性、时间开销和空间开销三个方面评价方法的性能,分析和实验表明,该方法能够有效增加攻击者静动态获取和分析目标代码的难度,具有较好的时间和空间开销性能。     

固体碳直接还原钢铁厂含锌固废的理论与实践

 钢铁厂内的含锌固废数量巨大，同时富含铁、碳等元素，是可循环再利用的二次资源。通过固体碳直接还原ZnO和FeO的热力学分析，发现在非标准状态下，ZnO的还原条件要优于FeO。为此，在实验室条件下设计了含锌固废在不同温度和时间下的还原试验，发现在还原温度为1 423 K、还原时间为15 min以上时，脱锌率可达到90%，而铁的金属化率需要在1 573 K时才能接近90%；在还原温度低于1 423 K时，还原时间对脱锌率的影响较大；在还原温度高于1 473 K时，还原温度对脱锌率影响较小，同时脱锌率可达到95%。这些结果对国内当前处理含锌固废主要工艺(回转窑、转底炉)的操作制度设置具有重要的参考价值，也为如何选择合理的工艺路线，以低投入、低运营成本实现含锌固废的再利用提供了理论依据。     

含SO2冶炼烟气中硫磺制备技术及其性能实验研究

介绍了SO_2冶炼烟气中硫磺制备技术的两种方法:直接还原法和间接还原法。在实验的基础上验证了炭还原法的功效,针对试验温度、反应时间、SO_2浓度等影响因素分别进行了探讨。试验结果表明:在温度为850℃、烟气SO_2浓度11%、反应时间6s～7s的状态下,硫磺的制备效率最高。同时,结合温度、反应时间、SO_2的浓度多方面考虑,无烟煤可以作为一种合适的还原剂。     

基于Zadoff-Chu序列的OFDM精确定时同步算法

针对OFDM系统在多径衰落环境下通过能量大小定时而产生定时误差的问题,文中提出了一种基于Zadoff-Chu序列的第一径检测算法,利用序列相关性得到信道冲激响应估计值,此外分析了残留频偏对定时同步的影响,并通过改进自适应门限抑制残留频偏来判定准确定时位置。算法在时域完成,实现简单且运算量小。通过仿真对比其他算法可以看出,文中所提算法在高速移动多径环境中第一径检测概率高、均方误差小,特别是低信噪比下仍能准确同步。     

基于SOPC的视频采集卡设计

文章主要介绍了Altera公司的PCI接口IP核的关键要点,阐述视频采集卡的核心技术。由于SDI信号的高速性和实时性,需要传输模块有较高的数据处理能力和较高的控制效率才能保证数据的完整性。该设计采用Altera公司的EP2C20Q240C8芯片和PCIIP核,利用片内双口RAM作为数据缓冲器,通过DMA控制器实现DMA传输控制功能,同时利用SOPC Builder开发平台简单有效地实现了FPGA核心部分的设计,实现上位机对SDI视频信号的接收。     

菱铁矿直接还原-低阶煤提质一体化扩大试验

摘要：菱铁矿作为中国重要的铁矿资源，因具有“贫、细、杂”的特点，常规选矿工艺无法对其进行有效分选；此外，中国低阶煤通常被用作低级燃料直接燃烧使用，导致大气污染严重。因此，开发复杂难选铁矿石及低阶煤资源高效清洁利用新技术，将具有重要现实意义。以难选的低品位菱铁矿和难利用低阶煤为对象，开展菱铁矿直接还原与低阶煤提质一体化扩大试验研究。以神府烟煤为还原剂，在直接还原温度为1050℃，时间为120min，C/Fe质量比为250，脱硫剂配比为6%，干式磁选磁场强度为015 T，一段磨矿细度小于0074mm占50%左右，湿式磁选磁场强度为008 T，二段磨矿细度小于0074mm占90%左右，磁选磁场强度为0043 T的条件下，可获得直接还原铁（DRI）粉铁品位9103%、铁总回收率8133%的良好指标；同时每吨DRI固定碳质量分数为7611%的半焦产品产出率为1340kg，其质量达到工业及民用燃料兰炭Ⅰ级品标准。在煤基直接还原工艺中一步成功实现低阶煤半焦化提质和铁矿直接还原，不仅可制备电炉炼钢原料，还可以生产新型的清洁燃料半焦。     

基于深度学习的文本自动摘要方案

针对自然语言处理（NLP）生成式自动摘要领域的语义理解不充分、摘要语句不通顺和摘要准确度不够高的问题，提出了一种新的生成式自动摘要解决方案，包括一种改进的词向量生成技术和一个生成式自动摘要模型。改进的词向量生成技术以Skip-Gram方法生成的词向量为基础，结合摘要的特点，引入词性、词频和逆文本频率三个词特征，有效地提高了词语的理解；而提出的Bi-MulRnn+生成式自动摘要模型以序列映射（seq2seq）与自编码器结构为基础，引入注意力机制、门控循环单元（GRU）结构、双向循环神经网络（BiRnn）、多层循环神经网络（MultiRnn）和集束搜索，提高了生成式摘要准确性与语句流畅度。基于大规模中文短文本摘要（LCSTS）数据集的实验结果表明，该方案能够有效地解决短文本生成式摘要问题，并在Rouge标准评价体系中表现良好，提高了摘要准确性与语句流畅度。