一种用于取样示波器的高速数字信号传输速率的测量方法

取样示波器利用顺序等效采样技术可以实现对宽带、高速信号进行采样和波形恢复,从而对信号质量进行分析。因此取样示波器在5G高速通信、雷达等信号测量领域得到广泛应用。但是取样示波器采用的顺序等效采样方法是对被测信号进行多周期间隔、不连续采样,采样间隔周期不确定,导致不能直接从恢复的波形中分析出被测信号的传输速率。为确定传输速率,提出一种基于快速傅里叶变换算法的速率计算方法。通过实验验证,此方法能够准确计算出高速数字信号的传输速率,相对误差均在1%以内,并且在采样点数及眼图叠加次数较少的情况下仍然适用。     

就地型馈线自动化反向闭锁逻辑改进策略

通过分析基于负荷开关的首次失压不分闸电压电流时间型馈线自动化（feeder automation, FA）采用残压闭锁时,在发生无过渡电阻的相间短路故障时可能会判据失效的问题,提出合闸后Y时限内有故障电流则反向闭锁的改进方案。增设了L时限未得压则分闸逻辑,分析残压闭锁所存在的盲区。与原系统相比,所提改进方案在发生无过渡电阻的相间短路故障时能够隔离故障,提高了供电可靠性。在RT-LAB实时仿真系统中接入馈线终端,形成闭环以构建硬件在环（hardware-in-the-Loop, HIL）测试平台,并在配电线路首端、中端和末端分别设置不同类型的相间短路故障以验证方案的可行性。实验结果表明,所提方案能够提高反向闭锁成功率和配电网供电可靠性。     

基于GAN的导频配置和信道估计联合优化算法

随着通信设备的爆炸式增长,信道环境变得愈加复杂,传统信道估计方法需要进一步增加导频开销以维持现有信道估计精度。然而,这会导致系统吞吐量的下降。首先,提出了一种基于GAN的信道估计方法以在OFDM通信系统中解决这一问题。然后,采用GAN模型去学习从低维的潜向量到真实信道样本的映射关系。最后,在此基础上进行联合的导频配置优化。     

基于知识增强的文本隐喻识别图编码方法

隐喻识别是自然语言处理中语义理解的重要任务之一,目标为识别某一概念在使用时是否借用了其他概念的属性和特点.由于单纯的神经网络方法受到数据集规模和标注稀疏性问题的制约,近年来,隐喻识别研究者开始探索如何利用其他任务中的知识和粗粒度句法知识结合神经网络模型,获得更有效的特征向量进行文本序列编码和建模.然而,现有方法忽略了词义项知识和细粒度句法知识,造成了外部知识利用率低的问题,难以建模复杂语境.针对上述问题,提出一种基于知识增强的图编码方法（knowledge-enhanced graph encoding method,KEG）来进行文本中的隐喻识别.该方法分为3个部分：在文本编码层,利用词义项知识训练语义向量,与预训练模型产生的上下文向量结合,增强语义表示;在图网络层,利用细粒度句法知识构建信息图,进而计算细粒度上下文,结合图循环神经网络进行迭代式状态传递,获得表示词的节点向量和表示句子的全局向量,实现对复杂语境的高效建模;在解码层,按照序列标注架构,采用条件随机场对序列标签进行解码.实验结果表明,该方法的性能在4个国际公开数据集上均获得有效提升.     

基于自适应Kriging模型的不确定可靠性功能优化算法研究

产品研发中功能失效是一个复杂的系统性工程,失效过程包含大量不确定性因素。为此,构建了自适应Kriging的不确定可靠性功能优化算法,进行产品总体功能失效分析、认知集合可信任度、样本点的生成、自适应Kriging计算及优选功能组合,获取在指定的概率约束下的最优解。以大数定律及极限定理为基础,保证了样本点在重要区域及Kriging模型的收敛条件。以工程机械储能系统为例,说明算法的迭代性、收敛性、准确性及稳定性。结果表明,该算法能够得出准确的敏感度,节省计算时间,提高计算效率。     

基于双目视觉的关键点的检测方法及定位研究

以双目立体视觉测量为背景,以显著性标志物中的关键点为目标,提出了基于颜色阈值分割的关键点的实时检测和定位方法;关键点的检测和定位主要分为3个过程,一是图像的预处理部分,为后续的检测和定位提供基础;二是对预处理后的图像进行关键点检测,检测的方法首先分别通过颜色阈值分割、轮廓提取、多边形逼近以及设置矩形轮廓提取出关键点所在的显著性标志物,其次根据该显著性标志物的特点,采用hough变换提取线段,并通过最小二乘法进行直线拟合,求出关键点的精确的像素坐标;三是利用立体视觉三角测量原理,对求取的关键点进行精确的位姿计算;该方法实时性好、精度高,为后续的机器人视觉避障提供了一定的理论依据。     

二进制翻译中代码生成的子图覆盖算法

二进制翻译技术能够有效解决二进制兼容问题,促进新型体系结构的发展,也是虚拟机技术的重要组成部分,具有重要的研究和应用价值,但是其效率仍然有待提升,特别是目标代码生成的效率。设计了一种高效的目标代码生成算法——代码生成的子图覆盖算法(subgraph covering for code generation,SCCG),能够以尽可能少的代价生成精简的目标代码。该算法应用数据流图对二进制代码中的基本块进行建模,获取指令间的数据相关,并采用基于子图覆盖的贪心算法得到目标代码。在TransARM原型系统中进行了实现和测试,结果表明该算法获得了更优质的目标代码,并且成本得到了有效控制。     

浮点到定点的高效翻译策略研究

动态二进制翻译中,在目标平台没有浮点部件、不支持浮点运算的情况下,浮点指令只能通过模拟解释执行。浮点指令的解释执行造成翻译系统效率急剧下降。通过将浮点指令运算转化为定点运算,解决了浮点指令在目标平台的翻译,为浮点指令的翻译找到了新的途径。在动态二进制翻译系统中进行实验,验证了翻译方法的可行性。实验显示翻译系统的性能有明显提升,含有浮点指令的比例越高,算法能够获得的加速比越高,对含有25%浮点指令的程序,该算法能达到1.55的加速比。     

絮凝体DLCCA模型仿真及其废水处理

以MATLAB为平台,编写二维有限扩散集团凝聚(Diffusion-Limited Cluster-Cluster Aggregation,DLCCA)模型程序,模拟絮体的生成并计算分形维数,该过程对探讨絮体的生成机理与分离沉降本质有着重要的理论价值,同时,也可指导优化废水处理的实际过程.通过对絮凝体DLCCA模型仿真,将模拟成果用于指导处理印钞废水的研究.计算结果表明:模拟絮体的分形维数在1.47左右,与其他人的研究相近.以聚硅硫酸铁铝(PSFA)为絮凝剂处理印钞废水,发现絮体的分形维数与絮凝剂用量呈先升后降的趋势,分形维数在1.09～1.40之间.比较模拟絮体与以PSFA作为絮凝剂处理印钞废水获得的实际絮体发现,两者十分相似.DLCCA比DLA模型模拟絮体在分形维数和形态上接近实际絮体,说明絮体的凝聚过程用DLCCA模型去描述更好.