基于Massive MIMO及频谱叠加的5G SA网络上行优化方法

大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)可以有效提升5G SA网络的上行链路数据传输速率以及可靠性。针对5G SA网络上行链路速率和覆盖不均衡的情况,提出了基于大规模MIMO的分组算法,将发送信号矢量进行分组,组内采用最大似然检测,组外采用基于正交三角分解(QR分解)的干扰消除检测,并且结合5G频谱的叠加策略,在降低算法复杂度的同时,有效提升网络覆盖和速率。通过5G SA现网实测,通过MIMO降低分组数量能够提升分组检测性能,结合上行低频段频谱叠加策略能够有效提升5G SA网络上行覆盖30%,提升5G SA网络上行平均速率40%~80%,特别是弱覆盖边缘的网络速率,最高可达600%。     

水泥对红壤pH值及植物生长影响的试验研究

中国南方地区广泛分布的酸性红壤严重影响植物的正常生长.针对此问题,以水泥掺量为0.1％、1％、2％、3％、4％的红壤为研究对象,开展了水泥对红壤pH值影响试验和盆栽种植试验.水泥对红壤pH值影响试验结果表明:红壤pH值随着水泥掺量的增加而增加,并随养护时间增加,pH值不断减小.养护28 d后,水泥掺量每增加1％,红壤pH值增加0.75.盆栽种植试验研究表明:当水泥掺量为0.1％时,狗牙根发芽率和生长高度表现最好,随着水泥掺量的增加,狗牙根发芽率降低,生长高度不断减小.水泥掺量每增加1％,狗牙根发芽率减少12.63％,狗牙根生长高度排序为:0.1％＞1％＞2％＞3％＞4％.     

基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证.实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72％,精度达到99.53％,灵敏度达到100.00％,同时F1-Score达到99.76.该算法比其他现有算法准确率提高至少1％,该项研究具有非常重要的临床应用价值.     

国内外己内酰胺供需现状及发展前景

分析了国内外己内酰胺的生产消费现状及发展前景.2019年,世界己内酰胺的生产能力为811.9万t/a,消费量为640.0万t,预计2024年消费量将达到约750.0万t.2019年,我国己内酰胺的生产能力为419.0万t/a,消费量为337.2万t,预计2024年消费量将达到约420.0万t.提出了我国己内酰胺行业今后的发展建议.     

基于SAOR的Massive MIMO系统信号检测算法

大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。     

差分准对立学习多目标蚁狮算法

为解决多目标优化问题，对经典的蚁狮算法进行改进，提出了基于差分进化的准对立学习多目标蚁狮算法（DEQOMALO）。该算法针对蚁狮算法易陷入局部最优的不足，一方面，该算法引用差分进化的思想，充分利用种群和精英蚁狮的信息对原算法中蚂蚁个体的位置更新方式进行改进；另一方面采用反向学习策略对蚂蚁种群进行优化，将原种群个体和其准对立个体进行混合并择优作为新的种群，大大增加种群的多样性。选取典型的标准测试函数，将提出的算法与原始蚁狮算法以及其他传统进化策略优化的蚁狮算法进行比较。实验结果表明，改进算法在收敛性和分布性上均有很大程度的提升，在解决双目标优化问题上具有较好的鲁棒性和有效性。     

内含硬α夹杂钛合金轮盘裂纹扩展研究

为研究钛合金轮盘内部硬α夹杂疲劳裂纹扩展特性，对含预置硬α夹杂钛合金轮盘开展低循环疲劳裂纹扩展试验。结果表明:5229次循环后轮盘破裂；疲劳断口宏观、微观特征显示，预置硬α夹杂为本次疲劳破坏的疲劳源；在裂纹扩展前期，轮盘断口裂纹扩展速率较材料试验数据快；在裂纹扩展中期，断口裂纹扩展速率曲线呈对数线性关系；为了解决疲劳裂纹扩展后期疲劳条带不易识别的问题，使用等效裂纹扩展模型拟合断口裂纹扩展速率曲线，从而可以利用疲劳条带宽度来计算总寿命。同时，利用断口数据，提出和总结了预置硬α夹杂钛合金轮盘裂纹扩展特性仿真研究的方法。仿真研究显示:基于Paris公式建立裂纹扩展模型能较好地预测轮盘裂纹扩展特性；轮盘由于疲劳发生最终断裂破坏时，裂纹前沿的应力强度因子远大于断裂韧性，因此，不宜使用应力强度因子直接作为破裂准则。     

耐蚀合金中TiN析出机制

摘要：TiN颗粒尺寸及其分布对耐蚀合金性能有明显的影响，因此有必要对TiN在铸坯中的分布及其析出行为进行研究。采用扫描电镜(SEM)、金相显微镜（OM）观察了TiN夹杂物在铸坯中的分布、尺寸及其形貌；基于热力学和动力学理论分析了耐蚀合金铸坯中TiN夹杂物的析出时机及其尺寸，结合试验结果和理论计算明确了TiN夹杂物在凝固后铸坯中的位置和尺寸与析出时机的关系，为控制TiN夹杂物提供理论指导。结果表明，冶炼过程中析出的TiN夹杂物尺寸较大，在凝固过程中被枝晶吞没，位于铸坯枝晶内和等轴晶内；微观偏析计算结果表明，在凝固分数为0.55时，TiN开始析出，最开始析出TiN夹杂物的逐渐长大，长大后的TiN易于被二次枝晶吞没，最终位于铸坯中的枝晶间和等轴晶内，后期析出的TiN则在枝晶间和等轴晶间。固相中析出的TiN夹杂物长大较慢，尺寸细小，最终位于奥氏体晶界。