Wi-Fi死角终结者 H3C BX54鲸路由

随着Wi-Fi 6标准的推出,市面上的很多终端设备都已支持Wi-Fi 6,所以更新一台支持Wi-Fi 6的路由器很有必要。另外,家里面积比较大的朋友一定有着这样的困扰——一台路由器的信号不能全屋覆盖,而组网操作起来不但麻烦,设备之间也不能进行无缝的信号转换,使用体验较差。对此,本文介绍的H3C BX54鲸路由(以下简称BX54)或许能帮上你。     

一种低载噪比突发扩频信号的快速捕获方法实现

针对突发扩频信号用户资源扩大、终端功率降低、系统容量提升等需求,提出了一种低载噪比突发扩频信号的快速捕获硬件实现方法。采用分段匹配滤波器加多普勒并行相干积累的方法,基于硬件实现从算法到工程进行全流程优化设计,最终实现最优的捕获性能。应用结果表明,该硬件设计实现方案的快速捕获性能优越,设计方案正确、可行,已成功应用于工程建设中。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

广播电视卫星信号的数字调制解调技术探究

随着科学技术的发展和进步,广播电视卫星信号在日常生产生活中的应用更加广泛,因此,其信号的稳定性显得尤为重要。传统的广播电视卫星信号使用的数字调制解调器技术已经无法满足现阶段的实际需求,随之也研究出了诸多全新的数字调制解调技术。有关部门应针对新数字调制解调器组织开展相应的研究工作,根据不同情况选择不同的数字调制解调技术,满足社会发展过程中的实际需求。     

基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

磁齿轮复合永磁电机拓扑及应用综述

磁齿轮复合电机（MGM）是一种自带减速效应的新型多气隙磁场调制型永磁电机，因其转矩密度大、功率因数高，近年来在混动/电动汽车、低速大转矩直驱、航空航天等领域的应用前景获得了业界的广泛关注；MGM非接触传动的特点使其在医药食品、新能源发电、石油化工等方面具有发展潜力。该文首先介绍磁力齿轮及多种磁齿轮复合电机的工作原理，介绍和比较磁齿轮与电机常见的复合方式及其特点；按照单元排布方式、调制结构、电机及磁齿轮类型等分类梳理近年来MGM在拓扑结构上的研究和创新，介绍各类磁通方向及运行方式MGM的研究。然后介绍MGM近年来在高减速比、低成本、无级变速等一些关键问题上的进展。最后总结磁齿轮复合电机的业界应用现状，并对其应用前景进行展望。     

河南平顶山:夜间捣毁县城“黑广播”窝点

2021年12月27日,河南省平顶山无线电管理局监测及执法人员联合宝丰相关部门,在宝丰县城依法查获1套在夜间定时播放的"黑广播"。12月26日,平顶山无线电管理局监测站通过对各县(市、区)无人值守固定监测站24小时监测数据的回放、分析,发现在宝丰县夜间有一个频率为92.3MHz的广播信号出现,播放时间为20:30至次日凌晨6:30,播放性保健品广告,内容十分低俗。监测人员经与台站数据库比对,确定其为"黑广播"信号。     

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.