基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

C105管桩混凝土设计参数取值的探讨

通过试验得出了C105混凝土100 mm×100 mm×100 mm立方体非标准试件抗压强度换算系数以及C105混凝土的标准方差和强度变异系数。采用理论计算,得到了棱柱体抗压强度与立方体抗压强度的比值α_c1,并与试验实测平均值进行了比较,验证了理论计算方法的可行性。此外,通过对比分析,探讨了直接外延法和引用公式法两种C105混凝土设计参数计算方法的正确性,研究结果可为C105管桩混凝土的设计和应用提供参考。     

澜沧江流域不同茶区晒青茶品质比较

为深入了解云南澜沧江流域不同茶区晒青茶的品质差异，选取比较澜沧、双江2个茶区的24个乡镇晒青茶样，采用感官审评与品质理化成分检测，分析不同茶区晒青茶主要理化成分和感官品质方面存在的差异。结果表明：澜沧、双江2个茶区晒青茶的茶多酚平均值分别为24.43%、23.18%；游离氨基酸平均值分别为2.72%、3.97%；咖啡碱平均值分别为4.90%、4.48%；水浸出物平均值分别为45.67%、44.29%；酚氨比均值分别为9.40、6.07。澜沧、双江2个茶区不同产地的晒青茶茶多酚、游离氨基酸、咖啡碱、水浸出物和酚氨比之间存在一定差异。不同的内含化学成分，使各茶区的晒青茶感官品质明显不同。澜沧茶区的晒青茶滋味整体较醇和、稍涩，部分稍带花香与焦味；双江茶区的晒青茶整体滋味较浓醇、微涩带苦，部分平和。     

化工企业废气污染的治理与预防

化工企业废弃污染已经是一个无法回避与亟待解决的问题。在对国内外较为成功的化工废气污染处理方法的基础上,就化工企业废气污染的预防阐述了观点。     

不同有效风量的吸油烟机外流场特性对比研究

实际运行时,吸油烟机的吸烟效果与有效风量密切相关。研究采用CFD数值计算方法对比分析同一排烟管道、不同有效风量下的吸油烟机外部控烟区的速度场和压力场特性。通过对比验证油烟机的气动性能的试验值和模拟值吻合较好,验证了数值计算分析吸油烟机气动性能的可行性。通过数值模拟计算发现吸烟效果随有效风量的增加而改善,但超过一定程度后,改善效果不明显,存在一经济有效风量,约为10m3/min;随着有效风量的增加,油烟机需要有更高的静压来克服更高的管道阻力;上述研究成果为研究者研究吸油烟机工作中外部气流流动特性、评判吸油烟效果及设定吸油烟机性能参数目标提供了参考。     

葵花籽粕综合利用研究进展

葵花籽粕是葵花籽提油后的副产品。葵花籽粕蛋白品质优,各氨基酸组成平衡,此外葵花籽粕中还含有绿原酸、黄酮等多种活性物质,营养价值高,具有广阔的应用前景。从葵花籽粕作为原料提取有效成分及作为饲料用原料两方面对葵花籽粕资源的综合利用情况进行了阐述,以期为葵花籽粕的进一步开发利用提供参考。     

对城市新区社区综合体空间规划与设计的探索

以新川创新科技园社区综合体为例,对城市新区近年来涌现的新的建筑形式——社区综合体,从城市规划的空间融合,建筑空间的复合利用,可持续发展的角度,探讨新一代社区综合体的发展思路。     

薄膜铂电阻元件稳定性测试与分析

高端军事应用环境对测温传感器提出了小结构、高精度、良好的长期稳定性等要求,采用溅射方式制备的薄膜铂电阻元件成为了首选。通过分析薄膜铂电阻元件的结构、工艺,探讨影响稳定性的主要因素,包括薄膜缺陷、杂质、电迁移、结构封装应用与温度应力等。选择薄膜铂电阻在水三相点下的电阻值作为稳定性的比较基准,设计了一款不大于3mK的高精度测试系统。通过对薄膜铂电阻元件进行高温电寿命试验和温度冲击试验,评估得出薄膜铂电阻元件长期稳定性达到10mK,满足设计需求。     

结合注意力的3D卷积网络脑胶质瘤分割算法

为了提升脑胶质瘤分割精度，提出一种结合注意力机制的3D卷积神经网络算法。输入3个不同尺度的图像块，经过9个卷积层和1个分类层后得到3个不同的分类结果，将分类结果与注意力学习到的权重相乘并逐体素相加得到输出。此外该算法采用了一种混合Dice损失函数与Focal损失函数的超参数损失函数。实验表明，该算法的Dice系数在整体区域、核心区域以及增强区域分别达到了95.31%、80.12%、82.25%。与已有的一种脑胶质瘤分割算法deepmedic相比，整体区域、核心区域以及增强区域的Dice系数分别提升了3%、2%、6%。在脑胶质瘤分割方面，具有重要的临床意义。