基于面形斜率的高斯径向基自由曲面优化设计及公差分析

基于面形斜率的高斯径向基自由曲面模型在面形表征和系统设计中具有优势,但基函数数目较多,导致优化效率低、公差分析困难等问题。本文对基于面形斜率的高斯径向基模型优化设计和公差分析方法开展研究,利用模型的面形表征局域特性,将全局优化和局部优化相结合,提出了一种新的优化设计方法。利用数学统计的方法,确定了基函数系数和自由曲面面形矢高之间的线性关系,直接设定系数公差范围初值,通过大样本统计后确定自由曲面的合理面形公差。将该优化设计和公差分析方法应用到基于面形斜率的高斯径向基自由曲面型头戴显示系统,设计结果表明:头戴显示系统全视场内在23lp/mm处大于0.3,系统最大畸变为3.45%,达到了系统设计指标,并基于公差分析结果进行实验系统集成,成功实现了图像显示。本文所提出的优化设计方法和公差分析方法为基于面形斜率的高斯径向基自由曲面模型和其他局域型自由曲面模型的应用提供了重要的借鉴意义。     

GPU集群能耗优化控制模型研究

随着大数据技术的发展,GPU集群作为一种高效的并行系统被应用到大规模数据实时计算中.能量是实时计算时重要的资源,GPU集群的能耗优化及实时消减成为一个具有挑战性的问题.从集群全局角度引入模型预测控制策略,并建立闭环反馈机制的多输入多输出控制器.通过调整计算频率和改变活跃流多处理器来改变能耗状态,利用反馈和滚动优化机制完成对未来的控制预判,实现消减冗余能耗的目标.实验表明:控制模型的精度和节能效果优于基准模型,而且具有较好的稳定性,适合应用到大规模数据实时计算中.     

基于大数据的5G基站退服成本估算

随着5G技术的快速发展,5G基站的数量和密度将远超4G,基站的建设和维护也成为不可忽视的问题。因此,全面分析了5G基站退服情况,并提出一种基于大数据的5G基站退服成本估算方案。凭借基站历史退服数据,采用LSTM神经网络建立基站退服预测模型,然后构建了5G基站退服成本估算模型,对预测的5G基站退服进行成本估算。最后通过实验分析,说明了方案的有效性,并提出建议。     

相依误差下含线性趋势异方差模型的加权小波估计

针对含线性趋势异方差模型,用小波方法构造未知参数和方差函数的加权小波估计量。在随机误差序列为α-混合情形下,得到了参数小波估计量的渐近正态性。     

随机序列的扑克检测优化研究

现代计算机系统的安全性依赖于二元随机序列,随机性检测利用概率统计方法对二元序列的随机性进行分析测试。我国国家密码管理局发布了随机性检测规范,扑克检测为其中一个检测项。本文通过充分分析扑克检测效率不高的原因有针对性地提出一种新的快速实现算法,优化算法充分利用CPU字长一次处理多个比特,将m为4和8的情况整合在一起,减少不必要的处理流程。同时精简并优化统计量的计算和判断过程,避免余不完全伽马函数的计算。分析和实验的结果表明该优化算法可以使得扑克检测的速度提升9.5倍左右。     

支持向量机理论与算法研究综述

统计学习理论(statistical learning theory,SLT)是一种小样本统计理论,着重研究在小样本情况下的统计规律及学习方法性质.支持向量机(support vector maehinse,SVM)是一种基于SLT的新型的机器学习方法,由于其出色的学习性能,已经成为当前机器学习界的研究热点.该文系统介绍了支持向量机的理论基础,综述了传统支持向量机的主流训练算法以及一些新型的学习模型和算法,最后指出了支持向量机的研究方向与发展前景.     

高精度色散管理实现160Gb/s光时分复用信号100km稳定无误码传输

在160 Gb/s 100 km光时分复用(OTDM)通信系统中,色散是影响系统性能的主要因素。为减小由此带来的信号波形的失真,进行了理论分析与研究,并做了相应的实验加以验证。传输链路采用混合补偿方式,精确补偿色散与色散斜率,优化传输链路色散图谱及各点工作功率,有效抑制非线性效应,实现高精度色散管理,提升系统的整体性能。使用500 GHz高速示波器,调整传输链路光纤的长度精确到10 m,并准确观测各环节实验结果。系统既没有使用前向纠错技术,也没有进行偏振模色散(PMD)补偿,仅仅通过高精度色散管理实现了160 Gb/s光时分复用信号100.25 km稳定无误码(误码率小于10-12)传输。     

侧边研磨应力双折射型保偏光纤光栅实验

利用自制研磨机侧边研磨了应力双折射型偏振保持布拉格光纤光栅(PMFBG),并对研磨过程中的透射光谱与反射光谱进行了监测.研磨过程中造成的功率损耗小于0.6dB,PMFBG的两个布拉格波长均发生了漂移,且两者的间距有变小的趋势.通过曲线拟合得到了两个偏振态的有效折射率随研磨深度的变化规律,并分析得出:光纤芯子中心的应力双...