链路增益平坦度对OTA测试准确性的影响分析

空口(OTA)测试已广泛应用在无线通信领域,提高测试结果的准确性是OTA测试当前急需解决的问题.文章从影响OTA测试结果准确性的因素链路增益平坦度入手,使用衰减器对测试链路进行增益削剪,分析测试了不同链路增益平坦度对被测件的EVM(误差矢量幅度)、BER(误码率)、TIS(总全向灵敏度)三项性能指标的测试误差与测试不确定度的影响.测试结果表明,增大链路增益平坦度会导致EVM、BER参数发生偏移,降低测试系统的通信质量;当系统的链路增益平坦度为1.82 dB时,测试误差与不确定度接近CTIA测试标准中规定值.最后,提出一种使用增益均衡器降低链路增益平坦度的方法,在链路增益平坦度为3.25 dB的测试系统中可将其控制在0.5dB以内.     

锐声音

<正>建立角膜联盟,搭建信息共享平台,能让紧急的患者及时得到救助,保住光明。——暨南大学眼科教授、成都爱迪眼科名誉院长姚晓明成人渐进验配技术真的没那么复杂;禁忌症(人群)真的没那么多。相比技术更关键的是沟通,如何让消费者更好地接受、更愿意配戴,才是更大的挑战。——天津万里路视光培训学校王冬     

新技术追踪

2015年科技大趋势2014年的科技发展使人们的生活发生了重大改变。从智能手机到打车应用Uber,数字化时代的好处日趋明显。但是随着虚拟现实技术、按需定制的流媒体服务等开始成为现实,我们在2015年能期待看到什么?智能手机变得越来越大大屏手机最初不被看好,如今却成为一种时尚。2011年,三星推出5.3英寸大屏幕Galaxy Note被认为丧失理智。可是今     

pH(酸度)计示值误差测量结果不确定度的评定

通过对使用pH计标准物质检定实验室pH计的过程进行分析,确定产生不确定度的影响因素,对各不确定度分量和测量结果的不确定度进行评定,从而做出对测量结果的准确判定。     

Emulex在中国再获殊荣

作为网络连接、监控和管理领域的领导者,Emulex公司(NYSE:ELX)在中国的网络连接市场迅速壮大,并且与本土主要OEM持续深化稳固的合作伙伴关系。作为领导者,Emulex亚太区销售副总裁严庆和(Jimmy Yam)在这一领域做出了突出贡献。严庆和表示:"这种强大的伙伴关系为Emulex产品实现更高的I/O、更大带宽     

文化凝聚金龙发展正能量

<正>追求卓越的金龙梦,让金龙集团向着品质的高峰不懈努力,形成了独有的金龙企业文化,"理解、包容、忠诚、团结"的企业精神和"尊重、学习、创新、超越"的文化理念,指导着金龙企业文化的落地生根、开花结果。2015年年初的一天上午,在金龙精密铜管集团股份有限公司(以下简称"金龙集团")中心会议室,一场以创新为内容的企业文化论坛活动正在进行。一次次的掌声中,台上的演讲者激情四溢,以催人奋进的语言展开自己的创新故事,台下的听者如醉如痴,从同事的故事里得到无限的激励。     

同轴度对千斤顶测得值的影响分析

为探究同轴度对千斤顶测得值的影响,采用重锤法测量千斤顶轴线与标准测力仪主轴线间的同轴度。根据测得值计算了不同同轴度下千斤顶力值绝对误差、相对误差和内插误差间差。实验结果表明,千斤顶力值绝对误差和相对误差都随着同轴度的增大而增大;当同轴度一定时,力值绝对误差随着压力值增大而增大,压力值越大,增大效果越明显。但是,力值相对误差并没有随着压力值的增大而增大,而是在±0. 5%区间范围内变化,同轴度对千斤顶测量力值的影响量不大于0. 5%,在扩展不确定度评定时应当引入同轴度对千斤顶测量力值的不确定度这一分量。此外,内插误差间差并未随着同轴度的增大而增大,而是在±0. 1%区间范围内变化,同轴度对千斤顶内插误差的影响量不大于0. 1%。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。