广义正交码索引调制系统的性能分析

摘 要：为了提高码索引调制（code index modulation，CIM）系统的传输效率，提出了一种具有更低复杂度的单输入单输出（single input single output，SISO）的广义正交码索引调制（generalized orthogonal code index modulation，GQCIM）系统。CIM 系统使用扩频码和星座符号传输信息，但只能激活两个扩频码索引和一个调制符号。而 GQCIM 系统以一种新颖的方式克服了只激活一个调制符号的限制，同时充分利用了调制符号的正交性，增加扩频码索引以传输更多的额外信息位，提高了系统的传输效率。此外，分析了GQCIM系统的理论性能，推导了误码率性能的上界。通过蒙特卡罗仿真验证了GQCIM系统的性能，对比发现GQCIM系统的理论和仿真性能一致。而且在相同的传输效率下，结果显示GQCIM系统的性能优于同样具有正交性的调制系统，如广义码索引调制（generalized code index modulation，GCIM）系统、CIM系统、码索引调制-正交空间调制（code index modulation aided quadrature spatial modulation，CIM-QSM）系统、码索引调制-正交空间调制（code index modulation aided spatial modulation，CIM-SM）系统、脉冲索引调制（pulse index modulation，PIM）系统。     

新精神活性物质拉曼谱图强荧光背景去除方法研究

针对新精神活性物质拉曼谱图信号其普遍存在的强荧光背景问题,充分挖掘原始信号的统计特性和荧光背景变化趋势,通过线性回归分析科学引进"广义信噪比",提出了一种新的有效去除强荧光背景的基线校正方法。该方法利用线性回归对拉曼谱图原始信号曲线漂移变化进行刻画,根据广义信噪比归一化阈值判断提取信号中的基线点,再通过相邻基线点线性连接从而得到最终的基线。经理论分析和仿真实验结果证明该算法是一种灵活实用、快速简易的高效算法。     

交直流混合电力系统快速潮流计算

针对交直流混合电力系统潮流算法计算量大、计算速度慢的缺点,提出一种基于广义特勒根定理的交直流混合电力系统快速潮流计算方法。该方法将修正方程的注入功率改为注入电流,得到基于统一迭代法的电流注入型潮流计算模型,该潮流模型既保留了统一迭代法的强收敛性,又降低了模型计算量。在此基础上,应用广义特勒根定理求解所建潮流模型,既减少修正方程求解量又提高了潮流求解速度。对22节点交直流混合电力系统进行仿真计算,仿真结果验证了该方法的正确性和快速性。     

基于BP神经网络的高速动车组网络控制系统时延研究

当前,高速动车组的控制系统迅速向网络化与智能化方向发展,网络控制系统已被大规模地应用于高速动车组的控制系统之中,网络控制系统可实时地传输高速动车组中各个设备的数据并监控高速动车组的运行状态,以保证高速动车组安全地运行。但高速动车组的通信网络控制端口和变量数目非常多且各端口的长度与特征周期也各异。故高速动车组的网络控制系统在输出数据的时候,不可避免地出现网络时延现象,该现象严重地威胁着高速动车组网络控制系统的实时性和稳定性。由于高速动车组的网络控制系统是一种非线性系统,故文章针对带有时延问题的高速动车组非线性网络控制系统,提出一种有效的优化方法,即将BP神经网络递推预测与广义预测控制结合起来,先根据BP神经网络递推预测的方法对网络控制系统未来的输出进行预测,然后利用递推最小二乘法对网络控制系统未来时刻的系统参数进行辨识,将非线性网络控制系统在每一时刻进行线性化处理,最后由广义预测控制算法补偿非线性网络控制系统的时延且对所提出的方法进行实验仿真,实验结果表明:该方法可有效地消除高速动车组网络控制系统的时延,同时具有实时性高、计算速度快及鲁棒性强等优点,显著地优化了带有时延问题的高速动车组非线性网络控制系统。     

基于广义逆矩阵理论的杆系结构形态创构方法#br#

广义逆矩阵理论被广泛应用于不稳定结构的形态分析。不稳定结构在荷载作用下，其形状会发生变化直至其势能达到最低，此时的结构处于无弯矩的平衡状态。根据该原理并结合广义逆矩阵理论提出一种适用于杆系结构的形态创构方法。该方法将杆系模型中杆单元进行分组，在每一组中杆单元总长度不变的条件下，建立控制结构形状变化的移形方程。利用广义逆矩阵理论和势能梯度确定使模型势能下降最快的方向，并逐步调整节点位置直至势能达到最低。临时单元和单元组的引入使得该方法可以应用于多种形式结构的形态创构，合理地设置单元组和临时单元可以实现单元长度与单元内力的重新分配进而实现诸多功能。算例分析说明该方法的特性并验证其有效性。     

煤矿深部开采煤岩动力灾害防控理论基础与关键技术

煤岩层赋存条件决定了煤矿深部开采条件下煤岩动力灾害的发生机理更趋复杂、防控难度显著增大,如何解决煤矿深部开采煤岩动力灾害防控问题,直接影响我国煤矿的安全生产和能源的有效供给。针对"煤矿深部开采煤岩动力灾害防控技术研究"这一科学命题,基于冲击地压"三因素"机理和煤与瓦斯突出的综合作用假说,从煤岩动力灾害防控理论基础、关键技术和防控实践等3个方面,梳理澄清了煤矿煤岩动力灾害防控中的一些模糊概念,建立了用于统一描述冲击地压和煤与瓦斯突出发生机理的广义"三因素"("物性因素"、"应力因素"及"结构因素")理论,确定了我国煤矿典型冲击地压的4种类型(煤层材料失稳型、煤层结构失稳型、顶板断裂型、断层滑移错动型),分析了影响冲击地压和煤与瓦斯突出的主要因素,从思想认知、原则方法及技术核心等方面凝练了煤岩动力灾害多尺度分源防控技术,提出了深部开采冲击地压巷道"三级"吸能支护思想与成套技术,开发了煤与瓦斯突出井上下联合抽采防控技术和超高压水射流"横切纵断"防治复合煤岩动力灾害技术,并在现场开展了应用试验。煤矿深部开采煤岩动力灾害防控理论与关键技术的建立与完善,为我国今后煤矿煤岩动力灾害的防治提供了科学依据。     

基于广义隐马尔可夫模型的PM2.5浓度预测

近年来，以PM_2.5为主要污染物的重霾污染事件频频发生，给我国国民经济和居民健康造成了严重损失。在空气质量尚未得到根本性改善的情况下，对重霾污染的准确预警不仅能使公众合理回避污染危害，还能为政府实施应急管理提供时间裕量。针对影响PM_2.5浓度的前体物及气象因素的非高斯分布特点以及传统隐马尔可夫模型（hidden Markov model，HMM）必须已知隐含状态个数的缺点，采用广义隐马尔可夫模型（generalized hidden Markov model，GHMM）对北京市除去定陵外的11个国控站点2013年1月～2017年1月的PM_2.5浓度进行了预测。结果表明：GHMM对严重污染及以上PM_2.5样本浓度预测准确率显著高于传统连续HMM，但针对中度污染及以下PM_2.5样本浓度的预测准确率接近传统HMM。     

基于广义深度学习的含DG配网故障诊断方法

针对传统故障定位方法难以满足含分布式电源配电网的问题，提出一种基于广义深度学习的故障定位方法。利用广义深度学习在逼近能力和容错性方面的优势，挖掘响应数据与故障位置之间的映射关系，建立含分布式电源配电网故障定位的模型。IEEE34节点仿真结果表明，该方法可有效实现含分布式电源配电网的故障定位，准确率高，速度快，且在信息畸变或缺失时容错性好。