面向毫米波透镜阵列的FNN天线选择算法

为了减少毫米波大规模多输入多输出( Multiple-Input Multiple-Output,MIMO)系统在数据传输过程中所使用的射频链数目,解决高硬件成本和高功耗的问题,可以将透镜天线阵列作为一个实际有效的解决方案部署在毫米波MIMO系统的基站端.利用透镜天线阵列具有基于方向的能量聚焦特性,对透镜阵列进行天线选...     

基于贝叶斯压缩感知的毫米波MIMO信道估计

针对毫米波大规模多输入多输出(MIMO)通信系统中存在的硬件成本高、能耗大等问题,混合模拟-数字的收发机架构是一个很有前景的解决方案,然而系统的信道估计问题却成为一个挑战。在考虑正交频分复用和频率选择性衰落信道模型的前提下,提出了一种使用贝叶斯压缩感知理论来估计信道的方法。贝叶斯压缩感知算法可以在稀疏信道先验知识不完备的情况下,实现更高精度的信道估计。仿真结果验证了所提方法的有效性,与正交匹配追踪算法相比,在信噪比为30dB时,归一化均方误差降低了约25dB。     

基于深度学习的高维信号信道估计算法

针对大部分基于深度学习（Deep Learning,DL）的信道估计算法估计高维信号时出现的训练开销过大、泛化能力差等问题,提出了一种不需要训练的基于深度学习的高维信号信道估计算法,即UTCENet（Untrained Channel Estimation Network）。在UTCENet中,信道信息上的复杂分布转换为模型参数上的简单分布,即通过神经网络参数化来获得隐式先验知识并将其应用于信道估计。虽然该算法不需要任何训练,但保证了估计的性能,其原因在于专门设计的网络模型可以有效利用时频网格中元素的相关性。仿真结果表明,与传统方法以及现有的深度学习方法相比,所提出的算法在归一化均方误差和误码率方面性能提升明显。     

Texaco煤气化工艺的影响因素

介绍了Texaco煤气化流程的特点,分别对影响工艺操作的煤种性质、煤浆浓度、气化温度和气化压力等方面进行了分析,对如何合理、有效利用煤炭资源以及气化炉如何能达到最佳的长周期稳定运行状态,具有一定的借鉴意义。     

结合空间注意力机制与多尺度分辨率融合的低光照图像增强方法

为了解决低光照条件下拍摄造成的对比度过低、颜色失真等多种图像内容退化问题,提出了一种结合空间注意力机制与多尺度分辨率融合的图像增强方法。首先基于Retinex理论,利用带有空间注意力机制的分解网络将低光照图像分解为光照图与反射图,并且在光照图中,采用伽玛校正对光照图拉伸光照对比度。然后在融合网络中,将校正过的光照图与反射图通过U-net网络,使高、低分辨率的特征图充分融合来生成最终的色泽度饱满、细节信息丰富的结果。提出的算法在LOL-dataset数据集的结构相似度指标为0.803 2,比同类最优算法高出6.37%。     

下传动升降式调头机的改进

我厂为φ400mm轧机配备的钢锭调头机属下传动升降式,置于加热炉与轧机之间。当钢锭小头朝前时,可自由通过托架而进入轧机;大头朝前时,需将钢锭停在托架上,托架托起并旋转180°落下,使钢锭调头。     

一种面向透镜阵列毫米波多用户MIMO的CNN天线选择算法

毫米波通信中大规模多输入多输出(MIMO)系统的实现需要使用大量射频链,导致了系统硬件成本和能耗过高的问题。为了解决这一问题,考虑利用透镜天线阵列基于方向的能量聚焦特性并结合天线选择技术能够在性能损失不明显的同时有效地减少射频链的使用数量。针对具有透镜天线阵列的多用户MIMO系统,提出了一种基于卷积神经网络(CNN)的天线选择算法,将信道状态信息和以信道容量为指标而制作的标签作为网络的输入,对神经网络进行训练,用训练好的网络模型为新的信道状态信息选择出最优的天线组合。仿真结果表明,所提方案获得的和速率性能接近全数字方案,并且所提天线选择算法的分类准确率可以达到98%左右,优于其他基于机器学习的天线选择算法。     

基于FPGA的图像裁剪电路的设计与实现

本文提出了一种基于FPGA的图像裁剪电路的设计方法,利用像素的抽取改变图像的分辨率,从而达到图像裁剪的效果。与传统的方法相比,这种方法简单易行,开发成本低,图像的清晰度能满足一定的要求。此方法数据处理速度快,尤其适用于动态图像的处理。     

济宁市发展煤液化的机遇与挑战

介绍了煤液化定义,分析了济宁市煤液化的现状,提出了济宁市发展煤液化的建议和看法。