改进的基于DFT的OFDM系统信道估计算法

在正交频分复用（OFDM）系统中,针对常用的信道估计算法不能有效地抑制信道冲激响应中循环前缀长度内噪声的不足,提出了一种改进的基于离散傅里叶变换（DFT）的信道估计算法。该算法是一个多次迭代的过程,通过最小二乘算法获得导频位置处的信道频域响应,经过逆傅里叶变换后,利用时域内引入的能量增长速率函数来判断信道冲激响应分布情况,以便对其进行消噪处理,最后通过多次迭代进一步抑制子载波间干扰和加性高斯白噪声。仿真结果表明,无论在多普勒频移较小还是较大的情况下,该算法的估计性能均优于最小二乘（LS）信道估计算法、传统基于DFT的信道估计算法和基于阈值的信道估计算法。在系统误比特率为[10-2]时,改进的基于DFT的信道估计算法比其他算法有3~5 dB的性能增益。     

结合误差变换的Bouc-Wen迟滞非线性系统反步控制器设计

针对智能材料执行器中非平滑、多映射的迟滞非线性,采用Bouc-Wen模型描述迟滞,并提出了一种基于误差变换的反步控制器设计方案.首先利用Bouc-Wen模型中的变量特性,通过预设性能函数,将误差约束在预设范围内.然后通过误差变换,将一个对输出误差存在约束的跟踪问题转化为一个无约束的镇定问题.最后利用反步控制法设计迟滞系统的控制器,该控制方法保证期望的跟踪精度,并能将误差限定在设定范围内且满足预设性能,提高了系统的暂态和稳态性能.仿真结果表明设计方法的有效性.     

未知控制方向的迟滞非线性系统预设自适应控制

针对一类含有迟滞特性的未知控制方向严反馈非线性系统,设计了基于误差变换的反步自适应控制器.首先提出动态迟滞算子来扩展输入空间建立神经网络迟滞模型.然后利用径向基函数(RBF)神经网络逼近未知函数,并引入Nussbaum型函数来解决系统未知控制方向问题.最后采用误差变换将误差限定在预设的范围内,并利用反步法设计自适应控制器.该控制方案不仅能够保证跟踪精度,还可以提高系统暂态和稳态性能.仿真结果表明了控制方案的可行性.     

吉林市哈达湾工业区大气气溶胶中萘和联苯的污染特征

大气气溶胶中的多环芳烃是对人体健康危害最大的环境污染物之一.对2003年至2004年在吉林市哈达湾和江南公园采集的31个大气气溶胶样品,采用超声波萃取法提取其中的多环芳烃,对其进行浓缩和层析,用高效液相色谱法对其中的萘和联苯进行定量分析.得到哈达湾采样点萘和联苯的浓度均高于江南公园采样点萘和联苯的浓度.     

纳米杆状Co9S8的原位制备及其染料敏化电池对电极性能研究

寻找无铂、无FTO、导电性好且电催化性能优异的对电极对染料敏化电池的研究具有重大意义。本工作采用溶胶凝胶退火工艺在石墨纸基底上制备了Co_9S_8纳米杆,并用作染料敏化太阳能电池对电极。通过扫描电子显微镜、X射线衍射、透射电镜、循环伏安曲线、电化学阻抗谱、Tafel极化曲线以及光伏特性曲线分别对其形貌、物相、电催化活性及稳定性、光伏性能等进行研究。分析结果表明在柔性石墨纸上滴涂两次前驱体之后退火的样品表面生长有更为密集的Co_9S_8纳米杆,并且该样品具有良好的电催化活性以及优良的稳定性,与Pt电极相比(6.75%),其组装的电池具有更优异的光电转换效率(7.28%)。     

论青花斗彩装饰艺术

本文主要探究青花斗彩的审美特征及其特殊的表现形式在现代陶瓷装饰中装饰技法、装饰风格、画面构图等方面的创新与应用以及青花斗彩对现代综合装饰创作的影响。     

军队资产管理量化考核及评级标准

本文主要介绍了资产管理量化考核的相关方法，并对其进行了详细阐述，从而制定资产管理过程中的量化标准，并对考核结果进行综合分析，提出改进意见。     

军队资产管理量化考核及评级标准

本文主要介绍了资产管理量化考核的相关方法,并对其进行了详细阐述,从而制定资产管理过程中的量化标准,并对考核结果进行综合分析,提出改进意见。     

快时变OFDM系统中非采样间隔信道的信道估计

摘要：在快时变环境下的OFDM（orthogonal frequency division multiplexing,正交频分复用）系统中,针对非采样间隔信道CIR（channel impulse response,信道冲击响应）能量泄漏和ICI（inter-carrier interference,子载波间干扰）的问题,提出了一种基于分数抽头信道近似的复指数基扩展联合反馈离散傅里叶变换信道估计算法。该算法首先根据基于分数抽头信道近似的复指数基扩展模型计算信道参数,再根据该信道参数计算出快时变环境下OFDM系统的ICI系数,然后将初次消除ICI的信号作为反馈进行离散傅里叶变换,进一步消除噪声和ICI。该算法在一定程度上抑制了CIR能量泄漏,消除了ICI和噪声,有效地近似了实际信道。仿真结果表明,该算法在误比特率和信道均方误差方面均有明显提高。     

基于最小噪声分离和生成对抗网络的影像阴影去除

为了提高影像阴影去除的效果，提出一种基于最小噪声分离（MNF）和生成对抗网络（GAN）的影像阴影去除算法。它以GAN作为基本框架，在生成器和判别器中分别引入条件信息，采用端到端共同学习的多任务模式。生成网络采用编码解码结构，判别网络采用马尔可夫判别器结构。此外，此算法使用MNF，将消除噪声的影像灰度化后与阴影影像一起训练，进而恢复无阴影的影像。这样的网络在训练时可以专注于MNF变换后的单独特征嵌入，而非传统的跨任务共享嵌入。实验结果表明，在指定数据集上，所提算法的结构相似性（SSIM）的平均值达0.9780，像素均方根误差（RMSE）的平均值减小到9.8717。在主观感知和客观评价指标上，所提算法的实验结果均优于对比算法。