基于图神经网络的联合用户调度与波束成形优化算法

协作多点（Co MP）传输技术具有降低同频干扰和提高频谱效率的特点。对于Co MP,用户调度与波束成形是2个分别位于媒体访问接入层和物理层的基本研究问题。在考虑用户服务质量需求下,重点研究用户调度与波束成形的联合优化问题,并以网络吞吐量最大化为目标。为了克服传统优化算法计算开销大且未有效利用网络历史数据信息的问题,提出了一种基于图神经网络联合用户调度与功率分配模型,并结合波束向量的解析公式,以实现联合用户调度与波束成形优化。仿真分析表明,所提算法能够以较低的计算开销实现与传统优化算法相匹配,甚至更优的性能表现。     

产流参数对石桥水电站设计水位的影响研究

产汇流计算对科学设计水库水位,保证水库在汛期的正常和安全运行具有重要意义。以辽宁丹东石桥水电站扩建增容工程为例,分析了产流参数对水电站设计水位的影响,结论显示利用降雨径流相关法进行产流计算过程中,需要考虑Cp、Ci值的变化。     

移动场景下的智能信道预测方法

针对无线通信信道估计老化问题,本文提出了一种基于卷积神经网络的信道预测方法,该方法通过联合轨迹预测和信道重构实现。首先,采用卷积神经网络学习从规划路线和移动终端所在位置到移动方向映射,进而预测出轨迹上多个目标位置;其次,采用卷积神经网络学习从目标位置附近K个位置项的信道,到目标位置信道间映射,用于实现预测轨迹的信道估计。本文利用Wireless InSite为移动方向预测和信道重构模型的训练及测试生成充足的样本,包括规划路线和通过射线跟踪方法获取的信道等。仿真结果表明,本文所提出的方法能有效地估计目标位置的信道特性,与K值较小的K-近邻插值方法和基于全连接神经网络的信道预测方法相比,其信道估计总相对误差更低且鲁棒性较好。      

基于sc-NMF的高光谱图像融合

将高光谱图像与全色图像融合,所得融合数据对于后续的其它高光谱图像处理非常有帮助。区别于传统方法,针对高光谱图像特点,引入了光谱约束项,改进并建立基于光谱约束的非负矩阵分解（spectral-constrained nonnegative matrix factorization,sc-NMF）。改进后,该模型首先在光谱约束前提下,对高光谱图像进行非负矩阵分解,对分解所得基底进行增强,再重建高光谱图像。这样,所得到的融合图像在空间细节和光谱保持性均有比较好的效果。最后,进行了仿真和实际数据的实验验证,通过主观和客观的评价结果,所改进的融合方法性能较好,比传统方法更适用于高光谱图像融合。     

关于焦炉气部分氧化甲烷转化法制甲醇稳定生产的探讨

从焦炉气中杂质的脱除、转化工艺条件的控制等方面入手进行探讨，旨在提高焦炉气部分氧化甲烷转化法制甲醇装置生产的稳定性。     

基于图神经网络的低复杂度无蜂窝大规模MIMO无线传输

波束成形是多天线无线通信网络研究中的基本问题之一。针对无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)多点联合发送中满足用户服务质量需求下的最大化系统和速率波束成形问题，利用网络历史数据，提出了基于图神经网络的波束成形智能优化算法，有效克服了传统优化算法在大规模多天线通信中计算效率低的缺点。仿真实验结果表明，所提算法的性能表现与传统优化算法接近，且具有更低的计算复杂度。