基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

浅谈上海地区超深地下连续墙铣接法施工监理质量控制

随着上海地区对深层地下空间的持续开发,超深基坑不断涌现,基坑安全也面临深层承压水层的严峻考验。围护结构施工质量的好坏直接关系到整个基坑工程的安全。从监理角度出发,探讨上海地区超深地下连续墙铣接法施工质量控制的若干问题,就超深地下连续墙施工各阶段的注意点提出了一些观点,以期对相关工作者有所帮助。     

深孔爆破成井技术在三道庄钼矿的试验与应用研究

洛钼集团矿山公司三道庄矿区由于历史原因,露天开采境界地下内存在的采空区已危及矿山公司的正常安全生产,阻碍了洛钼集团可持续发展。为解决这一重大问题,经过充分调研和多方论证,认为深孔一次爆破成井技术是解决此类采空区难题唯一的经济上合理、技术可行、安全可靠的手段与途径。深孔爆破成井实现与采空区顶板的贯通,使采空区边岩稳定,顶岩暴露面积缩小,确保了采空区的稳定;保证了台阶正常推进。     

基于多自由度气动机械手位置伺服系统稳定性控制研究

基于传统易碎薄板机械手位置伺服控制系统稳定性低、自动化分拣效率低等不足,设计了一种基于笛卡尔坐标式的气动码垛机器手和位置伺服稳定性控制系统。首先,设计并介绍笛卡尔坐标式码垛机械手的基本组成结构,对机械手末端吸盘气动回路控制系统进行设计和分析;然后分别对机械手X、Y、Z三个方向的伺服电机控制原理进行分析并设计了一种位置伺服系统的前馈自适应控制算法;最后,将传统位置闭环PID算法和前馈自适应控制算法进行位置跟踪稳定性对比试验。实验结果表明该笛卡尔坐标式的气动码垛机器手和位置伺服稳定性控制系统设计合理,满足实际生产要求。     

丰满大坝重建工程施工期度汛对老坝稳定的影响分析

丰满大坝重建工程是在老坝下游120 m处建设一座新坝,恢复电站的原有任务和功能。老坝兼作为新建工程的上游围堰使用,老坝仍需正常挡水运行。新坝建设期度汛时,老坝下游水位与原运行状态相比发生了变化,会对老坝的安全稳定产生影响,因此,对老坝的典型坝体遭遇不同标准洪水时的抗滑稳定性进行了分析。分析结果表明断层坝段的安全裕度不满足规范要求,但与现状相比并没有恶化,而其余坝段安全性满足规范要求。     

S频段800W室外型连续波固态功率放大器设计

针对现有室内固态功放体积大,馈线系统设计复杂的问题,提出了一种新型结构形式的高功率、高效率和小体积固态功率放大器。给出了高密度、大功率径向合成的原理及设计方法,对径向合成网络进行了建模仿真,通过优化达到了功放设计所需的性能指标。基于8个功放模块和8路径向合成网络,设计了一种室外型固态功率放大器,在所需频段实现了大于800 W的输出功率,整机效率高于40%。     

安家岭露天矿南帮边坡不稳定区域防治措施

安家岭露天矿通过开展边坡年度稳定性评价工作,对稳定性不足区域提出治理措施,并结合下1年度生产计划对采矿方案进行调整。安家岭露天矿采矿主要调整南帮逆断层影响区域,通过提前掏槽开采—快速内排压脚,使逆断层影响区域满足边坡安全;快速内排压脚后并对原运煤系统进行了调整,可以有效缩短运煤路线,在保证安全基础上取得可观的经济效益。     

日本最新研究:糙米有助预防糖尿病

<正>新华网东京2月1日电日本一项最新研究发现,糙米中含量丰富的"γ-谷维素",能够调节胰腺"β细胞",帮助胰腺功能恢复正常,从而起到预防糖尿病或减轻糖尿病症状的作用。长期摄入高脂、高糖食物会给胰腺带来负担,导致分泌胰岛素的β细胞功能降低,无法产生必要量的胰岛素来保持血糖稳定,从而导致糖尿病。     

基于RFID标签阵列的睡眠期间呼吸量连续监测系统

睡眠期间连续且准确的呼吸量监测有助于推断用户的睡眠阶段以及提供一些慢性疾病的线索。现有工作主要针对呼吸频率进行感知和监测,缺乏对呼吸量进行连续监测的手段。针对上述问题提出了一种基于商用无线射频识别(RFID)标签的无线感知用户睡眠期间呼吸量的系统——RF-SLEEP。RF-SLEEP通过阅读器连续收集附着在胸部表面的标签阵列返回的相位值及时间戳数据,计算出呼吸引起的胸部不同点的位移量,基于广义回归神经网络(GRNN)构建胸部不同点的位移量与呼吸量之间的关系模型,从而实现对用户睡眠期间呼吸量的评估。RF-SLEEP通过在用户肩膀处附着双参考标签,消除用户睡眠期间翻转身体对胸部位移计算造成的误差。实验结果表明,RFSLEEP对不同用户睡眠期间的呼吸量连续监测的平均精确度为92.49%。