一种新的PCC-OFDM定时时偏盲估计

多项式相消编码PCC是一种编码技术，在PCC—OFDM调制中，它把将发送的信息调制到一组加权的子载波而不是单个子载波中去。PCC能够显著地降低OFDM对载波频偏的敏感性。本文对PCC—OFDM系统提出了一种新的定时盲估计，估计器是在接收机中的FFT之前进行的。基于PCC—OFDM的符号波形特征，构建定时时偏估计度量函数。最大化度量来估计定时时偏。本估计器不需要训练序列、导频信号或周期前缀。仿真表明，估计器在一个OFDM符号内收敛，且误差较小。     

角点距离矩阵和同心圆划分的曲线描述与匹配

曲线匹配对于物体识别、目标跟踪、碎片拼接等有着重要的意义。针对曲线匹配的效率与鲁棒性问题,提出了一种基于角点距离矩阵和同心圆划分的曲线描述与匹配算法。该算法分为粗略匹配和精确匹配两个阶段。粗略匹配阶段首先采用角点距离矩阵来描述曲线;然后通过子矩阵的方法来匹配曲线。精确匹配阶段首先采用同心圆划分的方法描述曲线;然后通过两条曲线同心圆描述集的差异度度量函数来度量他们的相似性。算法不仅具有平移、旋转、缩放不变性,而且具有较强的鲁棒性,可用于遮挡物体的匹配以及基于轮廓的图形拼接。实验结果表明了该算法的有效性和可行性。     

进口刀盘圆环失效原因及改进

首先从材料力学角度分析了抚顺石化公司干法腈纶装置原进口切断刀盘圆环失效的原因 ,认为此种切断刀盘圆环系二维增强结构层压板 ,层间没有纤维增强 ,需要解决由二维增强向三维增强的过渡。给出了改进办法 ,寻求到三维增强的替代材料。同时介绍了机械加工测试及在线实验     

一种改进的末端区域能量管理轨迹设计与制导方法

末端区域能量管理是重复使用运载器实现精确无动力水平着陆非常重要的一个飞行阶段。本文将末端区域能量管理段水平轨迹和纵向轨迹分开设计,参数化的水平轨迹设计包含3个校正圆,以实现航向、航程以及位置的精确调整;纵向轨迹采用2段二次高度-航程曲线以实现对高度和速度的控制。在此基础上,给出了水平和纵向轨迹的跟踪制导方法。仿真结果及其分析表明该轨迹设计方法可以灵活地设计末端区域能量管理段的标称轨迹,且制导方法能够实现标称轨迹的良好跟踪。     

基于移动社交群的互联网内容适配系统的搭建

基于移动社交群,提出了一种面向群体推荐互联网内容的系统。这种面向社交群体的新精确营销模式不仅能提升营销效率,也减少了客户接触频次,提升了客户感知。     

摄影测量中一种非编码点的自动匹配方法

在极限约束法基础上提出了一种非编码点匹配的改进算法,首先采用极限约束法得到候选匹配对应点,然后按编码点位置将图像Delaunay三角化,缩小匹配范用。在对应Delaunay三角形内确定匹配点,若在三角形范围内仍不能唯一的确定匹配点,则通过交比不变性来实现对应点的匹配。本方法不限制标志点的粘贴位置,满足摄影测量中实际应用要求。     

摄影测量中一种新的编码点识别和提取算法

描述一种符合摄影测量要求的编码点,并提出一种新的识别和提取编码点算法。这种编码点有15位编码,编码的数量达到2191,完全能够满足摄影测量的要求。通过CannY算子边缘提取和椭圆拟合,极大地提高了识别的正确率,能够实现解码的高鲁棒性。编码点中心坐标的精度达到亚像素级。该解码方法简单,且编码点识别率极高。     

网格环境下基于编码机制的数据复制研究

本文提出了基于编码机制的网格数据复制思想,通过对副本数据进行线性分组编码,并将其分散保存到网格存储节点,可形成具有纠删能力的编码子副本组.针对目前热点研究的线性分组编码,探讨基于Cauchy Reed-Solo-mon Code、Tornado Code和Random Linear Code的编码数据复制方案,通过建模手段讨论三者的副本数据访问性能和副本数据可靠性,并与传统的完整数据复制和分块数据复制进行时比分析,证明所提出的编码数据复制有着较优的综合性能.具体实验数据进一步说明,编码副本的编码开销占整个数据复制开销的较小比例,表明编码数据复制是具有可行性的技术方案.     

编码协作系统准循环重复累积码的联合设计与性能分析

重复累积(RA)码是一种特殊结构的低密度奇偶校验(LDPC)码,不仅具有LDPC码的优点,还能实现差分编码。针对LDPC编码协作系统编码复杂度高、时延长的问题,该文引入准循环RA(QC-RA)码,推导出信源节点和中继节点采用的QC-RA码对应的联合校验矩阵,基于公差构造方法设计该联合校验矩阵,并证明该方法设计的联合校验矩阵不存在围长为girth-4, girth-6的短环。理论分析和仿真结果表明,同等条件下该系统比相应点对点系统具有更优异的误码率性能。仿真结果同时表明,与采用一般构造QC-RA码或基于Z型构造QC-RA码相比,采用基于公差构造的联合设计QC-RA码的多信源多中继协作均可获得更高的编码增益。     

低功耗异构计算架构的高光谱遥感图像分类研究

高光谱图像分类算法通常需要逐点对图像中的像素点进行迭代处理,计算复杂度及并行程度存在较大差异。随着高光谱遥感图像空间、光谱和辐射分辨率的不断提升,这些算法无法满足实时处理海量遥感图像数据的需求。通过分析NPU存储计算一体化模式与遥感图像分类算法的实现步骤,设计低功耗CPU+NPU异构资源计算架构的低秩稀疏子空间聚类（LRSSC）算法,将数据密集型计算转移至NPU,并利用NPU数据驱动并行计算和内置AI加速,对基于机器学习算法的海量遥感数据进行实时分类。受到big.LITTLE计算范式的启发,CPU+NPU异构资源计算架构由8 bit和低精度位宽NPU共同组成以提高整体吞吐量,同时减少图网络推理过程中的能量损耗。实验结果表明,与CPU计算架构和CPU+GPU异构计算架构的LRSSC算法相比,CPU+NPU异构计算架构的LRSSC算法在Pavia University遥感数据集下的计算速度提升了3~14倍。