基于Massive MIMO及频谱叠加的5G SA网络上行优化方法

大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)可以有效提升5G SA网络的上行链路数据传输速率以及可靠性。针对5G SA网络上行链路速率和覆盖不均衡的情况,提出了基于大规模MIMO的分组算法,将发送信号矢量进行分组,组内采用最大似然检测,组外采用基于正交三角分解(QR分解)的干扰消除检测,并且结合5G频谱的叠加策略,在降低算法复杂度的同时,有效提升网络覆盖和速率。通过5G SA现网实测,通过MIMO降低分组数量能够提升分组检测性能,结合上行低频段频谱叠加策略能够有效提升5G SA网络上行覆盖30%,提升5G SA网络上行平均速率40%~80%,特别是弱覆盖边缘的网络速率,最高可达600%。     

基于SAOR的Massive MIMO系统信号检测算法

大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。     

上党堆锦形成自身特色的方式研究

上党堆锦原被称为“堆花”,因制作工艺在经其传承人改进后,画面立体效果愈加明显,现被称为“软浮雕”。而且其题材与区域特色文化相融合后,不仅较其它民间手工艺识别性更强,还能跟进市场动态需求,以高端定制服务来满足现代消费者需求。在行业内一直以创新方式而闻明,并能带动区域内民间手工艺行业的发展。本文通过对上党堆锦制作工艺、题材来源和可持续发展条件来对上党堆锦形成自身特色的优势条件进行了解,明确其可持续发展的条件。     

究竟值几星?钉钉

最近,不少中小学生给《钉钉》打了“一星差评”,这是因为《钉钉》为学生们提供了一个在线学习渠道。而对于“一星差评”,《钉钉》也识趣地“求饶”。但摒除偏见,《钉钉》究竟能值几星?一份完整的线上协同方案,一场全社会的云办公实验作为阿里巴巴旗下的优质产品,《钉钉》本身是一款专为企业打造的工作沟通、协同、智能移动办公平台,它为企业提供了安全高效的即时通讯解决方案,并且为企业量身定制免费OA办公系统,大幅提高了工作效率.     

“互联网+”背景下的发型设计与人力资源结合

发型在一定程度上可以影响人们的气质,与传统方式选择发型的人相比,运用互联网技术设计符合自己形象与气质的发型,更像是一场"赌博"。文章通过研究发现,想象效果与实际效果会有较大偏差,使得人们往往产生理发后心情低落。通过结合互联网,我们可以打破传统方式选择发型,利用发型定制APP可根据不同脸型设计发型,运用APP中的VR技术上传本人面型并进行系统分析定制符合自己气质的发型,并利用APP提供预约服务及网络终身设计师等服务型功能。     

非牛顿流体减速带的应用研究

减速带意在提醒司机减速,但在通过减速带时会感到有强烈的震感。而非牛顿流体减速带可以使车辆在低速过该减速带时如履平地,不会产生不适感。非牛顿流体减速带利用非牛顿流体的粘度随剪切应力和剪切速率增大而增大的性质。通过建立非牛顿流体减速带的模型,设置临界速度V_K。对于水泥生料浆作为填充物,车速小于临界速度V_K(33.5m/s),减速带仅产生形变,而以大于临界速度通过减速带时,减速带变成刚体,表现出与常规减速带相同的效果。本模型使得定制"特征"减速带成为可能,推进了非牛顿流体减速带的应用。     

iMakeup:特定领域的大规模长视频数据集——用于细粒度视频语义内容描述

实际生活中,大多数视频均含有若干动作或物体,简单的单句描述难以展现视频中的全部信息,而各类长视频中,教学视频步骤清晰、逻辑明确,容易从中提取特征并使用深度学习相关算法进行实验验证,从长视频中提取复杂信息成为研究人员日益关注的问题之一.为此,文中收集整理了一个命名为iMakeup的大规模的美妆类教学视频数据集,其包含总时长256 h的热门50类2 000个长视频,以及12 823个短视频片段,每个片段均根据视频的逻辑步骤顺序进行划分,并标注起止时间和自然语句描述.文中主要通过视频网站下载收集原始视频,并请志愿者对视频的详细内容进行人工标注;同时统计分析了此数据集的规模大小和文本内容,并与其他类似研究领域的若干数据集进行对比;最后,展示了在此数据集上进行视频语义内容描述的基线实验效果,验证了此数据集在视频语义内容描述任务中的可行性. iMakeup数据集在收集整理时注重内容多样性和类别完整性,包含丰富的视觉、听觉甚至统计信息.除了基本的视频语义内容描述任务之外,该数据集还可用于视频分割、物体检测、时尚智能化推荐等多个前沿领域.