对加强企业离退休党员教育管理的思考

马钢目前有近三万名离退休职工,其中离退休党员有9100多人,占总人数的30%以上。他们已成为马钢基层党建工作的主力军。对于促进马钢和市两个文明建设,稳定广大离退休职工队伍,构建和谐社会美好愿景,为马钢实现既定的战略发展目标都有着非常重要的意义。为了做好离退休党员教育管理工作,可以从坚持管理与服务结合、教育与学习结合、家访与解困结合和搭台与活动结合四个方面着手。以增强广大离退休职工对企业和社会的亲戚感、归属感、认同感、使命感。     

标签到标签通信系统中相位对消问题研究

在反向散射标签到标签(BBTT)通信系统中,标签与标签之间通过反向散射和接收环境信号进行通信。来自信号源的环境信号和来自发射标签的反向散射信号在接收标签处产生叠加信号,由于相位的不确定性,在接收标签处可能造成相位对消问题,导致解调错误。首先,本文分析了相位对消问题存在的原因和造成的影响。其次,针对低信噪比(SNR)、接收标签对误符号率(SER)要求高的场景提出基于三电平二进制的二阶调制方案。针对高阶调制下的相位对消问题,本文采用非对称星座图,并在发射标签端采用最小二分法确定延迟并主动增加延迟来降低相位对消问题对解调的影响。最后,设计了动态调制方法以适应不同信道环境下的反向散射通信。仿真实验表明,本文设计的调制方案能有效降低标签到标签反向散射通信的误符号率。     

基于电信业务的程序设计课程改革探索与实践

本文针对我国大学程序设计课程教学中存在的问题,以通信工程专业为背景,提出将专业知识与程序设计课程相结合的改革思路,指出根据专业特点优化课程教案、丰富课堂案例的方法,介绍了电信业务硬件平台的设计方案,同时将实践环节与课程体系统筹考虑,设计从基础、提高到综合的完善的实验实践体系,并提出以项目为主线的实习组织方式,为非计算机专业的程序设计课程教学进行了有益探索。     

非对称异步移动传感网中低延时邻居发现算法

邻居发现即通过一定的手段快速而有效地去感知与节点能够直接通信的一跳范围内的邻居的问题,是移动传感网（MSN）的重要部分。非对称异步MSN中,已有的算法需要大量的时间和能量去完成相互发现。针对此问题,基于信标与活动时隙分离的邻居发现模型,提出一种适用于异步对称场景的BMCS-A算法,信标在工作周期的不同时隙进行广播以保证邻居发现的确定性。其次,扩展BMCS-A,提出一种持续性广播的BMCS-B算法,节点在第一个子周期内持续性广播信标,接收到该信标的节点将自适应地调整信标的发送时刻以加快邻居发现过程。最后,实现协作式BMCS-B算法,基于已发现邻居的睡眠苏醒调度信息,节点主动发送信标去发现潜在的邻居。仿真实验结果表明,与Searchlight、G-Nihao和Disco相比,协作式BMCS-B将最坏发现时延分别降低了84.62%、85.71%和81.82%。     

基于知识图谱路径最优化的自然语言推理方法

外部知识库为自然语言推理模型提供了更多的推理知识,而传统融合知识图谱的自然语言推理模型在子图构建的过程中会引入大量噪声,影响最终模型准确率。对此提出一种基于知识图谱路径最优化的自然语言推理方法,首先结合权重信息和路径长度信息进行子图过滤,从而减少图中未匹配实体的数量,增加子图的上下文相关度,然后运用图神经网络编码子图得到图向量来进一步获取子图中的知识信息,最后将图向量和文本向量相结合送入分类器做判别。采用中文语料库作为实验数据集,结果表明论文模型测试准确率相比基线模型提升1.2%～4.4%,实现了比基线模型更好的识别性能。     

基于相似度的K阶临近定位算法

基于WIFI位置指纹的定位系统能实现较高精度的室内定位,其中基于接收信号强度指示（RSSI）的近邻选择算法在进行室内定位时容易引入奇异点,导致定位精度降低.针对该问题,本文提出了一种基于相似度的K阶临近定位算法（SKNN）.该算法借鉴二部分网络中求解节点相似性的思想,建立位置指纹与AP之间的二部分网络,并提出一个相似度参数,用该参数去修正K阶临近定位算法.实验结果表明,本文提出的SKNN算法可以有效的降低奇异点对定位结果的影响,提高定位精度,80%的定位误差均在2 m以内,且在大场景中效果明显.     

基于双阶段位置修正的室内定位算法

WLAN指纹定位技术已经成为室内定位领域的研究热点，但空间环境变化易导致传统定位算法精度降低。针对此问题，提出基于双阶段位置修正的室内定位算法。分析空气介质电导率变化对RSSI的影响，以传统算法的定位结果作为初始位置，首先利用K邻近法（KNN）构建初始位置指纹映射；在此基础上，利用多维标度法（MDS）计算离线、在线阶段的用户间相对位置修正值；最后，利用双阶段位置修正值对初始位置进行优化，得出最终目标位置。实验结果表明，该算法能够有效应对环境变化，修正定位结果，传统算法经其优化后平均误差均有10%以上的降低。     

物联网数据融合的动态队列感知CSMA调度方案

物联网环境下的数据融合要求采集和处理各种具有不同时间特性的数据,包括实时数据和非实时数据。数据的实时交付作为数据融合的前提对融合结果有着极其重要的影响。论文提出了一种基于动态队列感知的分布式调度算法（QACSMA）,该机制考虑了数据的丢包率、时延约束和队列预测占用率,利用贪婪算法动态调整竞争窗口,以在链路队列长度变大时,提高长队列的服务效率,降低队列长度和时延,提高吞吐量。仿真结果表明,与其他典型调度方案相比,该算法的吞吐量和延迟性能均有所提高。     

基于神经网络的SWIPT接收机资源分配策略

无线携能通信(Simultaneously Wireless Information and Power Transfer,SWIPT)作为一种新兴的用于能量受限网络的技术近来受到广泛关注,但现有SWIPT接收机资源分配策略只考虑实现当前时刻内网络最佳性能,没有考虑未来时刻内的网络性能优劣,无法满足服务质量要求高的网络.针对此问题提出了一种基于神经网络的接收机资源分配策略,首先从能量和时间的角度分别考虑延迟受限(Delay-Limited,DL)传输模式下的网络中断概率及其相应的中断区域,推导出理论上实现最大吞吐量的资源分配策略,然后利用神经网络预测未来时隙信道状态信息动态调整此策略.实验结果表明在不同信道状态下,所提策略能够实现更为稳定的网络性能.