基于互耦的MIMO系统接收天线选择算法

传统的MIMO系统天线选择技术往往忽略天线间互耦性的影响。然而,在实际应用中,在有限阵列长度内部署多根天线,天线阵元之间不可避免的存在相关性与互耦性,其对MIMO系统性能有着重要影响。因此,在考虑天线间相关性与互耦性的影响下,基于系统容量最大化准则,提出了一种实值遗传退火(Real-Valued Genetic Annealing,RV-GA)接收天线选择方法,该方法克服了传统遗传算法中存在的早熟收敛问题,增强了算法的全局收敛性。仿真结果表明,所提出的方法可获得近似穷举法的系统性能,但是计算复杂度大大降低。     

电去离子运行过程中的结垢问题及其防止措施

在简要介绍电去离子(EDI)基本原理及其应用的基础上,提出了膜堆结垢是EDI应用过程中的主要问题,分析了膜堆结垢的原因及其预防措施,认为有效防止膜堆结垢的关键因素:控制EDI的进水硬度、CO2浓度等合理的预处理工艺;通过极水室和浓水室中填充离子交换树脂降低膜堆电阻的结构设计.     

钻柱信道中声波信号传输性能研究

石油钻井过程中使用的钻柱自上而下贯穿整个井筒,钻柱是连续的钢质结构,为声波的高速传输提供了得天独厚的条件,被认为是一种很有潜力的高速通信方法。为此,笔者对纵波声波信号在钻柱信道中传输的时频域特性进行研究,并对钻井液阻尼的影响规律进行分析。研究结果表明,纵波声波以正弦信号形式传输效果较理想,钻井液阻尼对钻柱信道传输性能的影响较小;信道通带内的频率信号传输性能较好,经过钻柱信号的幅值和波形保持良好,阻带内的频率信号经过钻柱时其幅值衰减明显,并产生显著的色散现象,信号波形失真严重。因此,传输信号频率应尽量选择在低频段的通频带内。     

基于IEEE802.16e协议的无短环的LDPC缩短码设计

IEEE802.16e协议给出的LDPC码是短码时,其校验矩阵存在大量的短环,针对这一问题,设计了一种新的LDPC缩短码方案。该方案在现有的IEEE802.16e标准的LDPC码的校验矩阵设计框架下,提出了一种分块修正子校验矩阵的设计方案,这种方案用准循环矩阵和有限几何法联合优化的方法构造了扩展因子zf=48的校验矩阵,运用同步顺序搜索度数节点的方式,使缩短码情况下的校验矩阵无4环并且仅含有少量6环。在AWGN信道下仿真实验表明,码率为0.5的情况下,改进后的码字不仅保持了IEEE802.16e标准编码的快速编码性能,并且误码率仅比此时的香农限多了1.1dB     

边缘检测与混合高斯模型相融合的运动目标检测算法

针对传统的混合高斯模型不能很好地处理突变的情况,提出了一种新的运动目标检测算法。该算法在时间域上对混合高斯模型的更新机制进行了改进,并对模型加入了帧间处理,提取出初步的运动目标;在空间域上,通过Canny边缘检测算子获得初步的运动目标边缘轮廓,利用图像金字塔的多分辨特性排除背景噪声,经过一定运算再次得到运动目标。将两次得到的运动目标作"与运算",提取出最终的运动目标。实验结果表明,本算法可以较好地处理突变情况,提取的运动目标图像完整、轮廓清晰。     

后勤资产管理信息系统的图形化实现技术

后勤部门的资产经常涉及到一些图形的管理,如物资设施、教室房产、建筑物设计图纸等。但目前常用的商用数据库管理系统大多难以对图形等空间数据进行有效管理,后勤资产图形化弥补了一般商用数据库管理信息系统的不足,使网络具有直接提供图形服务的能力。介绍了进行图形转换的方式以及如何实现图形的缩放、平移、还原功能。     

ERT数据采集系统信号发生模块的设计

电阻层析成像系统（Electrical Resistance Tomography．简称ERT）具有无扰动．无辐射．可视化．可在线测量等特点。在两相流测量中有很广阔的应用前景。ERT数据采集系统信号发生器模块通常有模拟式和直接数字频率合成（Direct Digital Frequency synthesizer．简称DDS）式两种类型。其中，DDS具有较高的频率分辨率．可实现快速的频率切换。且在频率改变时能够保持相位的连续，很容易实现频率．相位和幅度的数控调制。本文用DDS芯片AD7008及外围电路组成了ERT数据采集系统信号发生模块，产生频率，幅值，相位可调的正弦波。     

基于数学形态学及车牌综合特征的车牌定位算法

车牌定位是车牌识别系统中的关键步骤;利用车牌图像区域丰富的边缘信息以及车牌本身的特征,提出一种实用而有效的车牌定位方法;首先,将原始图像转换到灰度空间上,利用车牌丰富的图像边缘特征信息和数学形态学操作对图像进行粗定位;然后,根据车牌本身的特征量化5种不同的特征,通过贝叶斯分类器的训练,实现对车牌区域的精确定位;最后,通过实验对1500幅彩色图像进行测试,其有效率可达95.20%。     

基于几何特征与深度数据的三维人脸识别

提出一种基于三维点云数据多特征融合的人脸识别方法。利用深度信息提取人脸中分轮廓线和鼻尖横切轮廓线;采用曲率分析的方法定位出人脸关键点,针对鼻子等人脸刚性区域,选取并计算了4类(包括曲率、距离、体积和角度)共13维的特征向量作为三维几何特征。深度图特征采用结合LBP与Fisherface的方法进行提取与识别。在3DFACE-XMU和ZJU-3DFED数据库上比较了该方法与PCA、LBP等单一方法的识别性能,识别效果有比较明显的提升。     

基于多尺度卷积神经网络的短期电力负荷预测

In order to improve the accuracy of short-term load forecasting of power system, a multi-scale information fusion convolutional neural network(MS-ConvNet)model based on deep learning technology was proposed. A full convolution network structure and causal logic constraints were introduced to enhance the expression of time series features; a multi-scale convolution was utilized to extract the relationship among time domain data of different lengths for obtaining more abundant series features; a residual network structure was designed to increase the network depth, which increased the acceptance domain of outputneurons and enhanced the prediction accuracy. The results show that the accuracy and stability of MS-ConvNet model is better than those of multi-layer perceptron machine, long-short term memory network and gated recurrent unit network, indicating that the as-proposed model has a good application prospect in power load forecasting.