DZ20LE延时型漏电断路器

从延时型漏电断路器在分级漏电保护网中的作用,漏电断路器的基本参数,延时型带过电流保护的漏电断路器的工作原理和构成,以及产品的特点等方面介绍了ＤＺ２０ＬＥ延时型电断路器。     

山地住宅房地产业的新概念

"网罗天地于门户,饮吸山川于胸怀".自古以来,历代文人名士均寄情于山水,并视此为居家的最高境界.如今,山居已经不再仅是一种文人偏爱的文化,作为一种住宅发展的趋势,正引起国内专家学者和房地产开发商的重视.     

无线网络的差异化比特错误率估计方法

在无线网络中,比特错误率(bit error rate, BER)的估计是许多上层协议的基础,对数据传输的性能具有重要的影响,目前已成为一个重要的研究课题.但是现有BER估计编码未考虑实际网络的BER分布特征,估计误差较大.在实测分析802.11无线网络的BER分布特征的基础上,提出了一种采用差异化思想来提高BER估计准确度的方法差异化估错码(differentiated error estimation, DEE),其主要思想是在数据包中插入具有不同估错能力的多级估错位,并随机均匀地分布各估错位.然后,借助BER与奇偶校验错误概率的理论关系来估计BER.此外,DEE利用BER非均匀分布特征来优化各级估错位的能力,提高出现概率较高的BER的估计准确度,以降低平均估计误差.在7个节点组成的测试床上评价了DEE的性能.实验结果表明,与最近的研究成果估错码(error estimation code, EEC)相比,DEE可将估计误差平均减少约44%.当估错冗余较低时DEE可将估计误差减少约68%.此外,DEE具有比EEC更小的估计偏差.     

高锰酸钾氧化玉米淀粉过程研究

讨论了高锰酸钾氧化玉米淀粉的机理,计算出其表观活化能为73.83 kJ/mol,高锰酸钾利用率在25%～30%之间.     

预报振动噪声的径向基点插值无网格与无限元耦合方法

为克服传统的有限元耦合无限元方法中的单元匹配问题,研究了径向基点插值法和无限元法的耦合规律,提出了一种预报无限域结构振动噪声的径向基点插值无网格与可变阶无限声波包络单元耦合方法,推导了预报声压的计算公式。为提高声场预报精度和满足声波在无限域的自由衰减,结构外部无限声场分为使用无网格表示的近场和可变阶声波包络单元离散的远场。在该耦合方法中,通过在近场与远场之间的交界面上配置虚拟网格来构造具有连续性的声压形函数,确保了声压的连续与一致性。采用数值仿真和试验对该耦合方法进行了验证,结果表明该耦合方法拥有无网格法的高精度和可变阶声波包络单元法满足声波自由衰减的特点,具有良好的精度和收敛性,可用于实际噪声预报。     

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。     

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%。     

对现有电信动力设备与环境集中监控系统改造的探索

本文介绍珠海市电信局新的动力设备与环境集中监控系统,分析其在系统结构、功能,通信协议、路由和系统开发平台选择等方面的创新设计,及与国内同类系统相比的先进性。     

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。     

基于卷积神经网络的高速无线局域网分组丢失和错误原因识别方法

无线网络中分组丢失和错误是由信道错误和冲突所导致的。有效识别分组丢失和错误的原因是实现高性能IEEE 802.11n协议的基础。本文主要研究分组丢失和错误原因的识别方法,提高识别原因的准确率,降低识别开销。本文基于监督学习理论提出MPLEC,它是一种轻量级的、准确的分组丢失和错误识别分类方法。MPLEC通过大量实地场景统计实验对分组接收情况进行分析,提取链路层RSSI（Received Signal Strength Indication）、CSI（Channel State Information）组成的特征向量作为监督学习模型的输入。通过监督学习方法对多类MPLEC分类模型进行离线训练和检验,结果表明MPLEC获得至少87%的准确率。最后基于MPLEC的CSMA/CA协议验证了MPLEC的识别性能。实验结果表明,与原有退避算法相比,本文方法可以将重传成功的概率提高25%,时间利用率提高7.8%。