双模式80波分通道1000km少模光纤传输

为了解决急剧提升的通信系统容量需求与长距离传输等问题，通过实验验证了超大容量的少模光纤传输。在超大容量需求的背景下，同时使用波分复用、模分复用、偏振复用三种复用技术进行信号传输，凭借自研的低损耗六模渐变型光纤（各模式衰减约为0.2 dB/km），实现了覆盖C波段共80个通道，每个通道双模双偏振信号的1000 km传输。考虑到超长距离传输带来的色散和双模双偏振带来的串扰，在进行接收端离线数字信号处理（DSP）时首先使用频域色散补偿算法进行色散补偿，并在下采样和时钟恢复后联合利用多输入多输出-频域最小均方算法（MIMO-FDLMS）和多输入多输出-时域最小均方算法（MIMO-TDLMS）进行信道均衡和色散补偿。在28%冗余的低密度奇偶校验（LDPC）信道编码软判决前向纠错（SD-FEC）阈值5.2×10-2条件下，实现了总的线传输速率40.96 Tbit/s，净速率高达32 Tbit/s。     

面向交通运输工程专业留学研究生的高校培养模式研究——以东南大学为例

随着"一带一路"建设的深入推进,大批海外留学研究生来华学习深造。选取东南大学交通运输工程专业来华留学研究生进行问卷调研,深入探讨交通运输工程专业留学研究生的培养模式。通过主成分因素分析法,获取来华研究生在校园活动的参与度、科研课题相关度、学习侧重点把握度、科研任务承担程度四个方面的现状。通过样本检验,分析亚非国家留学研究生对高校培养模式适应度的异同。调研结果反映了东南大学交通学院留学研究生的生活、学习状态,结合数据分析以及留学研究生的意见及建议,找准交通运输工程专业留学研究生培养难点,并对教学培养工作提出针对性的建议。     

基于ARIMA-LSTM的能量预测算法

无线传感器网络的节点运行往往受限于能量供给。对太阳能进行采集并转换成电能存储，可以延长节点的使用寿命。对太阳能进行能量预测，可以更好地规划和使用采集到的能量，这有助于节省能源、避免浪费，提升无线传感器网络的生存周期。针对太阳能预测，提出一种基于自回归积分移动平均-长短期记忆(Autoregressive Integrated Moving Average-Long Short Term Memory, ARIMA-LSTM)组合模型的能量预测方法。首先，采用ARIMA模型来对太阳辐照数据进行预测，提取数据中的线性分量；然后将过滤后的残差代入LSTM神经网络模型，得到非线性分量的预测；最后将二者进行相加，得到最终的预测结果。仿真实验显示，组合模型比起现有的单一模型，能够有效地提高预测的精度。     

碳纳米管改性丙烯酸聚硅氧烷树脂摩擦学性能

采用多壁碳纳米管(MWCNTs)对丙烯酸聚硅氧烷树脂(APR)进行无机纳米材料改性，分析MWCNTs对APR复合涂层摩擦学性能的影响。采用高压无气喷涂的方式制备不同含量的MWCNTs/APR复合涂层，利用摩擦磨损试验机进行摩擦磨损试验，利用扫描电子显微镜(SEM)、白光干涉仪对摩擦试验后的复合涂层进行形貌表征，研究不同含量MWCNTs对复合涂层耐磨损机理的影响。实验结果表明，在室温、载荷5 N、时间5 min、频率1 Hz的摩擦环境下，MWCNTs含量为1.0%时，磨痕宽度与深度达到最低，其值分别为0.606 4 mm、10.966 3μm,与纯APR复合涂层相比，分别降低了17.06%、30.06%;除此以外，磨损率也达到最低，其值为0.939 mm³/(N·m),与纯APR复合涂层相比，降低了33.8%。     

北京：基于豆瓣同城数据的城市游击活动时空特征研究

<正>背景近年来，游击活动或快闪活动(pop-up)已经成为描述任何一种临时活动的代名词¹，既涉及商业运营，同时也涉及城市实践等。前者如pop-up商店和体验店，后者则成为近年来对自上而下城市更新的一种重要补充，是再城市化进程中的重要催化剂。作为依托互联网媒介的新社会现象，游击活动对空间的利用模式在一定程度上缓解了城市公共空间与商业空间的供给与需求矛盾，同时也成为一种空间营造的创新模式2。当前，我国大城市中心区虽然并未像西方城市一样发生明显的衰退现象，但伴随着互联网电商对传统实体商业的冲击，城市传统商业中心逐渐呈现人气不足的迹象。目前，针对游击活动及游击空间的研究仍然较为缺乏。本文基于国内最大的线上活动发起平台——豆瓣同城数据，     

基于强化学习的无人机中继网络节点轨迹优化

无人机在远程采集和传输数据时可能遇到频谱不足的问题，此时需要借助地面网络共享频谱，即部分无人机获得地面网络提供的额外频谱作为回报，另一部分无人机为地面网络提供中继服务。针对无线网络频谱共享系统中多个无人机的飞行调度问题展开了研究，提出了一种基于Q-Learning的无人机飞行调度算法。在多个无人机进行数据中继传输时，该算法结合了放大转发和解码转发的特点，采用自适应转发模式，以最大化系统吞吐量。仿真结果表明，所提的调度算法可以对两个网络的无人机数目进行合理的分配，使每个无人机能够找到各自的最优或者次优位置，从而实现较高的系统吞吐量。     

基于学习的能量采集认知M2M通信资源分配算法

本文针对能量采集认知机器到机器（Machine-to-Machine,M2M）通信的能量效率问题，在保证服务质量（Quality of Service,QoS）的条件下，提出了一种能效优化算法.以最大化网络中用户能效为目标，综合考虑传输功率控制、时隙分配、传输模式选择、中继选择以及每个设备的能量状态为约束，将优化问题建模为一个混合整数非线性规划问题.将该能效优化问题转化为离散时间有限状态马尔科夫决策过程（Discrete-time and Finite-state Markov Decision Process,DFMDP）进行求解.提出一种基于深度强化学习的算法寻找最优策略.仿真结果表明，所提算法在平均能效方面优于其他方案，且收敛速度在可接受范围内.