两种UWB技术方案主要性能之比较

介绍2种主要超宽带(ultra wide band,UWB)方案的原理和结构,分别从频带安排、抗多径特性、接收机复杂度、干扰与抗干扰、标准之争及行业支持、市场推广及产品开发等方面对这2种技术进行比较,并提出自己的看法.     

G.729矢量量化算法优化研究及ARM实现

基于ARM体系架构和嵌入式Linux操作系统构建了算法平台,并在该平台上移植了G.729语音编解码算法.为了降低G.729算法的复杂度,提出了一种基于NOS和PDS的LSP矢量量化算法及基于ARM指令集的算法优化策略.实验结果表明:改进后的G.729算法和ARM实现方案大大降低了语音处理时间,极好地满足了点对多点实时语音通信的要求.     

MEMS差动电容加速度传感器

介绍了一种MEMS差动电容加速度传感器的设计及所达到的技术指标。对MEMS Sensor选择差动电容传感器的理论依据进行了分析，叙述了MEMS差动电容加速度传感器各项参数的设计依据，包括灵敏度、非线性、温度漂移、隔离度、频带宽度等，同时介绍了该传感器各项指标的测试数据。该传感器具有灵敏度高、参数设计合理，不用温度和线性补偿就达到了高线性和低漂移，结构合理，达到理想的横向隔离效果和宽的频率响应特性等特点。     

石油勘探MEMS加速度传感器在煤田勘探的应用

介绍了一种石油勘探MEMS加速度传感器，该传感器是一种适应石油、煤田地震勘探设备向小型化、高分辨率、智能化方向发展的一种新产品。对石油勘探MEMS加速度传感器与传统检波器的特点进行了比较分析，介绍了该传感器已达到的技术指标和与国外同类产品的比较情况，同时介绍了数据采集及多传感器融合技术、地震勘探系统接口技术等应用方面的研究，最后介绍了该传感器在煤田勘探的实验情况。     

基于Q-learning算法的无人机自组网AODV稳定路由改进方法

针对小型无人机集群组网中节点高速移动、网络拓扑变化剧烈导致的网络性能下降问题,在无线自组网按需平面距离向量（AODV）协议基础上,提出一种具有链路稳定度意识的无人机自组网路由协议（LN-AODV）。首先,通过加权计算链路维持时间和邻居节点变化度,从而选择稳定路径,解决拓扑结构动态变化条件下数据传输延迟和数据成功投递率下降的难题;然后,结合Q-learning算法自适应调整Hello消息的发送周期,使协议能够通过感知拓扑变化程度调整路由控制开销和拓扑感知灵敏度。仿真结果表明,相比于AODV,所提方法在端到端延迟、分组投递率、路由开销和数据吞吐量4个网络性能指标上分别提升7.56%,2.58%,17.39%,2.62%,可适应于节点高速运动的无人机自组网,对于无线自组网理论研究及拓展应用具有重要的借鉴意义。     

基于DSP和单片机的数字压缩语音录放系统

本文设计并实现了一个基于DSP和单片机的语音录放系统.本系统由DSP实现对语音信号的压缩存储,减少了存储的数据量,由单片机实现对整个系统的控制、显示等功能,方便了系统的人机交互.整个系统具有录音、放音、进退、停止等功能.本文主要研究了硬件实现、调试和软件设计流程.     

三种超级检波器的磁路仿真分析

针对目前石油勘探领域使用的三种超级检波器的磁路进行仿真分析,为新型检波器磁路的设计提供一种新的思路和手段。主要通过ANSYS软件的应用,建立有限元模型,最终完成了三种超级检波器的磁路分析,并进行了比较。     

现阶段艺术设计教育导向的思考

现阶段艺术设计教育面临从工业化技术到信息化技术的时代转型进程、社会可持续发展的生态友好和永续发展的现实问题。现阶段,设计自身产生了新的变化:设计的对象已从"物"转变为"信息",设计的核心已从"物"转变为"事"。这些变化不仅推动着传统设计教育观念的转变,而且促使设计教育注重从"造型技能"到"设计思维’、从"设计形式"到"设计内容"的教学方向的转变。     

基于时间卷积网络的通信信号调制识别算法

针对基于深度学习的端到端调制识别方法存在识别率较低、神经网络参数量大的问题，提出了一种基于时间卷积网络(Temporal Convolutional Network, TCN)的调制识别算法。利用一维因果膨胀卷积，提取信号的时域和频域特征，并加入批归一化(Batch Normalization, BN)和Dropout提高算法的拟合能力；使用全局平均池化(Global Average Pooling, GAP)层替代Flatten层，整合向量特征信息，进一步实现信号的准确分类。在RML 2016.10a数据集上验证了TCN算法的识别性能，在不同信噪比(Signal to Noise Ratio, SNR)下对11种调制信号的平均识别率达到62.3%,与CNN,LSTM和SCRNN算法相比分别提高了10.5%、4.1%、1.1%,参数量分别降低了98.8%、82.5%、91.2%。所提方法对于通信调制信号识别的研究领域具有理论参考价值，对复杂环境下的空间信号智能分类的研究具有工程借鉴意义。     

意图抽象与知识联合驱动的6G内生智能网络架构

6G将以智能网络为演进形式，具备内生智能、开放性的特征。智能网络标准化研究中强调了意图驱动网络对实现网络智能化的必要性。但目前基于意图的网络将意图理解为“What to do”而非“What you want”，利用知识定义网络（KDN）可在一定程度上根据“What to do”完成“How to configure the network”。基于此，提出了意图抽象与知识联合驱动的6G内生智能网络架构，旨在根据“Whatyouwant”实现“Howtoconfigurethe network”。首先，设计了意图抽象模块，通过意图获取、意图转译、意图映射和意图建模，从“What you want”获取“What to do”。其次，提出了认知模块，利用机器学习和逻辑推理联合动态优化获取网络知识，从而根据“What to do”完成“How to configure the network”。最后，介绍了支撑6G内生智能实现的意图映射、网络信息测量、网络策略生成、网络策略验证等关键技术及未来挑战。