第三代移动通信智能天线的研究现状及发展趋势分析

本文首先简单地介绍移动通信发展以及第三代移动通信（3G）的技术特征和实现目标，并阐述了如何用多址来解决通信资源紧缺的问题，随后重点讲述智能天线的定义、优点、组成、工作原理、信道模型以及要解决的关键技术问题和发展现状。最后，提出了智能空分多址的概念，并对智能天线未来的发展进行了分析和预测。     

BP神经网络结合变量选择方法在牛奶蛋白质含量检测中的应用北大核心CSCD

牛奶中的蛋白质含量会影响牛奶的品质,利用高光谱图像的光谱特征信息研究对牛奶蛋白质含量预测的可行性。本文提出一种基于竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)结合多层前馈神经网络(back propagation, BP)的预测建模方法,实验以含有不同浓度蛋白质的牛奶为对象,利用可见光/近红外高光谱成像系统共采集到5种牛奶共计250组高光谱数据,通过实验对比选择采用标准化方法对获取到的吸收光谱预处理,然后采用CARS结合SPA筛选特征波长,得到18个特征波长,建立CARS-SPA-BP模型,经过试验,CARS-SPA-BP模型的训练集决定系数和测试集决定系数R;和R;分别达到0.971和0.968,训练集均方根误差(root mean square error of calibration,RMSEC)和测试集均方根误差(root mean square error of prediction,RMSEP)达到了0.033和0.034。研究发现,采用CARS结合SPA筛选的牛奶特征波长建立的多层前馈神经网络模型,其模型预测结果与全波长建模相比并没有明显降低,因此将CARS结合SPA用于波长筛选并且结合BP神经网络基本可以完成对牛奶蛋白质含量的预测。为验证CARS-SPA-BP模型的预测能力,在相同数据环境下,使用较为传统的偏最小二乘回归(partial least squares regression, PLSR)进行建模,实验结果表明,CARS-SPA-BP相较于PLSR,R;和RMSEP均有明显提升。研究表明,CARS-SPA-BP可充分利用牛奶光谱特征信息实现较高精度的牛奶蛋白质含量检测。     

并联式自动加注机器人运动学标定

为解决并联式自动加注机器人在高精度运动学逆解建模的问题,以并联式自动加注机器人为对象,对其 运动学标定进行研究。采用矢量微分法建立位姿误差模型,对各误差源对动平台末端位姿的影响规律进行分析,寻 找合适的标定位置,并以位姿均方根误差最小为目标函数,使用粒子群算法对神经网络结构进行优化,最后通过仿 真试验对其进行验证。仿真结果表明：该方法能有效提高并联式自动加注机器人的精度,为后续实验应用提供了理 论依据。     

基于改进型模糊神经网络的导弹武器系统生存能力评估

针对导弹武器系统生存能力评估问题,建立了评估的指标体系,给出了指标的隶属函数.利用BP神经网络的自学习、自适应、强容错性,并通过遗传算法（GA）优化BP神经网络的连接权重和阀值,弱化了评价中的人为因素,提高了评价结果的准确性和权威性,解决了BP神经网络存在落入局部最小点和收敛速度慢的问题.实例研究表明,遗传神经网络的评价模型具有有效性和可行性.     

基于神经网络的S参数估计法

该文讨论了神经网络用于微波电路的一种新的训练算法,是基于误差反传算法与模拟退火算法相结合的。本算法可以解决BP网的局部最小问题。并且不用对神经网络模型的结构作任何改动。通过一个具体算例的计算验证了这种算法。     

Hybrid Chameleon Search and Remora Optimization Algorithm-based Dynamic Heterogeneous load balancing clustering protocol for extending the lifetime of wireless sensor networks

Clustering is an indispensable strategy that helps towards the extension of lifetime of each sensor nodes with energy stability in wireless sensor networks (WSNs). This clustering process aids in sustaining energy efficiency and extended network lifetime in sensitive and critical real-life applications that include landslide monitoring and military applications. The dynamic characteristics of WSNs and several cluster configurations introduce challenge in the process of searching an ideal network structure, a herculean challenge. In this paper, Hybrid Chameleon Search and Remora Optimization Algorithm-based Dynamic Clustering Method (HCSROA) is proposed for dynamic optimization of wireless sensor node clusters. It utilized the global searching process of Chameleon Search Algorithm for selecting potential cluster head (CH) selection with balanced trade-off between intensification and extensification. It determines an ideal dynamic network structure based on factors that include quantity of nodes in the neighborhood, distance to sink, predictable energy utilization rate, and residual energy into account during the formulation of fitness function. It specifically achieved sink node mobility through the integration of the local searching capability of Improved Remora Optimization Algorithm for determining the optimal points of deployment over which the packets can be forwarded from the CH of the cluster to the sink node. This proposed HCSROA scheme compared in contrast to standard methods is identified to greatly prolong network lifetime by 29.21% and maintain energy stability by 25.64% in contrast to baseline protocols taken for investigation.     

一种新型的图像哈希算法

为了提高图像哈希方法的鲁棒性,提出一种基于BP神经网络的新型图像哈希算法,首先利用图像像素矩阵和构造的函数来训练BP神经网络,再将图像进行离散小波变换,利用低频分量来组成矩阵,最后利用已经训练好的BP神经网络来产生哈希序列。仿真结果表明,该算法对JPEG压缩、图像滤波等内容保持操作具有较好的稳健性,具有较好的应用价值。     

一种基于GA-BP 算法的PIDNN 控制策略

为改善常规PID控制器对非线性对象的控制性能,提出一种基于GA-BP算法的PID神经网络（PID NeuralNetwork,PIDNN）控制策略。将PID控制规律融入神经网络,构成一种PIDNN控制器,并利用GA-BP算法来对其进行参数优化。采用所设计的PIDNN控制器对一种非线性系统进行仿真研究,仿真结果表明：GA-BP算法收敛速度快,所设计的PIDNN控制器与常规PID控制器相比,其控制稳定性和快速性等性能都得到了很大改善。     

最小生成树算法在城市基础建设中的应用

随着城市基础建设规模的逐步扩大,所需建设资金也大幅提高,只有对各类系统进一步优化才能提高其运行的经济效益和利用率,降低其成本。本文采用最小生成树算法对城市基础建设布局进行设计,重点以暖气供应为例进行阐述。     

基于BP神经网络的DFB激光器恒温控制系统建模与仿真

为了提高DFB激光器的使用寿命,减小其发射强度和波长等受工作温度变化的影响,采用BP神经网络与数字增量式PID控制相结合的技术,设计并研制了一种基于BP神经网络的DFB激光器恒温控制系统,并对其进行仿真与实验.结果表明,该系统的上升时间是6s,稳定时间是14s,超调量是2.3％,稳定之后的控制精度是±0.05℃,温度控制范围为5℃至65℃,优于基于传统PID控制算法的温度控制系统,实现了高精度、快响应、宽范围的设计目标,具有很好的应用前景.