基于非正交多址的认知MIMO网络次用户系统容量优化

针对未来移动通信系统对大容量、高频谱利用率的需求,提出基于非正交多址（NOMA）技术的认知多输入多输出（MIMO）网络次用户系统容量优化方法。首先对发送信号进行预编码,随后按照信道质量增益对认知用户进行分簇,再对分簇之后的用户进行功率分配,最后将得到的NP-hard型多簇目标函数转化为求各子簇的容量;同时兼顾认知用户服务质量（QoS）及满足串行干扰消除（SIC）的条件,利用Lagrange函数结合Karush-Kuhn-Tucker （KKT）条件求解出分簇之后的最优功率分配系数,且该系数是0到1之间的常数。仿真结果表明,所提方法优于平均功率分配方法,并且在信道质量较差时,相比基于正交多址（OMA）技术的认知MIMO,显著提高了次用户系统容量。     

血浆代谢组同时定性定量分析方法研究

数据非依赖的质谱采集是近年来发展的一种新型多级质谱分析方法,只需一次进样便可同时快速获取所有母离子及其子离子信息。本研究以肺癌血浆样本为研究对象,采用数据非依赖的SWATH(sequential windowed acquisition of all theoretical fragment ions)采集技术,建立了液相色谱-串联质谱法(LC-MS/MS)同时定性定量分析血浆代谢组。基于代谢物数据库识别比对,成功识别了93个代谢物,实现了代谢物的定性分析。对成功识别的代谢物建立定量分析方法并进行方法学考察。结果表明,其中90个代谢物的线性相关系数大于0.99,定量限在1.25～12 000μg/L之间;其中有86个代谢物可以满足生物样本定量分析的要求,其连续4天的日内精密度和日间精密度均小于20%;在4℃下,96 h内的放置稳定性在0.62%～19.35%之间。该方法的覆盖率高,能同时快速准确地对肺癌血浆中癌症相关代谢物进行定性定量分析,也适用于其他生物样品,可以为定量代谢组学分析提供重要的方法学平台。     

浅谈挖掘机电动化路线

以挖掘机的电动化为研究对象，指出目前工程机械的电动化正处于探索阶段，行业内存在的技术路线较多。从动力构成、电源类型、电动化部件等方向进行分类，总结出5种新能源技术路线，并对各路线的构成和优劣势进行对比分析。