自分层有机硅丙烯酸树脂的合成研究

采用两种不同的乳液聚合工艺,以反应性有机硅单体为原料进行自分层有机硅改性丙烯酸酯乳液的合成研究。探讨了乳化剂以及有机硅种类、用量对乳液性能的影响,并对涂膜表面进行红外光谱及润湿性分析。结果表明:以乙烯基三甲氧基硅烷为单体,阴离子型乳化剂(十二烷基苯磺酸钠)和非离子型乳化剂(OP-10)作为复合乳化剂体系,采用种子乳液为基础的预乳化工艺制备的有机硅丙乳液性能稳定、成膜性优异。当有机硅用量为12g时,所得到的以有机硅丙烯酸树脂为主体的表层涂膜,具有较好的自分层效果,有利于实现自清洁作用。     

高分子复合材料用导热填料研究进展

介绍了填充型高导热高分子复合材料中填料的研究现状,重点介绍了填料的种类、外形、粒径和表面处理等因素对复合材料导热性能的影响,展望了导热高分子复合材料中填料的研究趋势。     

异构网络脏纸编码方案

异构网络技术是一把"双刃剑"。一方面,引入低功率节点能够增加网络部署的灵活性;另一方面,部署低功率节点同样会引入大量潜在干扰源。合理的低功率节点部署方案和高效的无线资源管理是降低干扰,提高异构网络性能的关键。鉴于脏纸编码方案具有能够充分利用发射端信道信息消除干扰的特性,首先考虑异构网络宏微蜂窝干扰受限的场景,指出脏纸编码方案在异构网络Z信道干扰中的应用。其次指出传统的脏纸编码方案在互干扰双链路网络中,只能消除一条链路的干扰,无法使两条链路同时实现无干扰信道容量。因此,一种基于协作分集的脏纸编码方案被提出,使相互干扰的两条收发链路均能达到无干扰时的信道容量。最后,通过仿真对比验证脏纸编码方案在Z干扰信道和二元对称信道中的性能优势。     

一种认知网络中的带宽分配方法研究

认知网络作为一种新型的网络概念和技术,近年来其重要性得到了广泛的认同。在认知网络中,如何根据用户业务需求及带宽资源状况动态进行带宽分配是一个重要的问题。通过对用户权重的估计分析,提出了一种基于权重估计的改进带权Max-Min带宽分配算法,仿真试验证明该算法可改善对用户业务流QoS的整体保障能力。     

一种主动学习式P2P流识别方法

P2P流的识别对于网络的维护与运营都具有重要意义,基于机器学习的流识别技术是目前研究的热点和难点内容,但目前仍然存在着建立分类模型需要大量适用的训练数据、训练数据的标记需要依赖领域专家以及因此而导致的工作量及难度过大和实用性不强等问题,而当前的研究工作很少涉及到这些问题的解决办法。针对这一问题,采用主动学习技术提取少量高质量的训练样本进行建模,并结合SVM分类算法提出了一种基于锦标赛选择的样本筛选方法。实验结果表明,其相对于已有的流识别方法,能够在仅依赖少量高质量训练样本的前提下,保证较高召回率及较低误报率,更适用于现实网络环境。