基于非均匀星座的改进ARQ方案及其性能分析

本文针对调制阶数大于4的MPSK和MQAM调制，在重传中采用非均匀星座图和符号比特重新排序，提出了一种改进的ARQ方案。通过对AWGN信道下ARQ方案进行理论分析和数值仿真，表明基于非均匀星座的新方案在信道条件较差时能有效地提高重要比特的可靠性，若重传中结合符号比特重排和分组合并，则可使接收端解调合并后的比特可靠性趋于均匀且总体得到提高，从而有效地减少重传次数，提高系统的吞吐率。由于本文所提方案并不改变调制解调规则和数据分组长度，故容易实现和控制。     

环己酮肟液相重排反应机理及动力学研究

研究了环己酮肟重排反应生成己内酰胺的机理及反应动力学方程。在建立用分光光度法测定环己酮肟浓度方法的基础上,实验研究了反应温度为20~45℃范围内的液相重排反应动力学。提出了此反应的化学反应动力学速率方程式: -r肟= k0exp (-E/RT)Ca肟Cb硫酸,其中环己酮肟反应级数a为2,硫酸反应级数b为1,活化能为-E/R = -19.86 kJmol-1, 频率因子k0为1.35×1027。通过实验研究证实了作为催化剂的硫酸参与重排反应的机理,认为重排反应过程中游离SO3不参与反应,仅作为水的吸收剂,此结论对环己酮肟液相重排反应的生产技术改造提供了有力依据,并在生产中得到了应用。     

B2O3/TiO2-ZrO2催化剂上环己酮肟的气相Beckmann重排反应

用共沉淀法制备了TiO2-ZrO2复合氧化物载体，BET，DTA，XRD表征结果表明，该复合载体具有较大的比表面和较好的热稳定性，对于环己酮肟气相Beckmann重排反应制己内酰胺，用复合载体制备的B2O3／TiO2-ZrO2催化剂，比分别以TiO2,ZrO2为载体所制备的B2O3/TiO2和B2O3／ZrO2催化剂具有更高的活性和选择性，实验表明，催化剂表面中等强度的酸位是环己酮肟气相Beckmann重排反应的有效活性中心。     

一种制备己内酰胺的方法

一种在离子液体中用含磷化合物为催化剂、环己酮肟通过液相贝克曼重排反应制备己内酰胺的方法，是将离子液体、与离子液体不相溶的有机溶剂以及酸性含磷化合物催化剂在搅拌条件下混合，使催化剂全部溶解于离子液体相中，将所得到的两相催化体系加热到重排反应温度，将环己酮肟或其溶液逐渐加入该催化体系进行反应，然后静止、分相。该方法能够高效、高选择地进行贝克曼重排反应、容易实现反应控制和体系取热、容易实现己内酰胺从反应体系中的分离，环己酮肟转化率和己内酰胺选择性可接近100％。     

己内酰胺生产的绿色化

己内酰胺生产的绿色化关键是环己酮肟贝克曼重排工艺路线替代的开发。重点介绍了代替浓硫酸催化该反应的固体酸催化剂、催化剂的失活与再生、反应器工业化的方法的进展。提出采用多相催化剂取代发烟硫酸使环己酮肟转化为己内酰胺的工艺 ,该催化剂具有转化率和选择性高 ,易处理再生 ,且可用于连续化工业生产     

聚苯乙烯二醋酸碘苯在芳丙酮1,2-芳基迁移重排反应中的应用

在聚苯乙烯二醋酸碘苯催化下,芳丙酮进行1,2-芳基迁移重排制得2-芳丙酸甲酯,后者水解得2-芳基丙酸。硫酸和原甲酸三甲酯的用量对合成2(6甲氧基2萘基)丙酸甲酯收率有影响,聚苯乙烯碘苯可回收利用。     

应用基因组重排技术提高普那霉素产量

将普那霉素产生菌——始旋链霉菌ND-23的孢子和原生质体经紫外线诱变后获得高产突变菌株,其中高产突变株SP-S73的产量达到356 mg/L,比出发菌株提高了31%.在上述增产突变株中选取4株作为基因组重排的出发亲本,对它们进行了4轮基因组重排育种,筛选得到了高产重排菌株,其中1株重排菌株G-211的普那霉素产量为832 mg/L,比产量最高的亲本菌株提高了134%,比原始出发菌株ND-23(272 mg/L)提高了206%.通过研究高产菌株和出发菌株ND-23在5 L罐上的发酵过程,发现普那霉素产生菌的生物合成属于非生长耦合型;其高产菌株G-211在合成产物的时期对还原糖和氨基氮的消耗量均大于原始菌株ND-23,这些结果将为高产菌株发酵条件优化和发酵放大研究提供有价值的参考.     

基于注意力和卷积特征重排的图像修复

近年来,基于UNet与GAN（生成对抗网络）的深度学习网络模型在图像修复领域展现出了独特的优势,但是修复结果中仍然存在伪影、模糊、纹理细节退化、对于大面积破损难以修复、修复后的孔洞与背景图像不相容等现象。为了解决现有模型对大面积破损图像修复不友好以及修复后的图像存在退化现象等问题,通过对现有方法进行研究,改进了Shift-UNet（移位网络）模型：在UNet与GAN的基础上,在每一层编码器和解码器之间增加了改进之后的注意力机制Attention-UNet并融入shift-UNet,形成Attention-Shift-UNet;并且通过研究,将原来下采样部分的激活函数由Leaky_ReLU改为了SiLU函数。改进模型不仅在64×64的中心遮罩上取得了较好的效果,还实现了随机遮罩,遮罩面积由20%增加到80%。通过实验结果证明,该模型的修复效果更优,特别是针对大面积破损图像的修复。在CelebA、ParisArchitecture以及Paris Streetview数据集上经过测试,各评价指标都有明显的提高,其中结构相似性（SSIM）由原来的0.944 5提高到0.947 1,峰值信噪比（PSNR）由原来的27.992 7提高到28.553 6,L2损失由原来的0.001 7降低到0.001 5。     

基于7级Omega网络的两类16输入输出无分类路由算法

路由问题一直是多级互联网络中的重要问题。早在1975年Benes就猜测(2n-1)级是N=2n输入/输出Omega网络重排列的充要条件,但至今为止只解决了n≤4时的2n-1级Omega网络的路由构造方法,且其中存在大量的分类,不利于扩展。对Omega网络中的路由问题进行了总结和抽象,采用递归的思想引入了一个可以容纳更多相反关系的赋值定理,并基于此采用启发式的贪婪算法对两类16输入输出的路由问题进行了求解,首次实现了分类路由算法,比较简洁,同时对研究高阶网络的可重排性也有一定参考价值。