链路增益平坦度对OTA测试准确性的影响分析

空口(OTA)测试已广泛应用在无线通信领域,提高测试结果的准确性是OTA测试当前急需解决的问题.文章从影响OTA测试结果准确性的因素链路增益平坦度入手,使用衰减器对测试链路进行增益削剪,分析测试了不同链路增益平坦度对被测件的EVM(误差矢量幅度)、BER(误码率)、TIS(总全向灵敏度)三项性能指标的测试误差与测试不确定度的影响.测试结果表明,增大链路增益平坦度会导致EVM、BER参数发生偏移,降低测试系统的通信质量;当系统的链路增益平坦度为1.82 dB时,测试误差与不确定度接近CTIA测试标准中规定值.最后,提出一种使用增益均衡器降低链路增益平坦度的方法,在链路增益平坦度为3.25 dB的测试系统中可将其控制在0.5dB以内.     

境外炼化工程项目投标竞争者分析报价策略

全球炼化工程总承包市场呈现出垄断竞争型特征,欧美和日韩国际工程公司由于技术和报价竞争力较强,一直占据本行业高端市场,中国炼化工程企业尚有差距.文章综合考虑投标报价阶段竞争者分析路径,提出了随机型和不完全信息静态博弈综合集成分析的投标报价最优决策模型,并以中东海湾地区某炼化工程总承包项目为例,进行多维度的实证分析,提出模型的有效性和可行性,为中国炼化工程企业"走出去"高质量发展提供有益的决策支持和信息参考.     

低-超低渗透砂岩油藏水驱采收率影响因素权重分析

针对主观赋权法在确定低-超低渗透砂岩油藏水驱采收率影响因素权重时存在主观随意性,客观性较差的问题,本文应用85个低-超低渗透砂岩油藏实际样本,结合大量科研和现场认识筛选了影响水驱采收率的9个重点因素,并根据客观赋权法更客观、精确的计算出低-超低渗透油藏水驱采收率影响因素的具体权重。研究表明低-超低渗透油藏水驱采收率影响因素中,注水开发效果指标影响权重最大,其次为储层物性,流体性质影响最小。     

浅谈压力式温度计示值误差测量结果的不确定度评定

为了帮助试验人员深入了解压力式温度计的原理及作用,详细介绍了温度计示值误差测量结果的不确定度评定方法。影响压力式温度计示值误差结果的主要因素是,被检温度计的示值重复性、恒温槽温度不均匀性和恒温槽温场的波动。为了保证压力式温度计测量结果不确定度评定具有较高的可靠性,试验人员需要对影响评定可靠性的各种因素进行全面的分析,找出温度计示值的误差,从而确保温度计能够更好的被投入使用。     

跌坎式底流消力池边墙突扩宽度对池长的影响研究

对于山区峡谷,底流消能工长度方向工程布置往往受限。通过水工模型试验,研究跌坎深度10cm,跌坎式底流消力池边墙突扩宽度变化时,池内水流流态、底板时均压强及脉动压强不均匀系数的变化对消力池池长的影响。成果表明:流量Q=12L/s,相对于传统的底流消力池,突扩宽度由5cm依次增加到10、15、20cm时,消力池池长缩短长度分别为24、27、29cm。     

气相色谱法测定婴幼儿食品和乳品中碘含量的不确定度评定

按照GB 5009. 267-2016《食品安全国家标准食品中碘的测定》气相色谱法对婴幼儿食品和乳品中碘含量进行测定。对整个测量过程中不确定度的来源进行了分析,对各不确定度的分量进行了计算、合成并作出评定。当奶粉中碘的测定结果为132. 3μg/100g时,扩展不确定度为5. 1μg/100g,并给出了检测结果的不确定度表达式。     

加热温度对X80钢级弯管用管线钢板冲击韧性的影响

根据X80钢级管线钢原始奥氏体晶粒尺寸随加热温度的变化规律,通过工业性试验研究了不同加热温度对冲击韧性的影响。结果表明:因加热温度过高获得的粗大原始奥氏体晶粒在变形后依然粗大,相变后获得的组织相对粗大,不同原始奥氏体晶粒间获得组织具有明显的取向差,同时可以清晰看到原始奥氏体晶界,冲击断口为解理断口,严重影响X80钢级管线钢的冲击韧性。而加热温度较低时,原始奥氏体晶粒细小,断口为韧窝状,具有良好的冲击韧性。     

赋能通信技术原理及应用展望

针对VHF/UHF频段电台仅能视距通信的应用局限,提出了一种基于对流层散射传播体制的赋能通信技术,并对其原理进行了介绍。该技术在不改变现役VHF/UHF电台硬件结构的前提下,通过建立赋能站和加载对流层散射通信波形,可以在VHF/UHF电台与赋能站之间实现可靠的超视距通信。通过理论分析、信道特性试验以及通信试验证实了该技术的可行性。最后对该技术的应用前景进行了分析。对实现多个被动传感器的优化选择和合理布站,提高目标定位精度有一定的理论和实际意义。     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。