一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

為提高命名數(shù)據(jù)網(wǎng)絡(luò)(Name Data Networking, NDN)路由過程中內(nèi)容名字查找的效率，該文提出一種基于深度布隆過濾器的3級名字查找方法。該方法使用長短記憶神經(jīng)網(wǎng)絡(luò)(Long Short Term Memory, LSTM)與標準布隆過濾器相結(jié)合的方法優(yōu)化名字查找過程；采用3級結(jié)構(gòu)優(yōu)化內(nèi)容名字在內(nèi)容存儲器(Content Store, CS)、待定請求表(Pending Interest Table, PIT)中的精確查找過程，提高查找精度并降低內(nèi)存消耗。從理論上分析了3級名字查找方法的假陽性率，并通過實驗驗證了該方法能夠有效節(jié)省內(nèi)存、降低查找過程的假陽性。

基于簡化電磁矢量傳感器陣列，該文提出了一種新的降維四元數(shù)MUSIC估計方法。文中引用了四元數(shù)的概念，利用四元數(shù)的正交特性能夠很好地描述矢量傳感器陣元的正交結(jié)構(gòu)這一優(yōu)點，建立了電磁矢量傳感器陣列的四元數(shù)模型，利用降維Q-MUSIC (Quaternion-MUSIC)方法先對極化信號DOA進行估計，通過已經(jīng)估計出來的DOA信息，再借助傳統(tǒng)的V-MUSIC (long-MUSIC)方法估計極化信息。從而依次獲得極化信號的4個參數(shù)。仿真實驗驗證了算法的可行性。

信噪比是衡量信道質(zhì)量的一個重要參數(shù)，該文主要研究LTE(Long Term Evolution)系統(tǒng)中基于探測參考信號(Sounding Reference Signal, SRS)的信噪比估計方法。針對DASS(Difference of Adjacent Subcarrier Signal)算法在高信噪比下噪聲估計誤差較大的這一缺點，該文提出一種適用于SRS的改進DASS方法。該方法通過重新定義子載波的差分方式，減小了噪聲估計的誤差，并且由于對連續(xù)的3個SRS頻點，僅需要估計一次噪聲，使得該文方法的復(fù)雜度僅為原DASS方法的1/3。仿真結(jié)果表明，所提方法的估計性能優(yōu)于其余的方法，特別是在低時延和中等時延信道下，高信噪比時的估計精度提高了約10倍。

在LTE (Long Term Evolution)異構(gòu)網(wǎng)絡(luò)中，由于宏基站(Macro)與微微(Pico)基站的發(fā)射功率相差較大，一些離Pico基站較近的用戶因為接收到的宏基站下行信號質(zhì)量好于Pico基站而選擇接入宏小區(qū)。然而，因為這些用戶距離Pico基站較近，因此上行通信會對Pico基站產(chǎn)生嚴重的上行干擾。小區(qū)覆蓋增強(Range Expansion, RE)技術(shù)能夠減少此類干擾，但同時又可能引入新的下行干擾。該文提出一種基于RE技術(shù)的上行干擾識別與協(xié)調(diào)機制(UIICRE)，能夠準確識別上行干擾源及其強度，并進行相應(yīng)的干擾協(xié)調(diào)處理。仿真結(jié)果表明，該文提出的方案能夠解決Pico小區(qū)的上行干擾問題，提升用戶的上行通信質(zhì)量，并保證用戶下行通信質(zhì)量不受影響。

利用非授權(quán)頻段頻譜資源提升網(wǎng)絡(luò)容量需要有效地解決LTE(Long Term Evaluation)與WiFi的共存問題。最近，學(xué)術(shù)界和工業(yè)界相繼提出了授權(quán)頻段輔助接入機制和雙模微基站技術(shù)提升蜂窩通信系統(tǒng)容量?？紤]雙模微基站與WiFi接入點覆蓋范圍存在部分重疊場景，該文提出一種新的雙模微基站非授權(quán)信道接入機制及聯(lián)合授權(quán)非授權(quán)的優(yōu)化頻譜資源分配方案。仿真結(jié)果表明，雙模微基站和WiFi接入點互不可見時，新方案相比于現(xiàn)有方案由于考慮了空間復(fù)用具有更好的系統(tǒng)性能；雙模微基站和WiFi接入點互相可見時，新方案與現(xiàn)有方案性能一致，即兩者分時獨立占用非授權(quán)頻段頻譜資源。

針對傳統(tǒng)方法不能有效抽取維吾爾語事件因果關(guān)系的問題，該文提出一種基于雙向LSTM(Bidirectional Long Short-Term Memory, BiLSTM)的維吾爾語事件因果關(guān)系抽取方法。通過對維吾爾語語言以及事件因果關(guān)系特點的研究，提取出10項基于事件內(nèi)部結(jié)構(gòu)信息的特征；同時為充分利用事件語義信息，引入詞嵌入作為BiLSTM的輸入，提取事件句隱含的深層語義特征并利用批樣規(guī)范化(Batch Normalization, BN)算法加速BiLSTM的收斂；最后融合這兩類特征作為softmax分類器的輸入進而完成維吾爾語事件因果關(guān)系抽取。實驗結(jié)果表明，該方法用于維吾爾語事件因果關(guān)系的抽取準確率為 89.19%, 召回率為 83.19%, F值為86.09%，證明了該文提出的方法在維吾爾語事件因果關(guān)系抽取上的有效性。

心血管疾病是造成全球死亡人數(shù)最多的疾病之一，因此對心血管疾病的預(yù)防與提前診斷至關(guān)重要。人工聽診技術(shù)與計算機心音診斷技術(shù)無法滿足對心音長時間聽診的需求，因而可穿戴式聽診設(shè)備越來越受到關(guān)注，但是其具有高精度與低功耗的要求。該文設(shè)計了低功耗的面向可穿戴式的基于長短期記憶網(wǎng)絡(luò)(Long Short-Term Memory, LSTM)的智能心音異常診斷芯片，提出了包括預(yù)處理、特征提取以及異常診斷的心音異常診斷系統(tǒng)，并搭建了基于聽診器的心音采集FPGA系統(tǒng)，采用了數(shù)據(jù)增強的方法解決數(shù)據(jù)集的不平衡問題?；陬A(yù)訓(xùn)練模型設(shè)計了智能心音異常診斷芯片，在SMIC180 nm工藝下完成了版圖設(shè)計和MPW流片。后仿真結(jié)果表明，智能心音異常診斷芯片的診斷準確率為98.6%，功耗為762 μW，面積為3.06 mm × 2.45 mm，滿足可穿戴式智能心音異常診斷設(shè)備的高性能與低功耗的需求。