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

該文在現(xiàn)有譯碼算法的基礎(chǔ)上提出一種高效的非二進(jìn)制低密度奇偶校驗(yàn)碼(NB-LDPC)譯碼方法，充分利用了分層譯碼算法與Min-max算法的優(yōu)點(diǎn)，不但譯碼復(fù)雜度低、需要的存儲(chǔ)空間小，而且可將譯碼速度提高一倍。應(yīng)用該算法，對(duì)一種定義在GF(25)上的(620,509)碼進(jìn)行了仿真。該碼的仿真結(jié)果表明：在相同誤碼率下，該文譯碼算法所需最大迭代次數(shù)僅為Zhang的算法(2011)的45%。

無(wú)人機(jī)(UAV)、非正交多址(NOMA)和反向散射通信(BC)相結(jié)合，可以滿足熱點(diǎn)地區(qū)高容量需求，提高通信質(zhì)量。該文提出一種無(wú)人機(jī)輔助的NOMA反向散射通信系統(tǒng)最小速率最大化資源分配算法?？紤]無(wú)人機(jī)發(fā)射功率、能量收集、反射系數(shù)、傳輸速率以及連續(xù)干擾消除(SIC)解碼順序約束，建立基于系統(tǒng)最小速率最大化的資源分配模型。首先利用塊坐標(biāo)下降將原問題分解為無(wú)人機(jī)發(fā)射功率優(yōu)化、反射系數(shù)優(yōu)化和無(wú)人機(jī)位置與SIC解碼順序聯(lián)合優(yōu)化3個(gè)子問題，然后使用反證法給出無(wú)人機(jī)最優(yōu)發(fā)射功率，再用變量替換法和連續(xù)凸逼近將剩余子問題進(jìn)一步轉(zhuǎn)化為凸優(yōu)化問題進(jìn)行求解。仿真結(jié)果表明，所提算法在系統(tǒng)和速率與用戶公平性之間具有較好折中。

該文采用MEMS工藝制備可集成安培酶免疫傳感器，用于人免疫球蛋白IgG的檢測(cè)。該傳感器以硅作為基底，鉑作為電極，工作電極敏感面積1mm2。SU-8膠形成的微反應(yīng)池結(jié)構(gòu)使該傳感器試劑用量?jī)H為l量級(jí)。聚吡咯作為酶與電極之間的電子轉(zhuǎn)移基體聚合于工作電極敏感表面，戊二醛作為交聯(lián)劑進(jìn)行抗體(羊抗人IgG)的固定?？贵w與酶標(biāo)抗體(辣根過氧化物酶HRP標(biāo)羊抗人IgG)對(duì)人IgG進(jìn)行特異性?shī)A心識(shí)別，通過檢測(cè)酶標(biāo)HRP對(duì)底物H2O2催化產(chǎn)生的電流信號(hào)實(shí)現(xiàn)免疫檢測(cè)。該傳感器工作電壓-0.3V，檢測(cè)下限5ng/ml，線性范圍5～255ng/ml，響應(yīng)時(shí)間3min，具有響應(yīng)快、下限低、試劑用量少、微型化、便于集成等優(yōu)點(diǎn)。

本文在L.F.Wei(1984)的工作基礎(chǔ)上,定義了格狀碼格狀圖的一般結(jié)構(gòu),討論了二維QAM星座的旋轉(zhuǎn)不變格狀碼的性質(zhì),給出了其全部不等價(jià)信號(hào)安排,從而可以方便地設(shè)計(jì)旋轉(zhuǎn)不變格狀碼。

針對(duì)探索時(shí)間序列之間隨時(shí)間變化的因果關(guān)系問題，在每個(gè)窗口進(jìn)行Granger因果檢測(cè)的滑動(dòng)時(shí)間窗口方法是求解該問題的常用方法，但其性能對(duì)窗寬敏感，不合適的窗寬很可能導(dǎo)致低性能。該文提出一種差異區(qū)域平衡方法，首先計(jì)算當(dāng)前滑動(dòng)窗口W內(nèi)序列的波動(dòng)程度Sw并作為波動(dòng)界，計(jì)算窗口W的前向相鄰區(qū)域U內(nèi)序列的波動(dòng)程度Su。然后，實(shí)施前向探索策略：若Su未超過Sw，則實(shí)施不同長(zhǎng)度區(qū)域的平衡檢測(cè)方案，即對(duì)窗口W、對(duì)窗口W與U的合并區(qū)域、對(duì)窗口W與后向相鄰區(qū)域V的合并區(qū)域這3種不同長(zhǎng)度的差異區(qū)域，分別進(jìn)行時(shí)間序列之間因果關(guān)系的檢測(cè)；若Su超過Sw，則實(shí)施上述平衡檢測(cè)方案時(shí)，其中區(qū)域U和V的長(zhǎng)度取相同值。最后，將窗口W的多次檢測(cè)結(jié)果進(jìn)行綜合后輸出。新方法將不同長(zhǎng)度區(qū)域的結(jié)果進(jìn)行綜合，能夠降低方法的性能對(duì)窗寬的敏感性，保障最終結(jié)果的準(zhǔn)確性和穩(wěn)定性。在1個(gè)模擬數(shù)據(jù)集和4個(gè)真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示，該文方法能有效地揭示出時(shí)間序列之間隨時(shí)間變化的因果關(guān)系，在正確率高且性能穩(wěn)定的綜合性能上優(yōu)于對(duì)比方法。

本文基于旋轉(zhuǎn)矩陣單位四元數(shù)分解定理,提出一種由3D特征點(diǎn)空間位置估計(jì)運(yùn)動(dòng)參數(shù)的算法。單位四元數(shù)表示旋轉(zhuǎn)矩陣時(shí)不存在奇異點(diǎn),故基于單位四元數(shù)的運(yùn)動(dòng)估計(jì)方法具有更大的實(shí)用價(jià)值,而本文算法無(wú)需Horn(1987)和Su等人(1989)提出的單位四元數(shù)方法的迭代運(yùn)算。本文給出了解的唯一性分析和模擬實(shí)驗(yàn)結(jié)果,可見其性能是令人滿意的。

針對(duì)非理想信道狀態(tài)信息(CSI)條件下工作于underlay模式的認(rèn)知無(wú)線網(wǎng)絡(luò)(CRN)多用戶下行功率分配和波束賦形研究中普遍存在的問題，包括忽略主網(wǎng)絡(luò)(PN)對(duì)認(rèn)知用戶(SU)的干擾、傳統(tǒng)的凸優(yōu)化SDR方法對(duì)約束條件的近似要求以及實(shí)現(xiàn)算法復(fù)雜、實(shí)用性受限等，首先建立CRN模型，增添PN對(duì)SU的干擾項(xiàng)，而后在非理想CSI的最差條件下形成優(yōu)化問題。再通過Lagrange對(duì)偶對(duì)問題的約束條件進(jìn)行變換，并基于變換后的問題形式，利用上行和下行的對(duì)偶特性，引入虛擬功率，將優(yōu)化問題轉(zhuǎn)換為上行功率分配和波束賦形問題，進(jìn)一步得到簡(jiǎn)便、快速和實(shí)用的迭代算法。數(shù)值仿真顯示，算法收斂很快。并且發(fā)現(xiàn)非理想CSI引起的誤差不僅對(duì)下行功率影響明顯而且還改變優(yōu)化問題的可行解區(qū)域；PN基站(PBS)的發(fā)送功率的變化對(duì)可行解區(qū)域有顯著的影響。

堿或堿土金屬的原子吸附于過渡金屬表面時(shí),會(huì)使后者的逸出功急劇下降。作者提出了膠體-原子薄片模型來(lái)研究這一現(xiàn)象。過渡金屬基底用薄膜線性級(jí)加平面波(LAPW)法精確處理,而簡(jiǎn)單金屬覆層則用膠體(jellium)模擬。此模型可在充分考慮構(gòu)成基底的過渡金屬特點(diǎn)的情況下,研究單原子層覆蓋度以下的吸附系統(tǒng)的電子性質(zhì)。 文中給出了計(jì)算所得W(100)面吸附Cs后的-曲線。所得逸出功極小值min=1.441.48eV與實(shí)驗(yàn)結(jié)果(min=1.351.55eV)吻合較好,文中還討論了Ev參量的選擇等問題。

針對(duì)認(rèn)知無(wú)線電系統(tǒng)中的頻譜感知問題，該文采用隨機(jī)矩陣?yán)碚?Random Matrix Theory, RMT)對(duì)多認(rèn)知用戶(Secondary User, SU)接收信號(hào)采樣協(xié)方差矩陣的最大特征值的分布特性進(jìn)行了分析和研究，提出了一種新的基于雙特征值判決門限(Double Eigenvalue Threshold, DET)的合作頻譜感知算法。由該算法感知性能的理論分析可知：DET合作感知算法無(wú)需主用戶(Primary User, PU)發(fā)射機(jī)信號(hào)的先驗(yàn)知識(shí)，也不需要預(yù)先知道信道背景噪聲功率。仿真結(jié)果表明，與傳統(tǒng)的頻譜感知方法相比，該方法只需較少的認(rèn)知用戶就能獲得較高的感知性能，并且對(duì)噪聲的不確定性具有較強(qiáng)的魯棒性。

該文采用隨機(jī)矩陣?yán)碚?RMT)直接對(duì)壓縮采樣得到的觀測(cè)數(shù)據(jù)進(jìn)行分析，設(shè)計(jì)出了一種基于廣義似然比檢驗(yàn)(GLRT)的非重構(gòu)寬帶壓縮頻譜感知新算法。該算法無(wú)需任何先驗(yàn)知識(shí)就能對(duì)寬帶頻譜中的每個(gè)子帶進(jìn)行盲檢測(cè)。此外，為了減輕次用戶(SU)在數(shù)據(jù)獲取和頻譜感知過程中的通信開銷，該文提出一種基于傳感器節(jié)點(diǎn)(SN)輔助感知的合作頻譜感知架構(gòu)。理論分析和仿真結(jié)果均表明，與傳統(tǒng)基于信號(hào)重構(gòu)的GLRT感知算法以及Roy最大根檢測(cè)(RLRT)算法相比，該算法不僅具有計(jì)算復(fù)雜度低、開銷小、感知性能穩(wěn)定等諸多優(yōu)點(diǎn)；而且只需較少的SN就能獲得較好的檢測(cè)性能。