基于格规约辅助的MIMO系统GMD-TH预编码方案

现有的GMD-TH(Geometric Mean Decomposition-Tomlison Harashima)预编码方案在发射 端未对获得MIMO（Multiple-Input-Multiple-Output）信道增益矩阵优化,因而 其误码率和分集增益无法获得令人满意的效果。为此,在原有MIMO系统GMD-TH预编码的基础 上,提出一种基于格规约辅助的GMD-TH预编码方案。该方案采用基于格规约的算法对信道 矩阵进行优化,经过优化的信道矩阵其列向量之间具有更好的正交性并且向量的长度更短, 并且采用优化的信道矩阵提高了GMD-TH预编码MIMO系统的分集增益。仿真结果表明：相比于 传统的线性预编码方案,该预编码方案有效地提高了MIMO分集增益,相同误码率下,信噪 比降低3 dB以上,具有实用价值。     

FDI、劳动异质性与我国劳动收入份额

不同技能劳动的划分一直是劳动力市场的一个重要研究视角,也是难点之一。文章创新性地采用模糊聚类方法测算了我国第二产业中各行业的劳动高技能性,推算了高低劳动技能行业的工资比率,并进一步实证分析了高低劳动技能行业的工资比率、FDI等因素对我国劳动收入份额的影响。研究结果表明:(1)由于高技能劳动一般与资本结合得更为紧密,高低劳动技能行业工资比率的提高抑制了劳动收入份额的上升;(2)FDI引入对我国劳动收入份额也具有负向影响。     

编辑部回复

<正>感谢广大读者与《资本市场》杂志的互动与沟通。2012年2月,中国国际经济交流中心副秘书长陈永杰公开声称:"银行的资本利润率高于石油和烟草,     

编辑部回复

<正>感谢读者对《资本市场》杂志的关注。我们本期封面故事通过探讨温州金融改革来看金融市场化的改革问题。金融体制改革是我国未来金融发展的必     

高斯模板均值化在图像滤波中的应用

在信号处理的问题中,常常因为噪声或者其他后续处理需要对信号进行滤波操作.图像滤波主要的方法是通过对图像的卷积操作进行,而常见的卷积操作所使用的模板为高斯卷积模板,但对于模板尺度过大的情况,高斯卷积模板的滤波速度是很低的.本文通过对大尺度高斯卷积模板的特性,研究其模板权值在数值上的均值特点,将大尺度的高新卷积模板均值化运用于图像的滤波操作上,减少了运算的复杂性以及提高了运算的速度,并通过比较两种滤波方法的方差,验证了高斯模板均值化在图像滤波操作中的可行性.     

共享单车发展现状研究

融资充足性、单车质量、管理水平、获利能力以及单车投放量决定了共享单车企业的发展。本文从上述五方面研究共享单车市场现状,在"骆驼"评价的框架下对共享单车企业进行考核,采用系统聚类法和K均值聚类法将考核的结果分类。最终得到两大类,前一类共享单车企业现阶段经营状况良好,后一类共享单车企业已破产或经营状况出了较大问题,从而证明该模型有效。     

基于灰色系统的京津冀地下水利用研究

京津冀地区作为我国北方最大的人口经济密集区,降雨时空分配不均。多年来,该地区的地下水资源和地质环境受到了人类活动和气候变化的显著影响,而地下水用水量是对人类和自然影响的直接响应。针对于多因素对地下水用水量的影响,本文选取人口、地区生产总值、有效灌溉面积三个因素,运用灰色关联分析法计算了地下水用水量与它们的关联度,并利用均值GM(1,1)模型预测了未来5年该地区的地下水用水量。结果表明:地下水用水量与有效灌溉面积的关联度最高,与人口之间的关联度较高,与地区生产总值之间的关联度不高;未来5年该地区的地下水用水量逐年减少。为了促进该地区协同发展,需合理配置水资源,重点保护地下水资源。     

区域经济异质视角下电力消费因素分解及"拐点"分析

基于对数均值迪氏分解法,构建了考虑区域经济差异的分解模型对中国电力消费水平进行分解分析,分解结果显示,不论是全国总体水平还是按照"四分法"的区域分解,经济增长均是电力消费增长的最主要驱动力,电气化水平因素是电力消费增长的第二大拉动因素,区域发展因素对全社会用电增量的贡献较为平稳,能源强度因素是拉低全社会用电量的唯一负向因素。动态来看,2001—2005年这一时间段内的"拐点"特征明显,能源强度这一"负向"拉动因素对全社会用电增长的贡献"由负转正",电气化水平这一"正向"拉动因素对全社会用电量增长的绝对拉动水平达到了1990年以来的新低,基于省际面板数据的进一步实证研究表明我国重工业部门的快速发展抑制了能源强度的降低和电气化水平的提升,西部地区表现得更为显著。     

核k’-均值聚类算法及在生物医学上的应用研究

核k'-均值聚类算法在k'-均值聚类算法的基础上,通过核函数,将样本从原空间映射到高维特征空间,使得非线性样本在高维空间中线性可分,然后对高维空间中的线性样本进行聚类。由于核函数的本质是成对样本间的内积,可表示成对样本间的相似度。文章利用高维空间中不同样本之间的内积,构造核矩阵,使得核矩阵中的每一矩阵元均由任意两个样本间的内积组成。内积越大,表示两个样本越相似,内积越小,表示越不相似,因此,求所有样本到其聚类中心的最小距离平方和的聚类问题可转化为求核矩阵的迹最小问题。文章利用两组真实生物医学数据集进行了算法验证,结果表明,在同等条件下,核k'-均值算法的聚类准确率要高于k'-均值聚类算法。