品牌战“疫”,《中国名牌》在行动

疫情牵动亿万人的心,各行各业以最大的努力来抗击疫情。自疫情暴发以来,《中国名牌》全媒体第一时间制订并发布《疫期工作指引》,密切关注疫情动态,从品牌专业角度积极传递品牌战“疫”的声音,推出“品牌战‘疫’”系列专题报道,发起并推出“名家线上讲坛”“公益海报征集”等相关活动,完善新华社民族品牌工程专题,枳极与品牌企业取得联系,帮助协调解决实际困难,认真履行品牌行业和专业媒体的社会责任,行动在品牌战“疫”的路上。     

一种利用优先经验回放深度Q-Learning的频谱接入算法

针对认知无线传感器网络中频谱接入算法的频谱利用率不高、重要经验利用率不足、收敛速度慢等问题，提出了一种采用优先经验回放双深度Q-Learning的动态频谱接入算法。该算法的次用户对经验库进行抽样时，采用基于优先级抽样的方式，以打破样本相关性并充分利用重要的经验样本，并采用一种非排序批量删除方式删除经验库的无用经验样本，以降低能量开销。仿真结果表明，该算法与采用双深度Q-Learning的频谱接入算法相比提高了收敛速度；与传统随机频谱接入算法相比，其阻塞概率降低了6%~10%，吞吐量提高了18%~20%，提高了系统的性能。     

基于图论的认知无线网络频谱动态分配

在认知无线电网络中，图论与量子遗传算法相结合的频谱分配策略能够提高频谱利用率，但存在早熟和收敛精度不够等缺点。为了解决该问题而实现算法的优化，对图着色理论的频谱分配模型进行数学建模，并针对该模型提出了改进的量子遗传算法。首先，通过使用小生境技术初始化种群，使种群分布更加广泛、算法的收敛度更高；其次，根据进化代数对量子旋转角进行实时动态调整，对染色体进行阈值变异，防止个体陷入早熟，跳出局部解；然后，对干扰约束条件进行重新设计，有效地避免盲目性，提高了网络的公平性和网络效益。仿真结果表明，所提算法有效地提高了频谱利用率，极大地增强了网络系统的性能。     

中国劳动力市场就业与真实工资的动态波动

通过带有随机波动的时变参数向量自回归(TVP-VAR)模型,揭示不同宏观经济冲击对中国劳动力市场就业和真实工资波动的时变动态特征。为寻求经验证据的理论解释,进一步构建包含劳动力市场摩擦的NK-DSGE模型,研究结果表明:中性技术冲击对就业的响应存在明显的抑制效应,但却能有效提高真实工资水平,而投资专有技术冲击对就业和工资的响应都存在抑制效应;扩张性(紧缩性)货币政策冲击能够有效促进(抑制)劳动就业与真实工资水平的变动,且脉冲响应的时变特征明显;此外,在理论模型中引入劳动力市场摩擦机制和名义粘性,对有效解释中国劳动力市场的波动特征具有至关重要的作用。     

利用相位差变化趋势的多源信号关联

针对多源信号关联难度大、关联准确率低的问题，利用同一目标平台上搭载的多个辐射源信号具有一致的动态变化趋势这一特点，提出一种利用相位差特征的多源信号关联方法。已知阵列形式和侦测点位置，通过对侦收到的多个辐射源信号进行处理，获取相位差信息并累积形成相位差变化趋势；对比提取疑似相似段，根据相似性判决策略进行有效关联。该方法能有效避免不同传感器对位置测量的误差影响，相比传统基于位置信息关联的方法，能有效提升关联准确率。仿真和实测数据分析证明了该方法的有效性，在阵列形式和侦测点位置已知的条件下该方法具有重要工程意义。     

利用频移动态特征的辐射源目标盲分选

利用辐射源目标的频移动态特征进行盲分选时，针对已有的分选方法不能很好解决非合作接收数据非周期、间断、交叠的问题，提出了一种改进的逻辑回归分选算法,将信号分选转化为轨迹分类的问题来处理。首先，借鉴多目标航迹起始模型中的M/N逻辑法的框架，设计新的数据关联门限，以建立目标起始曲线；其次，采用最小二乘拟合方法替代卡尔曼滤波，设计新的外推规则，建立载频变化预测曲线；分析新的接收数据与预测曲线的关联性，不断迭代回归或形成新的分支，最后获得目标分选结果。仿真与实测试验表明，利用逻辑回归分选算法，对不同运动目标搭载的同频辐射源可进行自动分选，4个仿真目标与2个真实目标的分选正确率达到100%。同时，该方法拓展了辐射源目标盲分选中的动态频移特征应用，为辐射源个体识别提供了新的支持。