后疫情时代我国供应链管理发展趋势分析

指出新冠肺炎疫情给世界带来了深刻而广泛的影响,全球供应链的发展也遇到新的问题。在此背景下,利用SWOT分析法,对我国供应链管理的优势、劣势、面临的机会和威胁等进行了分析,同时对这些要素进行交叉分析,得出我国供应链管理发展的SWOT策略矩阵,为未来我国供应链的发展提供参考。     

Ad hoc网络中基于多波束天线的集中式低时延调度算法

UxDMA算法是一种高效的集中式算法，是用于时分多址、频分多址和码分多址信道分配的统一算法。在UxDMA的基础上，利用多波束天线的多波束形成能力，针对低时延定向ad hoc网络提出了一种集中式调度算法——CLSM(Centralized Low-delay Scheduling Algorithm Based on Multi-beam Antennas)。CLSM通过不同时延等级限制的报文来比较着色后发送链路的优先级，优先选择高优先级链路传输。通过仿真验证了CLSM的性能：与UxDMA相比，该算法在多时延限制的发送端调度中表现出了更好的吞吐量和时延性能。     

某军校野外综合演练卫勤保障体会

野外综合演练是军事院校提高学员军事政治素质的常用方法,其卫勤保障一直是保障工作的重点和难点.本文通过对某次野外综合演练卫勤保障进行分析归纳,总结了野外综合演练卫勤保障的特点和药品保障的对策,探讨在野外综合演练卫勤保障中的心得和体会,为今后更好地完成类似保障任务提供经验、 参考和数据支持.     

基于传播算子的DS-SS信号扩频波形估计

扩频信号波形估计的本质是信号子空间估计。针对直接序列扩频（Direct Sequence Spread Spectrum,DS-SS）信号的扩频波形估计问题,提出了一种基于传播算子的估计算法。针对现有算法估计信号子空间计算量较大的不足,所提算法利用传播算子估计信号子空间。理论分析了所提算法与现有算法的计算量和性能,并进行了仿真实验。仿真结果表明所提算法有效,且计算量远小于现有算法。     

一种基于位同步的复杂调制样式识别方法

针对卫星数字化视频广播第二代标准（Digital Video Broadcasting-Satellite -Second Generation,DVB-S2）中的多进制幅度移相键控（Multiple Amplitude and Phase-Shift Keying,MAPSK）和多进制正交幅度调制（Multiple Quadrature Amplitude Modulation,MQAM）信号的调制识别,提出了基于位同步的识别方法。首先利用信号星座图特征对信号包络进行位同步,然后统计信号码元的幅度值个数及其幅度值分布提取统计特征参数,最后利用特征参数完成识别。仿真结果表明,所提算法在载波频率等参数未知的条件下,能够有效对信号进行调制识别。     

一种M-ary扩频信号的盲同步方法

针对通信侦察领域M-ary扩频信号的盲同步问题,根据M-ary扩频信号的结构特点及扩频码集元素间的相关特性,提出了一种扩频码长度和失步时间联合估计方法。该方法能够同时估计出M-ary扩频信号的扩频码长度及失步时间,且不受扩频码集类型的限制。仿真实验表明,该算法能在较低的信噪比条件下对三种不同码集的扩频信号进行估计,且算法的性能随着所使用数据的增多而提高。     

机械制造基础课程试题库建设的探索与实践

试题库建设是教学改革的一项重要环节,是实现教考分离的前提条件,也有利于提高教学质量以及教学管理水平。论述机械制造基础课程试题库建设的必要性,针对该试题库建设的现状及试题库如何发展完善方面进行了探索和实践。     

重型汽车供电设备故障检修思路与方法

针对重型汽车供电设备常见故障,结合教学及维修工作实践,提出了一种实用、可操作性强的故障检修思路与方法,对从事相关工作人员具有一定的参考价值。     

利用ACE值构造QC-LDPC码

为进一步提升中短码长下准循环低密度奇偶校验(Quasi-cyclic Low-density Parity-check,QC-LDPC) 码的纠错性能，提出了一种综合短环数目和环连通性的QC-LDPC码构造方法。首先，采用Golomb规则构造QC-LDPC码，对基矩阵中的部分元素进行替换预处理，初步降低短环数目；其次，采用所提的利用近似环外信息度（Approximate Cycle Extrinsic message degree，ACE）的消环掩模算法来优化QC-LDPC码，使得掩模后的校验矩阵具有较大的ACE平均值，最终完成QC-LDPC码的构造。该构造方法简单、通用性强，在短环数目和连通性间进行了平衡。与只考虑减少短环数目、增大围长等方法相比，该方法构造的QC-LDPC码有更加优异的纠错性能。     

基于CNN-MD的军用电站健康状态评估方法

基于健康状态评估的军用电站预先维修对提高其可靠性、安全性有着重要意义,采用基于CNN-MD的评估方法,对军用电站健康状态进行评估。建立CNN军用电站健康状态识别模型,通过用不同的状态样本训练模型,可使模型识别和输出健康状态类别;再引入MD算法,计算不同状态下样本与健康样本的MD距离,并将其归一化为健康指数,即可进一步量化军用电站健康评价结果。以某型军用电站人工模拟不同健康状态的工况获取实验数据,通过模型能对正常、退化和注意三种状态进行有效区分,并得到量化评价健康指数0.6为正常状态的临界阈值,0.6以下即为退化以下状态的具体量化评估值,验证了所提方法的有效性。该方法通过CNN和MD结合,可实现军用电站健康状态定性与定量评估目的,为开展预先维修提供依据。