论汽车发动机空燃比对环境污染的影响

本文主要介绍了汽车发动机空燃比及其对环境污染的影响和相应采取的措施.     

PCMA自适应自干扰对消算法与仿真

讨论了成对载波多址（PCMA）自适应自干扰对消原理,分析了参数估计误差对自干扰 对消的影响。在频偏误差的影响下对消误差为非平稳过程,传统自适应对消滤波器无法收敛 。为了克服频偏误差的影响,提出了一种自适应可变遗忘因子（VFF） RLS算法,同时,给 出了具有高精度低运算量的模糊函数参数估计算法。仿真证明了VFF-RLS对消算法具有良好 的对消性能和稳健性,且需要的额外功率较低,能满足PCMA系统要求。     

小宗农产品价格异常波动及其原因分析——以北京市大葱价格走势为例

本文以大葱为例,运用移动平均法和H-P滤波法,对北京市近3年大葱的批发市场价格进行定量分析,发现小宗农产品的价格确实存在异常波动。并且分析得出小宗农产品的价格波动主要受到生产、流通和游资炒作这三个方面影响。为了稳定农产品价格,政府应该从强化商品生产流通体系建设和农业产业化发展等方面进行宏观调控。     

快慢速自适应融合的安全中继选择

针对无线通信中的物理层信息安全问题,在无线安全协作网络中提出了一种基于快慢速链路自适应融合的安全中继选择方法。该方法根据移动速度选择链路自适应类型,根据干扰节点对安全容量的“正”或“负”效应使用或不使用干扰节点,基于安全容量最大化准则进行中继选择。在此基础上,对所提安全中继选择方法进行了性能分析,推导了中断概率表达式。中断概率的仿真曲线和理论曲线很吻合,验证了理论分析的正确性。同时,仿真结果显示,相对于采用单一快速链路自适应,基于所提中继选择方法的安全协作通信系统具有更低的误码率和更大的安全容量,在“正效应”条件下干扰节点有助于提升系统安全容量。     

石油价格波动对我国CPI影响的实证研究

随着我国石油对外依存度不断升高,国内CPI越来越受到国际石油价格波动的影响。本文在分析石油价格波动影响我国CPI变化机理的基础上,用Hodrick-Prescott滤波法分离了石油价格波动和CPI变动的周期性成份和趋势性成份,并用VAR模型和格兰杰因果检验法测算了石油价格波动对我国CPI影响的滞后期和程度,最后基于实证结论给出了对策建议。     

基于延时相乘及其改进算法的DS/FH信号率线检测

针对DS/FH（直扩/跳频）混合扩频信号截获和参数估计问题,提出了一种基于延时相 乘结合自适应滤波和分段自相关的新方法。该算法首先将输入信号进行自适应滤波以提高 信噪比,滤波后送入延时相乘器,最后将乘积后数据分段进行自相关,通过分析谱图即可检 测DS/FH混合扩频信号的码速率谱线。计算机仿真显示,改进的算法不但能适应低信噪比( -2 0 dB)条件下DS/FH混合扩频信号的检测,而且同时能够实现对码速率的估计。该方法所用 算法简单,适合采用硬件设计实现,且如果是合作目标信号,搜索时间短,实时性强。     

谐波在供电系统中的危害和抑制方法

随着供电系统设备的不断发展,谐波的危害越来越受到重视,为此,结合谐波的原理,分析谐波在供电系统的危害,并对谐波抑制的主要方法进行了阐述。     

地空数据链在民航的应用状况分析

随着民航业对通信要求的日趋严格,地空数据链的应用越发广泛,在对航空公司通信、导航和空中管理各项技术改革中,地空数据链的应用发展可谓是重中之重.在对各种地空数据链的分析研究后,可以将各种技术运用的范围和优劣势进行对比,在综合评价中选择较为适合的地空数据链技术进行运用.中国民航从通信系统的基础设施建设,到数据链服务系统运行,经历了各种探索,相信新的地空数据链技术的运用,会使得地空数据通信系统不断完善,其在民航通信服务中的应用前景将一片广阔.     

结合像素域JND阈值空间相关性与图像块类型的残差滤波算法

为了更好地将人眼视觉感知特性应用于视频压缩系统,从而去除视频的视觉冗余成分,在利用像素域的恰可察失真(Just Noticeable Distortion,JND)阈值的基础上,结合JND阈值的空间相关性与图像块类型,提出了一种改进的残差滤波算法。该算法首先在像素域计算出每个像素的JND阈值,然后在变换单元(Transform Unit,TU)中挖掘每个像素JND阈值与其周围邻近像素JND阈值之间的空间相关性,再利用索贝儿(Sobel)边缘检测算子将TU分成不同类型的图像块,并且计算出对应的复杂度因子,最后结合上述像素JND阈值的空间相关性和TU复杂度因子对TU残差进行滤波。提出的算法模型可以嵌入到高效率视频编码(High Efficiency Video Coding,HEVC)框架。实验结果表明,在全I帧配置下,提出的算法与标准算法HM16.0相比,在人眼主观感知质量基本一致的情况下,平均可节省16.1%的码率。     

面向新闻领域的中文实体关系抽取

随着互联网技术的快速发展,人们能够及时地获取大量的新闻文本信息,如何从新闻中自动获取关键信息,把新闻中具有价值的信息转化为结构化数据,从而快速有效地获取有用的知识已是迫切需求。实体关系抽取是获取关键信息的方法之一,但目前关于中文的实体关系抽取工作较少。针对基于长短时记忆网络的中文实体识别模型难于提取长距离的依存关系特征和句法特征问题,提出利用双向树形长短时记忆神经网络提取依存句法树的结构特征。在提取的特征的基础上,使用条件随机场判断实体的类别和边界,并在实体识别模型中加入注意力机制提高模型的性能。在《人民日报》数据集和ACE 2005语料库上训练模型,验证了模型的有效性。