一种基于信道差异的极化码打孔算法

来源 :信息技术 | 被引量 : 0次 | 上传用户:tjc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
现有不重构的打孔算法未考虑打孔造成的信道初始值的差异性。针对这一问题,分析打孔比特造成的信道初始值差异性,提出一种基于信道差异的极化码打孔算法。首先分析打孔概率和信道初始值期望,以及无能力比特与打孔比特的映射关系,最终提出打孔算法。实验结果显示,所提算法可获得打孔算法性能的明显提升。
其他文献
堆垛机是一种集成度好、自动化程度高的堆垛设备,是一个多部位协同作业的机械系统,由输送机构、四立柱支架、升降台、导轨和链轮链条等组成。其动作由电机驱动把拖拽机构拖来的空烟箱放至升降台上,然后把空烟箱依次堆垛待叉车取走。本文重点对堆垛机的链传动失效形式进行分析,通过静强度校核对设备进行改进,提高设备的可靠性。
近年来,电力线通信(Power Line Communications, PLC)因基础设施完备、分布广、成本低等特性应用于广泛的区域。然而PLC自身不提供广域端到端连接,需要依靠现有电信网,故增加了运营成本,同时现有以太网系统还存在传输效率低下以及只针对话音优化等不足。如何低成本并高效率传输成为人们的迫切需求。虚级联技术使得同步光纤网络/数字体系(SONET/SDH)在数据流量传输中提供更精细的粒度;基于SDH/SONET的以太网(Ethernet over SDH/SONET,EoS)技术因其结构简单
为有效处理CPS面临的各种网络攻击,在研究了系统中常见网络安全漏洞及攻击方式基础上,文中设计了一种针对CPS的网络安全体系结构。该结构主要由5个部分构成:攻击检测系统、分区管理系统、网络攻击响应系统、网络入侵恢复系统和系统性能检测子系统。最后,通过仿真分析,结果表明文中提出的方法能够有效维护系统正常运行,为CPS网络安全的发展以及CPS处理网络攻击提供了一定思路和借鉴。
深度学习在图像识别的现存模型中,都有检测和识别两个过程,且需借助复杂的网络结构、大量的文本框标注来提高识别准确率。文中针对存在的问题提出了一个简单且鲁棒性强的证件图片无检测文字识别方法,通过嵌入二维特征图中不同序列位置的水平、竖直方向位置编码,将不同子空间的特征表达连接到序列解码器,解码器部分加入了全局上下文模块,网络模型能并行训练并可以快速收敛,通过插入特殊符号直接得到结构化的字段,简化了信息后
通过构建合适的电水转换模型,可以有效地解决农业灌溉用水智能化计量的问题。文中通过研究电水转换模型,进一步提高搜索能力,克服粒子群算法易陷入局部最优的缺陷,提出了一种基于杂交策略的改进粒子群算法。该算法对整个解空间实行全局搜索,避免粒子陷入“早熟”,并在迭代过程中让部分粒子杂交,提高搜索精度。仿真结果表明:与标准的粒子群算法相比,文中提出的改进粒子群算法收敛速度加快50%,误差率降低了3%~4%。
为了解决传统模板匹配算法识别电力设备图像速度慢等问题,文中融合了视频监控系统和图像识别系统,提出了一种改进的模板匹配算法。首先,提取四分之一的模板数据在源图像的四分之一范围内进行第一次匹配,并在匹配过程中给出合理的误差阈值。然后,对第一次匹配中最小误差点的邻域进行第二次匹配,得到最终匹配结果。最后,将该算法应用于电力设备的识别和异常状态的检测。实验结果表明,与其它常用的模板匹配算法相比,该匹配算法
随着物联网应用场景及规模的不断扩大,现有的物联网设备无法满足高速率、远距离及低功耗等需求。文中利用不同频率循环移位的LoRa调制信号间的正交性结合OOK调制技术,在433MHz频段搭建适用于工业电力应用场景的多标签并发的低功耗反向散射通信系统。在此基础上利用在数字域生成啁啾信号时的相位量化特性,实现一种容量可调的多并发反向散射通信系统,进一步提高系统灵活性。
背景和目的:当使用电加热烟具对加热不燃烧卷烟进行加热抽吸时,因烟支中的再造烟叶导热性能不良导致中心加热区的部分碳化而其他大部分区域未得到充分的加热,会降低烟支烟草原料的利用效率。方法:采用高导热性能的二维纳米材料与加热不燃烧卷烟再造烟叶复合的方法可以制备得到导热型再造烟叶。用浸渍法在再造烟叶表面负载石墨烯纳米片,形成石墨烯/再造烟叶/石墨烯两种复合再造烟叶。通过SEM、DSC、热导仪考察了复合再造烟叶形貌和热性能等,并以薄荷醇作为模拟香味物质考察其对香味成分的负载能力。结果:(1)石墨烯/再造烟叶/石墨烯
本文在介绍压缩天然气加气站的概念、分类及工艺流程的基础上,对天然气气体、工艺流程、作业和非作业等方面的火灾危险性进行了分析,结合国家相关规范标准,从站址选择、平面布置,工艺和设备、仪表、电气安全措施、消防设施设置以及制度管理等方面进行了压缩天然气加气站的消防安全探讨。
为了解决电力设备故障识别中存在识别精度低、识别耗时长等问题,提出构建基于深度学习的电力设备图像识别模型。利用飞行设备搭载采集系统获取电力设备样本图像,采用加权平均法将RGB彩色图像转换为灰度图像;通过均值滤波法对电力设备图像进行降噪,以及采用二次泰勒级数卷积对电力设备图像边缘进行自适应增强,完成电力设备图像的预处理;在此基础上,采用权重融合的相似性测度对电力设备图像特征进行融合,引入卷积神经网络构