【摘 要】
：
该文在基于信号分组优化的椭圆球面波(PSWFs)多载波调制的基础上，引入双模索引调制思想，提出了双模PSWFs多载波索引调制解调方法。该方法利用未被激活的剩余部分子载波加载第2星座图产生的调制符号，以传输额外的信息比特，实现了基于信号分组优化的PSWFs多载波调制中频谱资源的进一步利用，有效提高了系统频带利用率以及误码性能。理论和仿真分析表明，相较于基于信号分组优化的PSWFs多载波调制，所提方法
论文部分内容阅读
该文在基于信号分组优化的椭圆球面波(PSWFs)多载波调制的基础上，引入双模索引调制思想，提出了双模PSWFs多载波索引调制解调方法。该方法利用未被激活的剩余部分子载波加载第2星座图产生的调制符号，以传输额外的信息比特，实现了基于信号分组优化的PSWFs多载波调制中频谱资源的进一步利用，有效提高了系统频带利用率以及误码性能。理论和仿真分析表明，相较于基于信号分组优化的PSWFs多载波调制，所提方法以适当牺牲系统复杂度为代价，具有更高的系统频带利用率和更优的系统误码性能，当误比特率为1×10~(-5)
其他文献
甚长基线干涉测量技术(Very Long Baseline Interferometry， VLBI)是测量EOP（Earth Orientation Parameters， EOP）的主要空间测地技术之一，中国正在建设名为VLBI全球观测系统（VLBI Global Observing System， VGOS）的新一代测地VLBI站，通过国际联测优化站网构型是实现高精度EOP测量的必由之路。本
车辆状态检测和评估对安全行驶非常重要。为此提出一种基于双目视觉测量车身振动的方法，用于对车辆受激励下振动的测量。在特制减速带激励下，车辆的姿态会有较大幅度的俯仰，通过惯性测量单元(IMU)实时监测车身角度、加速度等信息，固定于车身的双目摄像头通过识别圆形标志点反推车辆俯仰运动。试验结果表明：双目视觉方法对车身受激下振动的测量准确性良好，与IMU数据贴合度较好。鉴于车身刚体运动的主要频率分布区间为0
点云具有数据量大、无拓扑结构等特点，现有的深度学习语义分割模型难以充分挖掘大范围邻域内点云中所隐藏的几何特征。为此，提出一种基于空洞邻域并结合角度等几何特征作为模型输入的点云语义分割模型。首先，在局部邻域构建过程中，将图像处理的空洞卷积操作扩展至点云，建立空洞领域结构，以扩大感受野。其次，在特征提取过程中，采用中心点与邻域点之间相对坐标、距离、角度等基本几何特征作为模型输入，最大程度挖掘邻域内的几
橡胶园土壤中无机氮形态和含量呈现季节性的动态变化，本研究设置不同氮肥用量进行田间试验，分析了早期施肥后橡胶园土壤中氮素运移规律。结果表明：不同施氮量土壤中矿质氮素的运移特点有所不同，但均以垂直运移为主；土壤中的铵态氮和硝态氮在不同层次的水平迁移主要在30cm以内；各施肥处理土壤中铵态氮、硝态氮均存在明显的向下迁移，铵态氮主要迁移至40-60cm深度，常规施肥、减量20%处理铵态氮含量分别达到209
[目的]水田作为三峡库区重要的耕地类型与湿地景观，对保障该区的粮食和生态安全起到了不可替代的作用。分析水田的时空分布及演变特征，为农业结构调整、水田经营政策的制定以及保障库区生态系统的安全提供一定的理论基础。[方法]基于三峡库区重庆段1990、2005、2015年土地利用图像，利用ArcGIS和FRAGSTATS软件，运用土地利用转移矩阵、核密度估计以及景观指数模型等方法，分析三峡库区重庆段在不同
苏打盐碱土在我国的东北地区分布较广，改良利用难度大且无法直接进行水稻育苗。本文以吉林省松原市长岭县的苏打盐碱土为研究对象，探究了水热炭对苏打盐碱土主要障碍因子的改良效果，为水热炭改良苏打盐碱土用于水稻育苗提供科学依据和技术支持。结果表明，单一水热炭施用对苏打盐碱土的改良效果随施用比例的增加而提高，当施用比例达到4%时，pH显著降低了2.8%，施用比例为6%时，电导率显著降低5.7%；交换性Ca~(
基于拓扑优化的图卷积网络是一类图卷积神经网络模型，它通过网络中的辅助信息优化网络拓扑结构，有利于反映节点间的联系程度。但该类模型仅注重局部节点之间的关联关系，对网络潜在的全局结构信息关注不足。研究模型融合全局特征信息的方法，有助于提高其性能和在处理信息缺失时的鲁棒性。该文章提出了融合全局结构信息的拓扑优化图卷积网络模型(GE-TOGCN)，该模型一方面利用相邻节点的属性对拓扑图进行优化；另一方面使
经典选权迭代算法在实现M抗差估计时，通过迭代的方法对参数进行解算，所以仅能求得目标函数最优参数解的近似值。基于M抗差估计的目标函数，本文将模拟退火算法应用在目标函数最小值的直接求解中，并给出了相应的抗差算法流程。实验结果表明：基于模拟退火算法的M估计的参数解优于经典选权迭代算法的近似参数解；并且在测量数据处理中具有实用意义。
针对阅卷时由于卷宗内容繁多导致的信息过载和迷航的问题，提出面向随案电子卷宗的知识森林自动构建，以主题分面树以及主题间的认知关系作为卷宗的知识化表示。首先，对卷宗进行碎片化的预处理，将不同类型的文书分类并划分为多个单一主题的碎片，然后，针对不同碎片采取不同的信息抽取方法，并利用知识融合将同义信息合并，然后利用本体结构和规则构建主题分面树并抽取主题关系，最后，将知识森林构建的主题分面树和主题关系在数据
针对现有异常检测方法因为预学习以及噪声敏感所导致的检测时间长和误报率高的问题，该文通过对现有异常检测案例进行分析，从平台异构性角度提出了一种异常检测的新方法：将程序分别运行在多个异构平台，正常程序的所有平台运行结果相同，而异常程序在不同平台显示出差异性。基于此，该文设计了一种面向异构化平台的轻量级程序异常检测方法，收集系统状态数据并利用特征工程构建对异常表征明显的多维矢量，采用标签编码和Max-M