基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型.三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7％,对足外8步态的正确率为92.8％以及足内8的正确率为91.0％.模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本.     

Cu掺杂对有序Sr3YCo4-xCuxO10.5+δ多晶的结构与物理性能的影响

采用固相反应法制备了四方Sr3YCo4-xCuxO10.5+δ(x=0~1.0)多晶。用热重-差示扫描量热分析,X射线衍射研究了多晶的有序化相变及结构。在固溶范围内(x=0~0.4),观察到有序峰(103)和(215),说明四方Sr3YCo4-xCuxO10.5+δ多晶为超结构,这是由于合成时在1000℃以上发生了吸氧(δ)有序化相变；当x=0.6~1.0时,978℃时在晶界处形成了单斜杂相,破坏了Sr3YCo4-xCuxO10.5+δ多晶的有序。当x=0~0.4时,多晶呈半导体输运行为。随着Cu掺杂量的增加,Co4+提供的空穴载流子浓度增大,电阻率明显下降；由于Cu的固溶,自旋熵增加,载流子浓度和自旋熵的共同作用使x=0~0.2多晶的热电势不变,x=0.4的热电势降低。并且Cu掺杂导致的晶格畸变使Co3+离子由高自旋态转变为高/低自旋混合态,磁化强度和铁磁转变温度(Tc)降低,磁结构由G-型反铁磁转变为铁磁。在进行二次烧结后,300K时电阻率明显降低,热电势为一次烧结的2倍,可能是二次烧结使多晶的有序化程度增大,提高了铁磁有序排列。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

改性氢氧化钙的制备及其在废TBP处理中的应用

通过氧化钙和双酚A成功制备了在废TBP有机溶剂中分散性较好的改性氢氧化钙，利用XRD、SEM和FT-IR对其结构进行了表征，并对不同条件下制备的改性氢氧化钙在TBP有机溶剂中的分散性能进行了比较。结果表明，在双酚A质量为1.5 g、反应温度为75℃、反应时间为1.5 h的最佳条件下制备出的氢氧化钙改性效果最好，与废TBP有机溶剂配制的料液可以在80 h内保持稳定。     

气候变化背景下滇中引水工程水源区与受水区 降水丰枯遭遇分析

基于历史实测降水数据与全球气候模型预估数据，使用 Morlet 小波方法分析滇中引水工程水源区与受水区 降水序列的周期变化和未来的降水趋势。同时，采用 Copula 函数计算历史时期（1960—2021 年）与未来时期 （2022—2100 年）水源区与受水区降水丰枯异步或丰枯同步的概率。结果表明：1960—2021 年降水序列存在 26~39?a、18~25?a、4~7?a 的 3 类时间尺度的周期变化，2022—2100 年降水序列存在 38~55?a、18~30?a、5~12?a 的 3 类时间尺度的周期变化，降水量呈现“多—少—多”的循环交替，预计未来 10~20?a 将持续处于降水较多的时期； 过去 62?a，水源区和受水区降水丰枯异步频率 36.4%，同期丰水年频率为 25.3%，同期枯水年频率小于 30%，水源区 和受水区具有水量互补的引水条件，两区域之间存在着水量补偿特征；与历史丰枯遭遇对比，未来降水量丰枯同 步频率均呈现减小的趋势，丰枯异步呈现增加的趋势，同枯和源枯受丰的频率减少，未来有利于调水的降水丰枯 组合概率平均增加 3.75%；在近、中、远期预估中，从 SSP1-2.6 情景过渡到 SSP5-8.5 情景，SSP5-8.5 情景下降水量 丰枯异步频率比 SSP1-2.6 情景大，说明水源区与受水区的降水区域差异变大，降水时空差异更加显著。通过对滇 中引水工程水源区与受水区降水量丰枯遭遇的综合分析、定量评估和模拟预测，为滇中引水工程水资源调度协同 一体化提供数据支撑及参考依据。     

基于Massive MIMO及频谱叠加的5G SA网络上行优化方法

大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)可以有效提升5G SA网络的上行链路数据传输速率以及可靠性。针对5G SA网络上行链路速率和覆盖不均衡的情况,提出了基于大规模MIMO的分组算法,将发送信号矢量进行分组,组内采用最大似然检测,组外采用基于正交三角分解(QR分解)的干扰消除检测,并且结合5G频谱的叠加策略,在降低算法复杂度的同时,有效提升网络覆盖和速率。通过5G SA现网实测,通过MIMO降低分组数量能够提升分组检测性能,结合上行低频段频谱叠加策略能够有效提升5G SA网络上行覆盖30%,提升5G SA网络上行平均速率40%~80%,特别是弱覆盖边缘的网络速率,最高可达600%。