IRS辅助的SWIPT系统中基于能效优先的波束成形设计与优化

以智能反射面(intelligent reflecting surface,IRS)辅助的无线携能通信(simultaneous wireless information and power transfer,SWIPT)系统为背景,研究了该系统中基于能效优先的多天线发送端有源波束成形与IRS无源波束成形联合设计与优化方法。以最大化接收端的最小能效为优化目标,构造在发送端功率、接收端能量阈值、IRS相移等多约束下的非线性优化问题,用交替方向乘子法(alternating direction method of multipliers,ADMM)求解。采用Dinkelbach算法转化目标函数,通过奇异值分解(singular value decomposition,SVD)和半定松弛(semi-definite relaxation,SDR)得到发送端有源波束成形向量。采用SDR得到IRS相移矩阵与反射波束成形向量。结果表明,该系统显著降低了系统能量收集(energy harvesting,EH)接收端的能量阈值。当系统总电路功耗为?15 dBm时,所提方案的用户能效为300 KB/J。当IRS反射阵源数与发送天线数均为最大值时,系统可达最大能效。     

基于FPGA的太赫兹高速MAC协议设计与实现

太赫兹无线个域网可以支持上Gbit/s的传输速率,但是目前对于太赫兹无线个域网的MAC层研究较少,如何用现有的条件实现太赫兹无线个域网MAC层协议是亟待解决的问题。借助FPGA实现了太赫兹无线个域网MAC层基本功能,并采用波束赋形新机制,减少了节点发送的等待时间,使得端到端数据的传输加快,端到端的网络吞吐量随之提高。之后在Linux上测试数据传输速率,实验结果表明,在带宽不低于3.0 Gbit/s下,新的太赫兹MAC协议的平均数据传输速率能够达到约2.70 Gbit/s;另外,该协议的端到端平均往返时延约为0.284 ms。希望该设计能够为太赫兹超高速无线网卡和无线路由器的研究开发与实用化打下坚实的基础。     

基于改进型巴特勒矩阵的短波8元圆环阵列多波束技术研究

传统短波接收天线为单一的波束指向天线或全向天线。为提高接收天线增益,同时产生多个波束指向不同方向,提出利用巴特勒矩阵作为短波接收天线阵的无源波束形成网络。在传统8×8巴特勒矩阵结构的基础上,设计改进型8×8巴特勒矩阵。以均匀8元圆环阵列为天线模型,利用FEKO仿真分析了其天线特性。在3~11 MHz频段内,P2、P3、P6、P7四个端口分别在202.5°、292.5°、112.5°、22.5°方向上得到了方向性较强的单一波束,7 MHz时波束增益达到最大11.9 dBi,波瓣3 dB宽度平均为60°;在P1、P4、P5、P8端口产生相同的2个波瓣,7 MHz时其波束增益达到最大9.8 dBi,波瓣3 dB宽度平均为89°。由以上仿真分析得出,该改进型8×8巴特勒矩阵能够同时产生6个波束,波束覆盖8个方向,提高了波束的方向性,提高了天线增益。     

防护服是否可以兼顾安全与舒适

一次性防护服因穿着时间短、利用率低,在生产制造时并未考虑兼顾舒适性的问题新冠肺炎疫情期间,一线医护人员被防护服浸湿的头发、衣裤,被口罩勒破的脸颊频频出现在公众视野中。不少医护人员表示,每天最放松、舒服的时候,便是脱掉防护服的时刻。那么,是否有办法解决他们的困扰?防护服的防护效果和舒适性能否兼得?设计的初衷是短期使用东华大学研究院研究员王华平认为,一次性防护服因穿着时间短、利用率低,在生产制造时并未考虑兼顾舒适性的问题。     

直链淀粉晶种对淀粉回生的影响机制

由于淀粉回生影响因素复杂和研究手段局限,基于直链淀粉主导的短期回生阶段和支链淀粉主导的长期回生阶段关联性的回生共性机制未得到系统阐述。基于此,该研究制备短期回生的直链淀粉晶种,采用FTIR、13C CP/MAS NMR等手段,研究其诱导大米淀粉的长期回生过程与规律,揭示短期回生与长期回生关联性。结果表明,所制备的直链淀粉晶种粒度分布在200~450 nm,添加晶种导致淀粉短程有序度由0. 670最高提高至0. 887,双螺旋含量由14. 86%最高提高到了22. 80%。回生淀粉的短程有序度、双螺旋含量显著提高,表明所制备直链淀粉晶种显著促进淀粉长期回生过程,这种晶体协同增长效应,丰富了淀粉回生共性机制。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。