超宽带无线信道品质因子估计方法

超宽带(UWB)技术被认为是最适合进行室内无线定位的技术,IEEE802.15.4a是IEEE第一个无线测距定位的物理层标准。为了让测距的发起者知道测距的质量,在协议中增加了品质因子（FoM）,但是如何产生FoM却没有给出规定。在对接收信号能量块的统计特征进行分析的基础上提出了一种应用在超宽带无线信道中基于偏度和最大斜率联合参数的对信道品质因子进行估计的方法。仿真发现,使用该方法可以为精确的测距定位提供参考,在CM1(Channel Model)信道下可以提高30%左右的定位精度。     

效能监察促进企业管理的实践与思考

近年来 ,内蒙古乌拉山富兴化肥有限公司纪委积极适应新形势的需要 ,立足企业实际 ,围绕企业管理活动有针对性地开展效能监察工作 ,为企业整体管理水平的提高做出了贡献 ,保障了企业改革和经济建设的顺利、健康发展。同时 ,也逐渐摸索出一条效能监察如何促进企业管理的新路子来。效能监察工作在乌化起步较晚 ,前几年虽然抓了几项工作 ,收到些成效 ,尚处于单独选项、点多面少、事后多于事前的初级阶段 ,如何改变过去单一性立项为全方位监察 ,变被动为主动 ,实现由点到面、由表及里的飞跃 ,一直是公司纪委深入研究的课题。进入 97年以来 ,企业…     

黑臭水体治理技术探讨——以深圳宝安咸水涌为例

以深圳宝安"咸水涌"黑臭水体治理设计为案例,在沿海城市高密度建成区,从控源截污、清淤修复、活水循环、原位修复等多个方面,研究了感潮河段黑臭水体的治理技术措施,通过对污染源、河道自身现状的分析,系统阐述了黑臭水体治理的关键问题,并介绍了工程的具体方案。     

上下行通风对东峡矿大倾角采空区自燃危险区域的影响

以东峡煤矿37220-1大倾角采空区为研究对象,聚焦采空区自燃"三带"划分问题,运用GAMBIT和FLUENT这2种软件,建立了数值模拟模型,对上下行通风条件下采空区氧气浓度分布进行了模拟研究,并根据模拟结果绘制出不同高度条件下采空区自燃"三带"分布情况。模拟结果显示:大倾角采空区自燃"三带"在分布上呈三维立体状态;采用上行通风时,采空区氧化带宽度较下行通风时大;随着距底板高度的增大,采空区氧化带范围以下顺槽尾部为圆心逐渐缩小。     

基于.Net的石油定额Web服务系统解决方案研究

石油定额应用系统是石油生产相关领域进行造价管理工作的重要工具,但是现在的系统在数据管理、体系结构等方面存在诸多问题,难以满足要求.近年推出的Web服务技术和.Net平台为这些问题提供了新的解决方案.本文在简要介绍了上述技术的基础上,研究并提出了基于.Net平台的石油定额Web服务系统解决方案,内容包括基于xml的数据模型、定额数据服务组件、面向服务的松散系统集成等概念,最后在.Net平台上实现了该系统.     

寒区大体积混凝土开裂的主要因素分析

本文根据白山水电站大坝挑流鼻坎裂缝现场调查及检测结果,以混凝土材料自身的变形性能为出发点,结合施工期与混凝土相关的文献资料,分析了引起寒区大体积混凝土开裂的主要因素,同时提出采用混凝土相对干缩变形值(表层混凝土干缩值与深层混凝土干缩值之差)作为混凝土抗裂性能计算基础参数的观点.     

60GHz 室内信道下一种快速天线选择算法

传统的基于信道容量最大化准则的天线选择算法虽然使信道容量达到了最大化,但是计算复杂度很高。针对计算复杂度高的问题, 提出了一种基于Doolittle-QR 分解的低复杂度天线选择算法。该算法基于Doolittle-QR 分解,可以快速选择出使系统容量最大化的天线。与传统的天线选择算法相比,该算法的计算复杂度不仅有效地降低了, 而且容量性能相近。在60GHz 室内信道下,仿真实验结果表明, 该算法具有良好的容量性能,优于随机天线选择算法,接近最优天线选择算法。     

2-丁烯双键异构化制1-丁烯的工业应用

为解决中煤陕西榆林能源化工有限公司(中煤榆林能化)煤制烯烃(MTO)加线型低密度聚乙烯(LLDPE)工艺路线下副产1-丁烯不足的难题,2万t/a 1-丁烯工业装置于2016年10月在该公司建成投产,并平稳运行至今。运行结果表明:在C4进料量为16.24 t/h,反应温度为316℃,反应压力为0.42 MPa的条件下,1-丁烯单程收率≥17.5%,催化剂具有1-丁烯收率高、杂质含量低、催化剂再生周期长的特点。该装置的建成及投运,不仅解决了副产1-丁烯不足的难题,而且提升了副产C4资源的利用价值,提高了装置的综合效益。     

浅议定额换算规范的制定

本文阐述了定额换算的概念,分析了定额换算的使用现状和弊端,通过对统筹e算所采用的定额换算处理方法的分析,提出了规范换算定额的编制并制定统一的换算定额的可行性和必要性,从而为规范建设工程造价领域的基础建设提供基本数据保障。     

基于图像增强与样本平衡优化的行人属性识别

由于采用的监控图像尺寸较小、分辨率低等原因, 行人属性识别一直是一个极具挑战性的任务, 而低分辨率的图像往往又导致数据集存在识别行人主体区域不突出、背景噪音干扰严重等问题. 之前的方法大多将未作处理的原始图像作为输入, 使得属性识别效果一直不够理想, 并且, 属性识别的主流数据集通常存在正负样本不平衡的问题, 例如, 许多行人的服装属性分布有着季节性或习俗性的偏差. 因此, 本文提出一个新的深度学习网络——图像增强与样本平衡优化模型IEBO (image enhancement and sample balance optimization). 该模型通过色彩增强与提取行人主体区域的噪音抑制方法, 在突出行人核心特征的同时消除无用背景信息, 防止其对属性识别造成干扰. 另外模型通过权重调节针对样本不平衡的属性进行优化, 提高不平衡属性的识别能力. 实验最终表明, 新的行人属性识别模型在Market-1501-attribute数据集中取得了较好的性能.