海藻酸钠/膨润土/活性炭复合微球对亚甲基蓝的吸附性能研究

以海藻酸钠、膨润土、活性炭为原料,氯化钙为交联剂,采用溶胶-凝胶法制备海藻酸钠/膨润土/活性炭复合微球(G1),并考察其对亚甲基蓝的吸附性能及吸附机理。采用扫描电子显微镜、X射线衍射仪、傅里叶变换红外光谱仪对其进行表征分析。探讨了pH、投样量、和亚甲基蓝初始浓度、吸附时间等因素对吸附性能的影响。结果表明:G1在pH=4—11时均有很高的吸附效果,可直接采用自然pH进行研究;投加0.3g材料对初始浓度为100mg/L的亚甲基蓝有优异的吸附能力,吸附600min基本达到平衡;吸附过程符合拟二级动力学方程;Freundlich吸附等温模型能更好地描述MB的吸附行为(R^(2)=0.993);通过计算可知,该复合材料对亚甲基蓝的最大吸附量可达206.404mg/g。经过7次循环使用,吸附量仍达初次使用的90%以上。

一种深度学习的波束空间信道估计算法

在时分双工(TDD)毫米波大规模多输入多输出(MIMO)系统中,因为波束空间信道具有稀疏性,导致将低维测量数据重建为原始高维信道时会带来较高的复杂度。针对上行链路,在不考虑稀疏度的情况下,将传统优化算法和基于数据驱动的深度学习方法相结合,提出一种改进的基于深度学习的波束空间信道估计算法。从重建过程入手,通过交替建立梯度下降模块(GDM)和近端映射模块(PMM)来构建网络。首先根据SalehValenzuela信道模型进行理论公式推导并生成信道数据;其次构建一个由传统迭代收缩阈值算法(ISTA)的更新步骤所展开的多层网络,并将数据传输到该网络,每层对应于一次类似ISTA的迭代;最后对训练好的模型进行在线测试,恢复出待估计的信道。构建Py Torch环境,将该算法与正交匹配追踪(OMP)算法、近似消息传递(AMP)算法、可学习的近似消息传递(LAMP)算法、高斯混合LAMP(GM-LAMP)算法进行对比,结果表明:在估计精度方面,所提算法相对表现较好的深度学习算法LAMP、GM-LAMP分别提升约3.07和2.61 d B,较传统算法OMP、AMP分别提升约11.12和9.57 d B;在参数量方面,所提算法较LAMP、GM-LAMP分别减少约39%和69%。

基于残差密集网络的智能超表面信道估计算法

信道估计是通信系统中一项关键的技术,涉及评估信号在传输过程中经历的信道特性,以便接收端能够有效地对接收到的信号进行处理和恢复。为提高视距信道遮挡通信下的通信系统质量,使用智能超表面来辅助现有通信系统。智能超表面辅助的无线通信系统中,除了基站和用户之间的视距信道外,同时包含基站到智能超表面和智能超表面到用户之间的级联信道。当前信道估计方法基本上利用传统算法进行估计,为了解决智能超表面辅助多用户系统中复杂统计分布的级联信道估计精度低和计算复杂度高的问题,文中提出了一种基于传统算法和深度学习算法相结合的信道估计算法。利用传统算法的可解释性和深度学习算法的高性能特性,在卷积网络基础上,提出了一种基于残差密集网络(RDN)的去噪方法。首先按照系统参数模拟生成真实环境的数据集,使用传统最小二乘法(LS)进行信道粗估计,并将信道看作二维含噪图像;其次采用密集块(RDB)充分提取噪声数据局部特征,并使用多路卷积和残差网络对数据进行特征融合;最后通过已训练模型对数据进行在线估计,并得到去噪信道。文中从信道的估计精度对所提算法进行验证,在Rician信道模型上进行理论公式推导和系统仿真分析。仿真结果表明,与传统算法相比,文中所提出的算法提高了信道估计精度。

基于改进YOLOv7的小目标交通标志检测算法

在自动驾驶中,检测小目标的精度和漏检问题对于车辆设备对路况判断的准确性至关重要。针对小交通标志检测精度漏检的问题,文中提出一种基于YOLOv7的小目标交通标志检测算法。在Neck中引入ACmix注意力模块,利用ACmix注意力模块提高网络对小尺度目标的敏感度,降低噪声所带来的影响;在输出端引入多头自注意力机制SPD卷积构建块,提升输出端对交通标志小目标的检测性能;使用SIoU替换原始YOLOv7网络中的CIoU来优化损失函数,提高网络鲁棒性。为验证所提算法的性能,在CCTSDB交通标志数据集上进行了实验验证。实验结果表明,对于数据集中的小目标,改进后的YOLOv7网络相比于原始的YOLOv7网络,漏检情况得到了明显改善,且map达到了98.7%,运行速度达到了110.5 fps。相较于原始YOLOv7模型,精度和速度均有提升,可以满足交通标志检测的要求。

人力资本特性与高科技企业治理

近年来,高科技企业迅速兴起,人力资本在企业中所起的作用越来越重要.传统的股东主导的企业治理模式越来越不能适应人力资本对权益的要求,本文通过对高科技企业人力资本特点的分析,针对高科技企业的特征,提出了高科技企业剩余所有权的分配方式.

改进YOLOv5s的交通标志检测算法

随着无人驾驶技术的发展,交通标志检测对于维护交通秩序、降低交通事故频率意义重大。针对交通标志因尺寸小、密度高或背景复杂导致检测精度降低的问题,提出一种改进的YOLOv5s算法。首先,将ConvNeXt_Block嵌入YOLOv5s的Backbone和Head部分,增强YOLOv5s特征提取网络的特征提取能力,提升模型检测精度;其次,引入轻量级通用上采样算子CARAFE,在不带来过多参数量和计算量的前提下,更好地利用特征图的信息,同样带来精度提升。使用该模型处理TT100K数据集,达到79.9%的检测精度,在YOLOv5s算法的基础上提高了1.8%,帧处理速率达到74 FPS,仍然符合实时性的要求。实验结果充分验证,改进模型在真实的交通标志检测场景中兼具实时性与准确性。

向量数量积在各类题型中的解题功效

向量作为一个运算、证明工具，在许多问题中都可以渗透于其中，扮演着各种运算、工具及转换角色。如果大家不能正确认识向量知识在数学问题中所起到的作用，不能正确认识向量的代数或几何意义的解题功效，那么，就有可能妨碍我们找到正确的解题思路。

气体高次谐波产生中的角动量守恒

随着激光技术的迅猛发展,超快光学已经成为现代物理学研究中一个非常重要的前沿领域。高次谐波作为产生超短激光脉冲的重要手段之一,在近十年内快速发展。本文综述了气体高次谐波产生过程中存在的自旋角动量守恒、轨道角动量守恒、自旋-轨道相互作用以及由此引出的新奇物理现象,总结了现阶段研究所存在的部分空白与挑战。将结构光场应用于高次谐波领域极大地丰富了人们研究光与物质相互作用的手段,为光学操控和强场物理带来了新的机遇。