微柱状CsI闪烁转换屏的制备和表征

闪烁转换屏是X射线成像探测器的重要组成部分,微柱状的闪烁转换屏可以提高X射线成像探测器的空间分辨率。采用周期为4μm、孔深为100μm的微孔硅阵列作为基底模板,热氧化得到二氧化硅反射层后,再通过真空熔融压力注入法填充CsI获得了具有周期结构的微柱状闪烁转换屏,研究了真空度、注入压力、加压时间对硅孔内CsI微柱形貌的影响。结果表明:真空度10^(-2)Pa、注入压力6 MPa、加压时间30 min时,可以有效消除CsI微柱中存在的气泡,得到均匀、连续、致密的微柱状闪烁转换屏。X射线衍射和激发发射谱展示了制备的微柱状像素化CsI闪烁转换屏具有优异的结晶性和发光性能。刃边法测得制备的微柱状CsI闪烁转换屏空间分辨率可达97 lp/mm。

改进MixNet的CSI图像指纹室内定位方法

为了提升信道状态信息(channel state information,CSI)指纹室内定位的性能,提出了一种改进MixNet的CSI图像指纹室内定位方法.在离线阶段,通过选择定位参考点(reference point,RP)处信号强度指示(received signal strength indication,RSSI)最强的3个接入点(access point,AP),提取其CSI数据并转换为图像;然后利用改进的MixNet模型对图像进行训练并保存模型.其中改进的MixNet引入了坐标注意力(coordinate attention,CA)和残差连接.首先,将MixNet-s中的SE(squeeze-and-excitation)注意力替换为CA,以增强网络的信息表示能力并更精确地获取CSI图像指纹特征.其次,根据MixNet-s模型的特点构建残差连接,以增强网络的表示能力并防止过拟合.最后,通过减小网络深度确保所有网络层得到充分训练;在线阶段,采集目标设备的CSI数据并转换为图像,输入已训练好的改进MixNet模型(命名为MixNet-CA);最后利用加权质心算法根据模型输出的概率值估计目标设备的最终位置.提出方法在室内环境中进行了验证,达到了0.3620 m的平均定位误差.

RIS辅助MIMO NOMA系统中利用统计CSI的下行传输方法

针对可重构智能反射表面(RIS)辅助多输入多输出(MIMO)非正交多址接入(NOMA)下行传输系统,该文提出利用统计信道状态信息(CSI)的基站发送协方差矩阵与RIS相移矩阵设计方法。首先,在莱斯空间相关信道假设下,利用大维随机矩阵理论,推导了RIS辅助MIMO NOMA系统遍历和速率的确定性表达式;然后,在弱用户速率约束与发送功率受限的条件下,通过最大化确定性大系统近似和速率,利用统计CSI,分别设计了强、弱用户的次优发送协方差矩阵和RIS的相移矩阵。仿真结果表明,所推导的近似表达式具有很好的近似效果,所设计的发送协方差矩阵和相移矩阵能显著提升系统的和速率。

基于SE-CsiNet的大规模MIMO信道状态信息反馈与重建算法

本文研究了大规模多输入多输出(MIMO)系统FDD模式下行链路信道状态信息(CSI)反馈与重建问题,针对传统基于压缩感知的CSI反馈与重建算法存在的计算复杂度高、对信道稀疏性要求严格等问题,以及现有的基于深度学习的CSI反馈与重建算法存在的性能不足问题,提出了一种基于联合注意力机制神经网络的大规模MIMO信道状态信息反馈与重建算法,基于自编码器神经网络架构提出了一种全新的SE-CsiNet神经网络模型,在译码器网络当中引入联合压缩-激活(SE)注意力机制算法,有效提高神经网络的特征提取能力。结果表明,所提出的算法相较于传统CSI反馈与重建算法及现有的深度学习算法性能更为优异。

基于统计CSI的RIS辅助通感一体化波束成形设计

随着无线通信技术的发展,智能超表面(Reconfigurable Intelligent Surface, RIS)辅助通感一体化(Integrated Sensing and Communication, ISAC)技术越来越受到关注。针对RIS辅助ISAC系统中基站获取瞬时信道状态信息(Channel State Information, CSI)开销过大的问题,提出了一种利用统计CSI的联合波束成形设计方案。利用统计信道状态信息,分析了系统遍历速率的确定性等价式;在感知性能约束下,通过最大化该确定性等价式,提出了一种设计最优基站发送协方差矩阵和RIS对角相移矩阵的交替优化算法;仿真结果验证了所提方案的有效性,并揭示了通信与感知性能之间的折中关系。

RSSI和PC-CSI加权融合的指纹定位方法

针对基于RSSI和CSI的指纹定位技术易受环境干扰、定位精度较低的问题,提出了一种基于RSSI指纹和相位修正信道状态信息(phase correct based channel state information,PC-CSI)指纹的加权融合指纹定位技术。基于PC-CSI的指纹定位在传统基于CSI幅值的指纹定位基础上增加相位信息对定位结果进行修正,之后对RSSI指纹和PC-CSI指纹的定位结果加权重定位。实验结果表明,提出的加权融合指纹定位算法与基于CSI的主动定位算法相比,平均定位误差(mean position error,MPE)降低了36.2%,能满足室内定位需求。

有限CSI反馈MIMO系统下的快速码字搜索

针对传统多输入多输出(Multiple-Input Multiple-Output,MIMO)系统下信道反馈开销大、发送端的最优预编码设计难以实现的问题,研究有限信道状态信息(Channel State Information,CSI)反馈下的联合预编码设计与码字搜索技术,提出一种基于离散傅里叶变换(Discrete Fourier Transform,DFT)码本的快速码字搜索算法。该算法利用MIMO信道天然具有的信道硬化特性,将理论性能最优但是计算复杂度极高的遍历式码字搜索算法转化为求解多个简单优化问题的快速码字搜索算法。仿真结果显示,该算法能够在性能损失较小的情况下大幅度降低码字搜索的计算复杂度。

基于C-CSI模型的满意度调研策略研究

近年来,由于通信行业市场竞争非常激烈,用户的满意度成为重要评价指标,和企业的发展息息相关。因此,运营商将竞争的重点转向了提升客户的满意度。文章针对上述问题,采用C-CSI模型研究品牌形象、感知服务质量、期望服务质量和感知服务费用这四个影响因素对顾客满意度和忠诚度的作用效果,从用户的感知角度,通过应用二阶结构模型进行变量概念简化,构建客户满意度的评测模型。利用二阶结构模型实现变量构念的优化,进而考查多种影响变量对客户的满意度的影响及客户的满意度与忠诚度之间的关系。实验结果表明,在众多因素中,对客户满意度影响最为显著的是客户的感知服务费用和客户的感知服务质量,顾客的满意度对顾客的忠诚度起着决定性的作用,此外,品牌形象的影响也很重要。

软X射线条纹相机CsI光阴极响应灵敏度的理论计算

碘化铯(CsI)光阴极响应灵敏度是软X射线条纹相机用于X射线能谱定量诊断的重要参数,其理论计算具有重要指导意义.目前的理论解析模型基于薄膜光阴极产生次级电子的一维随机行走模型发展而来,具体包括X射线正入射、能量大于1 ke V条件下的Henke模型,以及变角度入射、光阴极厚度大于100 nm条件下的Fraser模型,都存在一定局限性.本文进一步引入次级电子输运概率的基础表达式,推导了CsI光阴极在更大参数范围内(X射线能量0.1—10 ke V、光阴极厚度10—200 nm)响应灵敏度随X射线能量E、光阴极厚度t、X射线与阴极表面夹角θ变化的一般表达式.最后,将本文的理论计算结果与Henke模型、Fraser模型、文献及北京同步辐射的实验数据分别进行了比较和讨论分析,验证了计算模型的准确性和普适性,并且为高时间分辨光谱定量测量实验中Cs I光阴极的优化设计提供了理论参考.

基于GMM-DBC的CSI室内定位算法

针对贝叶斯室内定位技术存在定位精度低及时间复杂度较高的问题,提出了一种基于高斯混合模型和密度聚类(GMM-DBC)的信道状态信息(CSI)定位算法.通过对分模型参数的初次估计构建GMM概率分布模型并进行误差计算;引入确定分模型个数(DSM)策略,结合误差计算结果更新GMM模型参数,减小由模型精度引起的定位误差;基于不同参考点的分布特征,判断参考点间紧密程度,将紧密相连的参考点划为一类,减小搜索范围,降低时间复杂度;根据分簇结果,利用改进的贝叶斯概率算法进行权值计算,得到最终定位结果.实验结果表明:所提算法能较好地提高定位精度,降低时间复杂度.

CsI(Tl)闪烁探测器脉冲形状鉴别最优积分条件的探究方法

介绍了脉冲波形分析中用电荷积分法鉴别带电粒子的方法,给出了CsI(Tl)脉冲波形粒子鉴别能力的评估方法。用VME(versa module eurocard)数据获取系统的电荷积分插件QDC和基于PXI(PCI extensions for Instrumentation)的XIA获取系统获取CsI(Tl)闪烁探测器的脉冲信号波形各有优缺点。相较于过去在实验中利用QDC电子学插件对闪烁体的脉冲波形做快、慢成分的在线积分处理,该研究在XIA获取系统采集的CsI(Tl)闪烁体真实脉冲波形基础上,利用ROOT数据分析软件,在离线数据处理过程中利用程序调整积分门的延迟和宽度,研究了积分门的延迟和宽度的变化对探测器粒子鉴别能力的影响。定义了一种简单、明了的判断方法,通过比较2种不同粒子在二维鉴别谱中的分布距离来判断在不同积分门延迟和宽度下粒子的鉴别能力并研究其变化规律,探究该方法的可行性,为以后采用电荷积分插件实验提供参考。

变化信道稀疏度的CSI反馈方法

在大规模多输入多输出(multiple input multiple output,MIMO)系统中,压缩感知(compressed sensing,CS)技术常用于具有稀疏特性的信道状态信息(channel state information,CSI)反馈。针对CS重构时信道稀疏度通常未知的问题,基于深度展开技术提出了一种变化信道稀疏度的CSI反馈方法(a CSI-feedback method for varying channel sparsity,AVCS)。AVCS将信道稀疏度作为训练参数,学习得到通用的网络架构。随着天线数量增大导致信道(矩阵)维度激增,学习网络所得的相互抑制矩阵会呈现二次增长问题,AVCS利用相互抑制矩阵托普利兹(Toeplitz)特性设计了降维卷积网络,解决CSI反馈时的计算复杂度问题。仿真结果表明,所提方法提高了在大规模MIMO系统下CSI重构的适用性,减少了反馈开销且对信道稀疏度具有鲁棒性。

直播情境下基于负向评价的CSI研究

针对直播电商平台退换货引起的客户满意度问题,采用熵权法对指标赋权,构建改进GRA-TOPSIS模型,分析影响满意度的主要因素。借助网络爬虫采集投诉数据,IPA分析结果表明,沟通质量满意度最低也最重要,需要着重改善;便捷性和退换质量因素的整体情况较好。构建的GRA-TOPSIS模型在研究逆向物流客户满意度方面具有较好效果。

基于CSI和K-means-SVR的多指纹库室内定位方法

传统的Wi-Fi室内定位方法需要与所有指纹数据库中的指纹数据进行匹配后才能定位,导致人群聚集区域定位效率不高,体验较差。提出一种基于信道状态信息(CSI)、K均值(K-means)聚类算法与支持向量回归(SVR)算法相结合的多指纹库室内定位方法。该方法首先根据CSI的簇分布特点,利用K-means算法对所有定位点内的CSI数据聚类后得到多个簇的CSI数据;然后,基于多个簇分别建立多个指纹库,并将CSI数据分别存入多个指纹库,进而在每个指纹库中分别训练SVR模型用于Wi-Fi定位。相较于传统的支持向量机(SVM)定位方法,所提方法在离线阶段需要的训练样本更少,定位效率更高;在线阶段,该方法既降低了匹配的复杂度,也提高了定位的精度。由于使用了多指纹库,Wi-Fi定位系统可以根据人流量实时调整资源分配策略,提高服务器运行效率和定位服务体验。

基于CSI小样本学习的场景鲁棒性跌倒检测系统

采用小样本学习技术设计了基于CSI的场景鲁棒性跌倒检测系统(FDFL,fall detection system based on few-shot learning)。现有基于Wi-Fi无线信道状态信息(CSI,channel state information)的跌倒检测方法跨场景应用性能退化明显,通常需要在每个应用场景采集并标记大量的CSI样本,给大规模部署造成极高的成本。为此,引入了小样本学习的方法,可以在陌生场景标注样本数量不足的情况下仍然保持高准确率的跌倒检测性能。所提FDFL主要分为源域的元训练和目标域的元学习两个阶段。源域的元训练阶段包含数据预处理和分类训练两个部分,数据预处理阶段将采集的原始CSI幅度和相位数据进行去噪、分段等操作;分类训练阶段利用大量处理好的源域数据样本训练一个基于卷积神经网络的CSI特征提取器。在目标域的元学习阶段,基于元训练模块中训练的特征提取器对目标域中采样的少量标注样本进行有效的特征提取,进而训练生成一个轻量型机器学习分类器对跨场景下的跌倒行为进行检测。通过多个不同场景下的实验,FDFL在只需要目标域少量样本下即可以实现对跌倒、坐着、步行、坐下的四分类任务达到95.52%的平均识别准确率,并且对测试环境、人员目标、设备位置等因素的变化保持鲁棒的检测准确性。

面向室内人员被动感知的CSI幅值平稳性分析方法

室内复杂环境下,多径效应导致无线信号的接收信号强度(RSS)分辨率较低,非视距条件造成室内人员的检测准确率不佳,现有技术对室内静态人员的漏检率与设备成本偏高,且构建系统较复杂。针对以上问题,提出一种仅使用单接入点(AP)的面向室内人员被动感知的信道状态信息(CSI)幅值平稳性分析方法。首先对采集的CSI提取幅值矩阵并进行数据预处理;在此基础上分别计算CSI幅值的全局稳定度与局部稳定度,最终基于双阈值联合判定方法实现室内有无人员的轻量化快速判定。实验结果表明,该方法在视距下对动态人员的被动感知准确率达99.6%,在非视距条件下对静态人员感知准确率仍可达91.87%。该方法突破了需要携带并修改设备、部署传感器和视距等条件限制,在降低成本的同时有效提高了系统的可靠性与易用性。

基于WiFi CSI的多特征融合的步态识别

基于WiFi信道状态信息(CSI)的步态识别作为一种新型的生物特征识别方案,从步态周期、步速、行走姿势、身体平衡、足底压力等方面的差异进行分析,从而有效识别行人身份。然而,目前大多数基于WiFi CSI的步态识别方案中主要针对人体的运动特征进行识别,鲜见对人体物理形态特征进行分析,这样就导致了特征提取不完整,系统识别率低,鲁棒性差等问题。针对上述情况,提出了一种结合步行时运动特征和相对静止时物理形态特征的多特征融合身份识别方法。该方法利用了一个双流卷积神经网络(CNN)分别提取粗粒度运动特征和细粒度物理形态特征,并将两部分特征融合,进行身份识别。在真实的场景中进行了实验,最高准确率达到97.1%,明显优于现有的识别方案,实验证明了该方法的有效性和通用性。

CsI∶Tl余辉产生和抑制机理的第一性原理研究

CsI∶Tl晶体受其余辉特性的影响,限制了其在快速X射线成像领域的推广应用。为探索CsI∶Tl晶体的余辉产生机理和抑制方法,利用Material Studio软件建立了纯CsI晶体、CsI∶Tl晶体和CsI∶Tl,Eu晶体的超晶胞模型,基于密度泛函理论的第一性原理及广义梯度近似和超软赝势框架计算三个模型的总态密度和分态密度。结果表明,CsI∶Tl晶体发射余辉是由于Tl掺杂引入的浅杂质能级约束了少量电子跃迁过程,导致余辉光子的延迟发射。而Eu共掺杂将在CsI∶Tl晶体中引入更深的杂质能级,能够有效地清除受限于Tl引入的浅电子陷阱的电子,并防止电子受环境热扰动影响重新受激发射二次光子,从而有效抑制CsI∶Tl晶体中余辉光子发射。

csi-miR399响应柑橘溃疡病菌侵染的表达模式及其抗病性分析

【目的】明确csi-miR399响应柑橘溃疡病菌(Xanthomonas citri subsp.citri,Xcc)侵染的表达模式,筛选其靶基因,进而分析csi-miR399与寄主Xcc抗性的相关性,为柑橘溃疡病抗性种质的创制打下基础。【方法】分别以柑橘溃疡病抗性品种四季橘(Citrus microcarpa)和感病品种纽荷尔脐橙(Citrus sinensis)为试材,通过茎环qPCR方法分析csi-miR399在叶片离体注射Xcc 1、3和5 d时的表达量变化,明确抗/感品种中csi-miR399响应Xcc侵染的表达模式;利用在线软件psRNATarget预测csi-miR399的靶基因,并通过qPCR分析候选靶基因在接种Xcc柑橘叶片和瞬时表达csi-miR399叶片中表达量的变化;克隆csi-miR399前体基因序列,通过同源重组方法构建病毒表达载体pCLBV202-MIR399,根癌农杆菌介导的真空浸润法接种尤力克柠檬(Citrus limon),通过qPCR分析csi-miR399表达量;进而采用离体叶片针刺法接种Xcc,观察发病症状,统计病情指数,分析csi-miR399过表达对Xcc抗性的影响。【结果】接种Xcc后,csi-miR399在抗病品种四季橘中的表达呈现先下降再上升的趋势,而在感病品种纽荷尔脐橙中的表达呈持续下降趋势。接种Xcc 5 d时,csi-miR399在四季橘与纽荷尔脐橙中的表达量分别是健康对照的4.64倍和7.61%,初步表明csi-miR399与柑橘的溃疡病抗性相关。从13个预测靶基因中筛选鉴定了csi-miR399的3个靶基因Cs2g06030、Cs7g03830、Cs8g18800,分别编码泛素偶联酶PHO2、未知蛋白和漆酶。利用构建的病毒表达载体pCLBV202-MIR399获得过表达csi-miR399的柠檬植株(Y37、Y41和Y57),与空载体对照pCLBV202接种植株(L35)相比,Y37、Y41和Y57中csi-miR399表达量显著增加,接种Xcc后的溃疡病病斑面积显著减小,病情指数显著降低(P<0.01),表明csi-miR399过表达显著提高了柠檬的溃疡病抗性。【结论】csi-miR399与柑橘的溃疡病抗性密切相关,过表达csi-miR399显著提高柑橘对溃疡病的抗性,可应用于柑橘抗溃疡病的分子育种。

基于相控阵的WiFi CSI定位系统的性能预测

WiFi作为当前最重要的通信方式之一,基于WiFi信号的室内定位系统最有望在日常生活中得到广泛地部署应用.最新研究表明,当采用WiFi通信过程中获取的信道状态信息(CSI)对目标进行定位时,系统可实现亚米级的定位精度.然而,实验场景下的定位精度受到测试样点位置、WiFi设备布局、天线布局等诸多因素的影响.因为目前仍缺少WiFi CSI定位性能预测方法,WiFi定位系统部署后往往难以获得预期的精度.为此,面向多样化场景提出WiFi CSI定位性能的预测模型.首先,从CSI定位的基本物理模型出发,定义天线对的误差微元函数,并通过对定位空间的分析生成误差微元矩阵以及定位性能热度图;其次,对天线对进行拓展,通过引入多天线融合方法、多设备融合方法构建通用的CSI定位性能预测模型;最后,为了将真实场景地图考虑在内,提出将上述热度图与场景地图相融合的方法,从而实现场景定制化的性能预测.在理论分析的基础上,结合2个不同场景下的实验数据验证了定位性能预测模型有效性.实验结果表明,实际定位精度的变化趋势与理论模型相吻合,通过理论模型分析可将定位精度优化32%–37%.