-
利用快速Kolmogorov–Arnold网络的数字非线性自干扰消除技术,用于全双工OFDM系统
赵忠凯|宁万毅|高卢|郑佩|江一琳
哈尔滨工程大学信息与通信工程学院,哈尔滨,150001,中国
摘要
在全双工(FD)通信系统中,数字非线性自干扰消除(SIC)对于减轻发射机引起的失真和恢复接收机灵敏度至关重要。尽管基于深度学习的方法在非线性建模方面显示出强大的潜力,但大多数
来源:AEU - International Journal of Electronics and Communications
时间:2026-05-01
-
基于椭圆参数化的压缩机翼型自适应降维优化方法
Jinxin Cheng|Zhenqiang Zhong|Chuanrui Si|Yong Zhang|Kangqing Shen北京科技大学机械工程学院,北京 100081摘要针对压缩机叶片优化过程中“维度灾难”以及降维后边界设定中的盲目性问题,本文提出了一种高效的协同优化方法
来源:Aerospace Science and Technology
时间:2026-05-01
-
利用机器学习生成的虚拟对流层延迟数据来提升GNSS水汽层析成像技术
宁 黄 | 陈 比彦 | 胡 飞阳 | 李 蒂柱
中南大学地球科学与信息物理学院,长沙 410012,中国
摘要
基于地面的全球导航卫星系统(GNSS)层析成像的精度受到病态逆问题的限制,尤其是在站点覆盖稀疏的区域。为了解决这一限制,本研究提出了一种增强型层析成像框
来源:Advances in Space Research
时间:2026-05-01
-
潜在蒸发量与Bouchet–Morton互补关系:一个无量纲图集,用于区分不同定义方法以及它们与陆地-大气系统相互作用的关系
贾斯汀·佩蒂约翰
伊利诺伊大学厄巴纳-香槟分校文理学院地球、社会与环境学院地球科学与环境变化系
3081自然历史大楼,1301西格林街,厄巴纳,IL 61801,美国
**摘要**
互补关系(CR)理论将三种蒸发率联系起来:实际蒸发量(E)、大气定义的“表观潜在
来源:Advances in Water Resources
时间:2026-05-01
-
基于实地测量的巴基斯坦南部Kati Bandar-Gharo风走廊风能评估(采用高杆测量方法)
沙扬·乌马尔|法哈德·乌斯曼|艾莎·汗|戈赫拉姆·汗
阿联酋阿布扎比哈利法科学技术大学电气工程系
**摘要**
随着全球能源需求的不断增长以及对可持续能源来源的迫切需求,风能提供了一种清洁绿色的解决方案。尤其是沿海地区,由于热力梯度的存在,风能潜力巨大。本研究通过分
来源:Advances in Wind Engineering
时间:2026-05-01
-
基于参数分离策略和图卷积网络方法的ZTD预测,适用于GPS站点分布稀疏的区域
苏明坤|张玉阳|赵莉|夏鹏飞|郝晓树|王泽|翟彦荣
杭州电子科技大学通信学院,中国杭州310018
**摘要**
ZTD(天顶对流层延迟)预测在GPS(全球定位系统)定位和天气监测中起着重要作用。然而,由于其组成部分特性差异,精确的ZTD预测仍是一个主要挑战,而且在
来源:Advances in Space Research
时间:2026-05-01
-
使用不同的广播星历误差补偿方法对Sentinel-6A卫星进行实时轨道确定
王爱国|魏春波|黄志勇|江涛|顾德峰
中山大学人工智能学院,中国珠海市大学路2号,519082
**摘要**
广播星历误差补偿对于实时轨道确定(RTOD)至关重要。本研究分析了Sentinel-6A卫星一个月的实际飞行数据,以评估两种补偿方法——伪模糊度和显式空间信
来源:Advances in Space Research
时间:2026-05-01
-
基于物理原理的机器学习方法,用于重建青藏高原暖性永久冻土中的气温
彭晨阳|罗东良|盛宇|吴继春|刘佳|李世珍|曹雅娟
中国科学院西北生态环境资源研究院冰冻圈科学与冻土工程国家重点实验室,兰州730000,中国
**摘要**
高分辨率气温数据对于量化青藏高原等气候敏感地区的生态水文过程至关重要。然而,实地观测经常因长时间的数据缺失而
来源:Advances in Climate Change Research
时间:2026-05-01
-
在篡改攻击下使用二进制切换传感器的远程估计:采用量化通信的识别补偿方法
刘静荣|李梦琪|郭瑾
北京科技大学自动化与电气工程学院,北京,100083,中国
摘要
本文研究了在通信限制条件下,二元传感器切换系统远程状态估计的安全问题。鉴于带宽有限和环境干扰,我们从攻击者的角度出发,提出了一种针对二元量化传输的新型随机篡改攻击方法。我们推导出了最优的最小
来源:Ad Hoc Networks
时间:2026-05-01
-
利用基于机器学习的核集合方法光谱,从第一性原理预测分子激光器的性质
高分辨率图像
下载MS PowerPoint幻灯片
使用量子力学(QM)方法准确预测分子化合物的吸收和发射光谱对于理解和设计激光材料至关重要,尤其是在实验数据有限或无法获取,或者合成过程耗时且资源密集的情况下。在这项工作中,我们开发了一个数值框架,从第一性原理出发模拟分
来源:Journal of Chemical Theory and Computation
时间:2026-05-01