摘要：由于认知无线传感器网络的高度频谱动态性,传统的路由协议存在实时性差和能耗高的问题.为此,提出一种基于机会转发的认知无线传感器网络路由协议.其主要创新性在于将短导频采样和机会式路由结合,并设计同时考虑主用户保护和转发时延的认知实时转发条件.该协议通过导频采样技术支持休眠—唤醒机制,可有效减少认知节点的串听和降低节点的占空比;采用认知实时转发条件,可在保护主用户的同时,保证数据的实时、可靠传输.此外,所提路由协议是分布式路由协议,数据的路由过程只需要局部信息,路由开销明显降低.大量仿真表明,所提的路由协议较传统路由协议在能耗与时延指标方面有较大提升.

摘要：因为晶体结构以及热电性能各向异性,硒化锡(SnSe)沿b轴方向表现出优异的热电性能,受到业内的广泛关注。但关于SnSe薄膜研究的报道较少。本研究利用磁控溅射技术,将SnSe沉积到Si/SiO_(2)基底得到SnSe薄膜,分析了沉积温度对SnSe薄膜结构和热电性能的影响。结果显示:沉积温度升高,晶粒尺寸相应增加,薄膜的结晶质量也随之提高。在573 K的沉积温度条件下,能获得高结晶质量和良好化学计量比的(111)取向SnSe薄膜,该薄膜具有约为1.25μW/(cm·K^(2))的最大功率因子(PF)。当沉积温度升高至773 K时,可以得到具有超高迁移率和赛贝克系数的(400)织构SnSe薄膜,该薄膜在573 K的测试温度下,其最大PF为0.5μW/(cm·K^(2)),实现接近于文献报道的相同温度下单晶SnSe沿a轴的PF。本研究的结果证明了高沉积温度对SnSe薄膜微观结构和热电性能调控的重要性,并且为通过设计和调控SnSe基薄膜有序结构来提升其热电性能提供了新的研究思路。

摘要：[目的]在航空、航天、船舶等领域的结构设计中,因结构的功能性需求,存在大量开口薄壁结构,导致承载性能明显降低。曲线加筋方式虽然在改善开口结构的承载性能方面潜力极大,但设计变量的激增对结构优化提出了挑战。利用数据驱动的深度学习方法,针对含曲筋布局的开口多级加筋壁板开展优化设计。[方法]针对开口多级曲线加筋壁板,提出结构参数特征图像化表征方法,建立面向结构响应特征学习的深度学习网络模型,实现数据驱动下的结构优化设计,并与经典的由结构数值参数构造的代理模型进行比较。[结果]结果显示,所提基于图像识别的结构特征学习模型的预测精度改善了约1倍;基于学习模型开展结构的优化设计,多级正交加筋结构的承载性能提升了10.78%,多级曲线加筋结构的承载性能提升了18.19%。[结论]研究表明,对于设计变量数众多且数量动态变化的开口多级加筋壁板,基于深度学习的结构优化方法更有效;相较传统直筋构型,曲筋方式能更有效地对开口结构承载性能进行补强。