在实验室条件下,以细弱蜈蚣藻(Grateloupia tenuis Wang et Luan)为材料,进行了不同温度和光照强度等主要环境因子对其发育影响的研究,同时对其生活史进行了详细观察。结果表明:(1)在4—30°C范围内,盘状体形成与直立枝生长的最适...在实验室条件下,以细弱蜈蚣藻(Grateloupia tenuis Wang et Luan)为材料,进行了不同温度和光照强度等主要环境因子对其发育影响的研究,同时对其生活史进行了详细观察。结果表明:(1)在4—30°C范围内,盘状体形成与直立枝生长的最适温度为24°C;(2)在光照强度10—200μmol范围内,盘状体形成和直立枝生长的最适光照强度为120μmol/(m2s);(3)孢子(果孢子和四分孢子)发育类型为间接盘状体类型;(4)生活史由单倍体的雌、雄配子体,双倍体的果孢子体(囊果)及四分孢子体构成,四分孢子体和配子体在形态上完全相同,属于典型的同型世代交替;与属模蜈蚣藻(G.filicina)一致。展开更多
在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随...在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。展开更多
文摘在实验室条件下,以细弱蜈蚣藻(Grateloupia tenuis Wang et Luan)为材料,进行了不同温度和光照强度等主要环境因子对其发育影响的研究,同时对其生活史进行了详细观察。结果表明:(1)在4—30°C范围内,盘状体形成与直立枝生长的最适温度为24°C;(2)在光照强度10—200μmol范围内,盘状体形成和直立枝生长的最适光照强度为120μmol/(m2s);(3)孢子(果孢子和四分孢子)发育类型为间接盘状体类型;(4)生活史由单倍体的雌、雄配子体,双倍体的果孢子体(囊果)及四分孢子体构成,四分孢子体和配子体在形态上完全相同,属于典型的同型世代交替;与属模蜈蚣藻(G.filicina)一致。
文摘在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。
