一种HARQ机制的递增扩展速率兼容LDPC码，王永明，曾志民 ，随着无线通信技术的迅速发展，LDPC码和HARQ技术得到了广泛的应用。为了满足下一代无线通信系统对多码率自适应传输的要求，一些文献�

综述了群签名的定义与安全模型的演化、当前主流的基于ROM模型与标准模型的群签名方案及其构建技巧与方法, 并进行了比较; 讨论了当前实现群签名成员撤销这一重要操作的主要方法, 探讨了与群签名相关并有时容易混淆的一些密码系统概念。最后提出了群签名进一步的研究方向。

回顾了群签名理论研究的发展过程，列举了群签名发展史上一些最主流的算法，并对它们的性质、优缺点作了较为深刻的比较研究。最后提出：设计好的方案固然重要，但当设计十全十美的方案比较困难时，不能因此而放弃其实际的应用，可针对具体的应用环境对某些指标的特定要求采取适合该环境的方案。

敏感性分析对于理解每个气候输入变量对蒸发蒸腾量变化的影响非常重要，而蒸发蒸腾量是水文模型，灌溉计划和水资源管理的重要元素。 这项研究调查了蒸散量对最大和最小温度，太阳辐射，风速以及最大和最小相对湿度的变化的响应。 使用1998年至2012年的8个站点的每日数据。 对于每个气候变量，进行5％到±25％的变化，以评估蒸散量对输入变量的敏感性。 结果表明，蒸散量分别对太阳辐射，最高温度和风速的变化更为敏感。

参考蒸散量（ETo）是确定作物所需水量的关键因素，这对正确的灌溉计划至关重要。 粮农组织Penman-Monteith（EToPM）是估算ETo的最受欢迎的方法之一。 显然，有时由于数据可用性方面的挑战，很难使用Penman-Monteith计算ETo。 FAO Penman-Monteith方法需要许多参数（太阳辐射，气温，风速和湿度），而Hargreaves-Samani方法则根据气温来计算ETo。 由于中亚是一个数据有限的地区，气象站无法提供PM方法的所有必需参数，因此本研究旨在使用乌兹别克斯坦南部喀什卡达里亚省Karshi草原的Hargreaves和Samani（HS）方法估算ETo。基于2011年至2017年的数据。在夏季，通过非修正HS方法计算的参考蒸散量被低估了。 低估的原因可能是这几个月的气温和风速较高。 因此，原始形式的HS方法无法在我们的研究范围内用于估计ETo。 通过应用偏差校正因子对EToHS进行修改，可以获得更好的性能，并可以提高该区域ETo计算的准确性。 计算得出的ETo值可以为有关Amudarya流域和中亚较大地区的水分配，灌溉计划和作物选择的决策和管理实

基于ARM9嵌入式BootLoader设计与实现，徐学均，，介绍了基于ARM9嵌入式系统在上电启动后操作系统运行之前BootLoader的启动过程，并设计出了具有良好模块性和可移植性的启动程序，试验�

为解决卷积混合频域盲源分离排序不确定问题，研究了分离矩阵行列式变化和频点距离对基于相邻频点幅度相关性排序算法的影响，提出了改进的盲源分离排序算法。改进算法用权重系数来衡量频点对排序的影响，并将分离矩阵作为下一频点分离矩阵的迭代初值，给出了权重系数设定函数。最后对瞬时混合信号、卷积混合信号、实际房间采集信号分别进行盲源分离实验。实验结果表明，与Murata算法相比，改进算法分离信号信噪比提高、分离速度加快、算法鲁棒性强。

地上碳储量（AGC）的定量对于可持续森林管理和缓解气候变化的政策建议很重要。 传统的地面植被调查方法已被用来提供用于估计AGC储量的数据，但是受时间不足和通常成本过高的限制。 即使没有充分利用这种机会，遥感结合少量地面收集的数据也有可能改善森林资源评估的潜力。 在这项研究中，我们通过结合从51个永久性树苗样地收集的地面调查数据与Landsat 5专题制图仪图像得出的归一化植被指数（NDVI）相结合来绘制AGC。 在监督分类的训练阶段将两个数据源进行了链接。 总体分类精度为98％，这表明可以通过组合中等分辨率的卫星图像和少量地面样本来对大面积AGC进行可靠的估算。

嵌入式网络存储系统的设计与应用，朱海涛，朱瑞军，随着计算机处理器的发展以及千兆以太网的出现，网络存储系统（Network-Attached storage systems）的优越性引起了越来越多人的重视。本文介�

为提升求解TSP问题的计算效率和求解精度，针对初始种群构造问题进行研究，提出了域内三角概率选择自适应邻域算法。为使邻域半径能够适应城市的分布情况，设计了一种基于Sigmoid函数的邻域半径自适应函数；为了避免在邻域内盲目随机地选择下一站城市，提出了在邻域内利用三角概率选择模型选择下一个城市。以自动化立体仓库安排出入库作业顺序优化作为TSP研究问题，通过Matlab仿真计算，将该算法和邻域法生成的初始种群进行对比分析，并分别用该算法和随机生成的初始种群作为遗传算法的初始种群进行计算。证明了该算法可快速生成高质量的初始种群，大大提升了求解TSP问题的计算效率和求解精度。