太阳城集团亚洲娱乐城-澳门太阳城集团娱乐城最新地址_百家乐电影网_全讯网xb112 (中国)·官方网站

（專利號：ZL 201410181859.7） 簡介：本發(fā)明公開了一種磁性Fe3O4納米材料嫁接酸性離子液體(MNPs-IL-HSO4)催化芳胺乙酰化反應的方法，屬于有機化學合成領域。該乙酰化反應中芳胺與乙酸酐的摩爾比為1：1～2，MNPs-IL-HSO4催化劑的摩爾量是所用芳胺的10～15％，在室溫下反應15～60min，反應后用乙醚稀釋，接著用磁鐵吸附出濾渣并用乙醚洗滌，收集含有乙酰化產(chǎn)物的濾液，濾渣經(jīng)真空干燥后可以循環(huán)使用。本發(fā)明與

（專利號：ZL 201310710005.9） 簡介：本發(fā)明公開一種用緩沖溶液從硫化氫酸氣中脫除二氧化碳的方法，屬于脫碳技術領域。本發(fā)明方法首先將含有氫氧化鈉和碳酸氫鈉的緩沖溶液與未脫碳的硫化氫酸氣進行混合反應吸收酸氣中的二氧化碳和部分硫化氫，得到含碳酸氫鈉和硫氫化鈉的脫碳富液，然后加熱脫碳富液，使脫碳富液中的硫氫化鈉發(fā)生水解反應，轉化成氫氧化鈉，水解反應生成的氫氧化鈉與脫碳富液中的游離堿和碳酸氫鈉反應生成碳酸鈉，酸氣中的二氧化碳最終生成

（專利號：ZL 201410081879.7） 簡介：本發(fā)明公開一種超級電容器用三維中孔納米籠狀碳材料的一步法制備方法，屬于碳材料制備技術領域。該方法是以有機金屬配位化合物為碳源和模板，氫氧化鉀為活化劑，兩者研磨混合后轉移至陶瓷坩堝中，采用微波加熱制得超級電容器用三維中孔納米籠狀碳材料。所得三維中孔納米籠狀碳材料的比表面積介于1041～1595m2/g之間，總孔孔容介于0.79～1.52cm3/g之間，平均孔徑介于3.05～4.88nm之

在醫(yī)學領域首次應用商務智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉庫OLAP分析的軟件基礎。開發(fā)實現(xiàn)了基于細節(jié)數(shù)據(jù)模型、多維數(shù)據(jù)模型和海量臨床診療數(shù)據(jù)的探索性分析、展示系統(tǒng)，分析展示的內(nèi)容包括名老中醫(yī)經(jīng)驗傳承、重大疾病的病證及臨床表現(xiàn)要素關系等的主題分析集。可從數(shù)據(jù)概況、方劑、藥物、疾病、癥狀、治法和證候等方面分別對名老中醫(yī)和重大疾病臨床數(shù)據(jù)進行多種關系知識的探索性分析。同時，對分析結果可進行實時查詢、導出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應用證候分布情況）。    本實驗室與中國中醫(yī)科學院合作進行中醫(yī)臨床數(shù)據(jù)倉庫與挖掘分析平臺，以及中醫(yī)臨床數(shù)據(jù)挖掘方法的研究，實現(xiàn)了對中醫(yī)臨床采集病歷數(shù)數(shù)據(jù)的集成與整合，數(shù)據(jù)挖掘與分析的中醫(yī)臨床數(shù)據(jù)倉庫及挖掘分析平臺，該平臺旨在支持從真實世界中醫(yī)臨床診療中產(chǎn)生海量科研分析用數(shù)據(jù)，并以真實、高質量的數(shù)據(jù)為基礎進行中醫(yī)臨床與理論研究，為中醫(yī)臨床療效評價、臨床中藥新藥創(chuàng)制提供客觀的醫(yī)學證據(jù)和適宜的數(shù)據(jù)分析方法。該成果于2009年12月獲得國家科技進步二等獎。   名老中醫(yī)OLAP展示例子 1.2多維分析與復雜網(wǎng)絡分析系統(tǒng)   以中醫(yī)臨床數(shù)據(jù)中癥-證-治的復雜關系和復雜網(wǎng)絡分析方法研究為出發(fā)點，開發(fā)實現(xiàn)了中醫(yī)臨床復雜網(wǎng)絡分析系統(tǒng)。該系統(tǒng)包括如聯(lián)機數(shù)據(jù)篩選、復雜網(wǎng)絡建模、統(tǒng)計特性分析、可視化網(wǎng)絡數(shù)據(jù)篩選等基本功能，能夠支持中醫(yī)臨床診療數(shù)據(jù)中的疾病（中西醫(yī)）、癥狀、證候、藥物等實體內(nèi)部元素以及實體之間元素的網(wǎng)絡模型構建和多種復雜網(wǎng)絡分析方法如節(jié)點中心性分析、社團分析、節(jié)點相似度分析等。從大量的臨床數(shù)據(jù)中分析獲得臨床核心處方及其主要適應癥，以及隨癥加減信息。該系統(tǒng)采用Eclipse 富客戶端(Rich Client Platform, RCP)和Java語言開發(fā)（下圖是該系統(tǒng)的主界面）。  在醫(yī)學領域首次應用商務智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉庫OLAP分析的軟件基礎。開發(fā)實現(xiàn)了基于細節(jié)數(shù)據(jù)模型、多維數(shù)據(jù)模型和海量臨床診療數(shù)據(jù)的探索性分析、展示系統(tǒng)，分析展示的內(nèi)容包括名老中醫(yī)經(jīng)驗傳承、重大疾病的病證及臨床表現(xiàn)要素關系等的主題分析集。可從數(shù)據(jù)概況、方劑、藥物、疾病、癥狀、治法和證候等方面分別對名老中醫(yī)和重大疾病臨床數(shù)據(jù)進行多種關系知識的探索性分析。同時，對分析結果可進行實時查詢、導出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應用證候分布情況）。  獲獎證書   1.中醫(yī)臨床數(shù)據(jù)倉庫與挖掘分析平臺 通過分析中醫(yī)臨床數(shù)據(jù)元素及其多維、多層次的關系特點，研究設計了中醫(yī)臨床參考信息模型，以及為基礎構建中醫(yī)臨床數(shù)據(jù)倉庫細節(jié)數(shù)據(jù)模型和多維數(shù)據(jù)模型，建立以數(shù)據(jù)倉庫為核心的數(shù)據(jù)整合、數(shù)據(jù)抽取/轉換/轉載和數(shù)據(jù)整理、數(shù)據(jù)挖掘、OLAP和統(tǒng)計分析的智能信息處理平臺。該平臺以中醫(yī)臨床數(shù)據(jù)倉庫及其運行環(huán)境工具的構建為基礎，基于實際的臨床診療數(shù)據(jù)，實現(xiàn)對中醫(yī)診療數(shù)據(jù)進行多主題、多粒度、多需求、高效、快捷的展示、研究和查詢檢索，并支持基于Web的OLAP主題應用，為名老中醫(yī)經(jīng)驗繼承研究、中醫(yī)臨床評價研究和臨床科研提供實際的診療數(shù)據(jù)證據(jù)和知識來源，以支持臨床科研決策分析，滿足中醫(yī)臨床評價研究的探索性分析需求。針對中醫(yī)臨床數(shù)據(jù)的特點，研究體現(xiàn)中醫(yī)臨床數(shù)據(jù)模型特點的數(shù)據(jù)挖掘新方法，為面向中醫(yī)臨床研究的數(shù)據(jù)挖掘和機器學習方法研究提供新的思路和研究方向。該平臺的構建初期以重大慢性疾病：中風、冠心病和糖尿病診治規(guī)律，以及名老中醫(yī)經(jīng)驗傳承研究為支持目標。   中醫(yī)臨床數(shù)據(jù)倉庫平臺   1.1中醫(yī)臨床數(shù)據(jù)預處理技術臨床數(shù)據(jù)的預處理包括數(shù)據(jù)整合、數(shù)據(jù)整理和數(shù)據(jù)轉換等技術，我們面向中醫(yī)臨床數(shù)據(jù)結構內(nèi)容以及中醫(yī)臨床研究的分析需求，實現(xiàn)具有完善的數(shù)據(jù)抽取-轉換-裝載（Extraction-transforming-loading，ETL）、數(shù)據(jù)整理和數(shù)據(jù)轉換導出功能的數(shù)據(jù)前處理軟件。該軟件針對醫(yī)學數(shù)據(jù)利用中的分布式（多采集點）采集、患者隱私保護和大規(guī)模數(shù)據(jù)處理的特點，采用靈活的數(shù)據(jù)映射配置和臨床術語庫銜接等方式把各采集點數(shù)據(jù)導入到臨床數(shù)據(jù)倉庫中，并支持批量數(shù)據(jù)核查和數(shù)據(jù)規(guī)范整理（對臨床數(shù)據(jù)中的術語性數(shù)據(jù)如癥狀體征、診斷和藥物等進行概念化語義規(guī)范）功能。   在醫(yī)學領域首次應用商務智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉庫OLAP分析的軟件基礎。開發(fā)實現(xiàn)了基于細節(jié)數(shù)據(jù)模型、多維數(shù)據(jù)模型和海量臨床診療數(shù)據(jù)的探索性分析、展示系統(tǒng)，分析展示的內(nèi)容包括名老中醫(yī)經(jīng)驗傳承、重大疾病的病證及臨床表現(xiàn)要素關系等的主題分析集。可從數(shù)據(jù)概況、方劑、藥物、疾病、癥狀、治法和證候等方面分別對名老中醫(yī)和重大疾病臨床數(shù)據(jù)進行多種關系知識的探索性分析。同時，對分析結果可進行實時查詢、導出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應用證候分布情況）。   名老中醫(yī)OLAP展示例子    以中醫(yī)臨床數(shù)據(jù)中癥-證-治的復雜關系和復雜網(wǎng)絡分析方法研究為出發(fā)點，開發(fā)實現(xiàn)了中醫(yī)臨床復雜網(wǎng)絡分析系統(tǒng)。該系統(tǒng)包括如聯(lián)機數(shù)據(jù)篩選、復雜網(wǎng)絡建模、統(tǒng)計特性分析、可視化網(wǎng)絡數(shù)據(jù)篩選等基本功能，能夠支持中醫(yī)臨床診療數(shù)據(jù)中的疾病（中西醫(yī)）、癥狀、證候、藥物等實體內(nèi)部元素以及實體之間元素的網(wǎng)絡模型構建和多種復雜網(wǎng)絡分析方法如節(jié)點中心性分析、社團分析、節(jié)點相似度分析等。從大量的臨床數(shù)據(jù)中分析獲得臨床核心處方及其主要適應癥，以及隨癥加減信息。該系統(tǒng)采用Eclipse 富客戶端(Rich Client Platform, RCP)和Java語言開發(fā)（下圖是該系統(tǒng)的主界面）。     中醫(yī)臨床復雜網(wǎng)絡分析系統(tǒng)  1.3 真實世界中醫(yī)臨床有效處方發(fā)現(xiàn)系統(tǒng) 中藥新藥創(chuàng)制與研發(fā)是極具挑戰(zhàn)和機遇的領域，當前化學制藥和單成份藥物研發(fā)已經(jīng)出現(xiàn)明顯的瓶頸，傳統(tǒng)植物/天然藥以及多成份復方藥物的研發(fā)成為國內(nèi)外關注的焦點。而從多成份調控和多靶點機理的研究為主要視角的網(wǎng)絡藥理學更成為新的趨勢和方法。針對中醫(yī)臨床診療過程中具有證-治-效信息，且個體性的真實世界診療實踐特點，我們研究基于大規(guī)模臨床診療數(shù)據(jù)進行有效處方分析和發(fā)現(xiàn)的問題，通過對以中藥復方為重點的治療手段藥物組成原理的分析，基于復雜網(wǎng)絡模型和方法研制形成了有效核心處方及適應癥分析方法、有效臨床中藥篩選與發(fā)現(xiàn)系統(tǒng)，對基于真實世界臨床診療數(shù)據(jù)分析獲得有效處方知識的方法、技術平臺和示范應用進行了探索和初步實踐，初步表明從真實世界臨床診療數(shù)據(jù)中發(fā)現(xiàn)和挖掘有效方藥是一種可行的途徑，有望為中醫(yī)新藥創(chuàng)制提供可以驗證的新處方、新藥物等臨床有效目標藥物。     1.  中醫(yī)臨床數(shù)據(jù)挖掘分析方法 海量觀察型臨床數(shù)據(jù)是中醫(yī)辨證論治數(shù)據(jù)的主體內(nèi)容，具有復雜、多維和多關系的特點。從大規(guī)模中醫(yī)臨床觀察數(shù)據(jù)中分析提煉形成有意義的臨床假設或診療知識如有效處方、人群劃分、藥癥關系以及多階段優(yōu)化治療方案等，是實現(xiàn)從復雜、系統(tǒng)的中醫(yī)辨證論治過程中發(fā)現(xiàn)并確認有效優(yōu)化的臨床診療處方及其藥物組成的基本方法。中醫(yī)臨床數(shù)據(jù)包括門診數(shù)據(jù)和住院數(shù)據(jù)兩大主要部分，其數(shù)據(jù)內(nèi)容由臨床表現(xiàn)、診斷和治療（臨床療法）三部分核心內(nèi)容（如下圖），其中辨證知識、證候分布、藥癥關系、方證關系和藥物組成等是數(shù)據(jù)挖掘和分析的主要目標，而所有這些知識的有效性的評價依據(jù)是臨床療效，即確認和發(fā)現(xiàn)臨床有效的中醫(yī)診療知識是中醫(yī)臨床數(shù)據(jù)挖掘分析方法的主要有價值研究目標。    中醫(yī)臨床數(shù)據(jù)挖掘問題：在療效信息的約束下，驗證和發(fā)現(xiàn)有價值的臨床診斷/治療關系知識。  2.1基于復雜網(wǎng)絡的中藥配伍分析方法 人們通過對中醫(yī)臨床處方數(shù)據(jù)的初期分析，并與臨床專家的交流中發(fā)現(xiàn)，名老中醫(yī)的臨床復方的組織特性體現(xiàn)在兩個層次。第一層次為臨床醫(yī)生一般以經(jīng)典復方（包括經(jīng)方、時方和驗方等）為基礎進行臨床處方；第二層次為在藥對或藥癥關系基礎上的藥物隨癥加減處理。這兩個層次的臨床處方配伍過程形成了具有核心處方結構，而又具有較大靈活性的處方集合。因此，通過對名老中醫(yī)處方集的共性網(wǎng)絡結構分析，能夠發(fā)現(xiàn)體現(xiàn)其處方思維和學術特點的核心處方配伍結構，從而輔助進行名老中醫(yī)經(jīng)驗的傳承和整理研究。通過應用基于無尺度網(wǎng)絡現(xiàn)象的網(wǎng)絡分析方法進行研究。無尺度網(wǎng)絡作為復雜系統(tǒng)研究的一種實證現(xiàn)象和方法，對基于網(wǎng)絡研究復雜現(xiàn)象和復雜系統(tǒng)的方法具有很大的推動作用。具有宏觀無尺度現(xiàn)象的網(wǎng)絡在拓撲上存在冪律現(xiàn)象，即節(jié)點的度分布服從冪函數(shù)分布。這在醫(yī)生處方中的具體體現(xiàn)就是某醫(yī)生對藥物的使用具有比較集中的趨勢，某些名老中醫(yī)偏好使用某些藥物，使得這些藥物的已有或潛在功效得到更大的發(fā)揮或挖掘。 我們基于網(wǎng)絡中權值的冪律分布規(guī)律，實現(xiàn)了多層核心子網(wǎng)分析方法，能夠從復雜的中藥配伍網(wǎng)絡中抽取多層核心子網(wǎng)。該算法已經(jīng)在名老中醫(yī)處方配伍經(jīng)驗的分析中得到廣泛應用。其得到的結果具有直接而明確的臨床含義，且可靠性較強。第一層核心子藥物子網(wǎng)一般解釋為共性的核心處方；第二層解釋為主要藥物配伍；第三層解釋為次要藥物配伍。這些藥物配伍分別對應樣本的核心病機如主要疾病和主要證候等、兼證和加減癥狀等。以下是兩類特定中藥處方：1287個肝脾不調證(GPBT)處方和752個2型糖尿病合并代謝綜合征處方的分析結果。   特定中藥處方的核心藥物配伍網(wǎng)絡和主要加減網(wǎng)絡，其中的網(wǎng)絡中的節(jié)點是藥物，邊的權重表示兩相關藥物配伍使用的次數(shù)。 2.2基于隱主題模型的疾病人群臨床特征類別分析方法 癥狀-中藥-診斷主題模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用來提取中醫(yī)臨床數(shù)據(jù)中的癥狀、中藥和診斷間的隱主題結構。SHDT模型是LDA主題模型在多關系應用中的擴展。該模型的核心思想是假設一類樣本里面包含有多個主題，例如，一類糖尿病人群有不同的并發(fā)癥，且這些主題所包含的信息特征（以癥狀來表達）具有相對完整性和獨立性。SHDT把每個主題看作是癥狀上的多項式分布，并通過癥狀來表達主題的內(nèi)容；同時，把每種中藥看作是主題上的多項式分布，因為一類中藥可以治愈多種癥狀/疾病；又因為一種診斷包含多種癥狀/疾病，于是把診斷看作是對主題的描述，構建一種“癥狀-中藥-診斷”主題模型。SHDT模型這種分析原理和思路與中醫(yī)辨證論治過程基本吻合，它可以客觀地按照癥狀找到自然分類人群，給出診斷描述特征和中藥治療特征。SHDT模型分別在2型糖尿病、冠心病和肝炎等慢性疾病中進行人群特征分析。實驗結果說明了該模型具有較好的適宜性和科學性，分析結果能夠較為完整的反映特定疾病中相關的主要人群特征類別。   癥狀-中藥-診斷主題模型，圖中三個黑色圓圈，代表顯變量（觀察變量），其中s 表示一個采樣癥狀，表示患者p的所有藥，表示患者p的所有診斷。白色圓圈代表隱變量，其中z 采樣癥狀s對應的主題，x表示s對應的藥，u表示s對應的診斷。矩形框表示重復采樣。外部矩形框表示在集合中有P個患者。內(nèi)部矩形框表示對患者p的個癥狀、主題、藥物以及診斷重復采樣。 2.3基于內(nèi)隱對照和部分可觀察馬爾可夫決策過程模型的動態(tài)序貫處方治療方案優(yōu)化方法 中醫(yī)辨證論治是癥-治-效緊密相關的個體、動態(tài)的復雜干預過程，動態(tài)序貫干預是中醫(yī)臨床治療慢性疾病的基本方法。以患者為軸心的治療原則和醫(yī)生的個體性特點，使得中醫(yī)動態(tài)序貫干預過程中包含多樣化的治療方案。在臨床診療經(jīng)驗知識的形成階段，醫(yī)生往往通過對治療前后患者健康狀態(tài)的判斷，試圖獲得較好的治療方案的認識，進而逐步形成固化的有效經(jīng)驗性治療方案。因此，在無外部對照的情況下，如何從大規(guī)模的復雜多維臨床關系數(shù)據(jù)中發(fā)現(xiàn)并確認在臨床實際中較優(yōu)的動態(tài)序貫診療方案是有效臨床方案形成的重要課題。 考慮到實際可行性和研究代價的問題，在未有明確的有效干預方案形成的臨床研究初期，無外部對照的傳統(tǒng)中醫(yī)經(jīng)驗整理和歸納普遍存在，且長期的中醫(yī)學實踐表明是有效的。但由于臨床診療信息關系的復雜性，基于傳統(tǒng)經(jīng)驗整理方式形成有效治療方案是一個較為漫長的過程。 因此，如何借助源自真實世界（無外部對照）的大規(guī)模臨床觀察數(shù)據(jù)，進行挖掘分析，以輔助發(fā)現(xiàn)和確認較優(yōu)的臨床治療方案成為辨證論治臨床評價研究的關鍵問題之一。我們采用部分可觀察馬爾可夫決策過程模型(POMDP)對此問題進行研究，實現(xiàn)了基于POMDP的中醫(yī)臨床處方優(yōu)化分析方法，以探尋從來自臨床實際的大規(guī)模觀察性臨床數(shù)據(jù)中發(fā)現(xiàn)較優(yōu)或最優(yōu)的動態(tài)序貫治療方案，為中醫(yī)辨證論治有效動態(tài)干預方案的形成和臨床驗證提供參考知識。   中醫(yī)臨床診療過程對應的POMDP模型 1.  成果的推廣應用 本成果已經(jīng)在國家科技重大專項：重大傳染病防治、重大新藥創(chuàng)制等兩個項目；國家科技支撐計劃項目-名老中醫(yī)經(jīng)驗傳承研究；北京市科技攻關項目和國家中醫(yī)臨床研究基地等項目中進行推廣應用。分別對艾滋病、肝炎和肺結核等傳染病的中醫(yī)藥防治規(guī)律，從中醫(yī)臨床中分析確認有效處方與藥物，名老中醫(yī)的辨證論治個體診療經(jīng)驗，中風、冠心病和糖尿病等重大慢性疾病的臨床診治規(guī)律，以及全國10余家重點中醫(yī)院診療優(yōu)勢病種（如上海龍華醫(yī)院的中醫(yī)胃癌治療、骨關節(jié)病治療；河南中醫(yī)學院一附院的中醫(yī)艾滋病治療、中醫(yī)慢性阻塞性肺炎治療等）的臨床診療優(yōu)化方案等進行應用研究。逐步探索和完善中醫(yī)臨床科研一體化技術體系，支持基于臨床診療實踐及其真實世界診療數(shù)據(jù)，進行中醫(yī)臨床研究和中藥新藥創(chuàng)制研究的醫(yī)學模式。   北京地區(qū)22家單位應用分布圖

本發(fā)明公開了一種電噴霧裝置及利用電噴霧制備太陽能電池減反層的方法，利用電噴霧的原理，在透明導電薄膜上制備一層倒置納米碗微結構的減反層，形狀類似于倒扣的半球形；通過調節(jié)噴液的流速，噴嘴的口徑大小，高壓發(fā)生器的電壓以及金屬噴嘴與透明導電層的間距等參數(shù)來控制倒置“納米碗”的形狀及大小；通過 PC 控制單元調節(jié)運動平臺在 X 和 Y 方向的運動速度來控制倒置納米碗的密度。本發(fā)明采用電噴霧技術來制備減反層，工藝環(huán)境要求低，整個工藝過程采用數(shù)字化控制，工藝參數(shù)易于控制；制備的減反層能有效地降低太陽能電池表面的反

2-芳基喹啉、1-芳基異喹啉是一系列藥物或生物活性化合物的結構，也是重要的有機材料骨架，比如2-苯基喹啉與不同的金屬-配體絡合會形成不同顏色的發(fā)光材料，因而具有良好的市場發(fā)展前景。但這些化合物的合成比較困難，大多數(shù)采用非常昂貴的2-溴喹啉和1-溴異喹啉與相應的芳香鹵化物在昂貴且對環(huán)境有害的過渡金屬催化下反應合成；或者由2-溴喹啉和1-溴異喹啉類化合物與不同的金屬化合物在過渡金屬催化下偶聯(lián)；再或者先把喹啉與異喹啉首先氧化為相應的N-氧化物，然后與芳基格氏試劑反應，最后再脫掉氧得到2-芳基喹啉、1

本發(fā)明公開了一種從野棉花葉中提取的三萜皂苷類化合物及其制備方法和用途，其特點將干燥野棉花葉粉碎，平均粒度為300～500μm，按料液比1g∶15～25mL加入正己烷，室溫下震蕩18～30h，過濾、分離正己烷萃取液；回收脫脂野棉花葉，按料液比1g∶20～30mL加入甲醇提取劑，室溫震蕩24～48h，分離上清液，并將上清液濃縮干燥后得甲醇浸膏；得率10～14％；再將上述甲醇浸膏懸浮于甲醇50～100mL，上大孔吸附樹脂DiaionHP-20層析柱，用甲醇-水梯度洗脫，濃度為0wt％、20wt％、40wt％、60wt％、80wt％、100wt％，洗脫流速為2～4mL/min；收集上述100wt％甲醇洗脫液，濃縮干燥后得到樣品，用半制備高效液相色譜分離純化得到該三萜皂苷類化合物。

本發(fā)明公開了一種用于 MIMO 無線通信的非相干酉空時調制的對跖解調方法和對跖解調器，所述對跖解調方法要求將非相干酉空時星座圖劃分為兩個子星座圖，所述各子星座圖內(nèi)不存在成對的對跖點，而在兩個子星座圖之間存在一一對應的對跖點，所述對跖解調方法只需在任意一個子星座圖內(nèi)遍歷 L/2 個星座點進行基于最大似然的解調計算，找出 L/2 個四矩陣乘積的跡最大值ψmax 和跡最小值ψmin，然后 根 據(jù) <img file=

本發(fā)明公開了一種含風電的三相不平衡配電網(wǎng)的靜態(tài)電壓穩(wěn)定 性評估方法，包括獲取配電網(wǎng)系統(tǒng)參數(shù)以及接入配電網(wǎng)的風電參數(shù)； 含風電的配電網(wǎng)系統(tǒng)的負荷增長因子 LSF 的初始值為 1，根據(jù)配電網(wǎng) 系統(tǒng)參數(shù)和風電參數(shù)獲得含風電的配電網(wǎng)系統(tǒng)在當前 LSF 下的潮流， 并判斷潮流是否收斂，若是，則獲得配電網(wǎng)各個節(jié)點的電壓幅值、相 角以及各支路末端的傳輸功率，若否則配電網(wǎng)失去靜態(tài)電壓穩(wěn)定性； 根據(jù)含風電的配電網(wǎng)的潮流計算結果獲得各支路的靜態(tài)電壓穩(wěn)定指 標；根據(jù)各支路的靜態(tài)電壓穩(wěn)定指標獲得全網(wǎng)的靜態(tài)電壓穩(wěn)定指標和 穩(wěn)