排序方式: 共有71条查询结果,搜索用时 15 毫秒
21.
采用理论模拟和实验方法,开展单晶硅PN结能量转换器件的结构参数和性能对氚源和147Pm源加载下的同位素电池输出性能影响研究.结果显示:同样的能量转换器件参数(包括表面钝化层厚度、顶层掺杂浓度和厚度、基层掺杂浓度和厚度、器件的漏电流等)对不同加载放射源的辐伏同位素电池输出性能影响相差较大.该结果对选择不同加载源的辐伏同位素电池能量转换器件设计具有较大指导和参考作用. 相似文献
22.
相似字符识别率低会影响整个车牌识别系统的性能,而相似字符之间只有局部特征差异较大,并且相似字符样本数目多少差异较大,目前常用的分类器表现得都不稳定.贝叶斯网络分类器充分利用和综合先验知识与样本信息,无论实验样本和特征数目多少,表现得都很稳定.通过使用几千个测试样本对分类器进行测试,并与其他分类器的识别结果作比较.实验结果表明,在相同的特征下,与AdaBoost分类器、BP神经网络分类器、SVM分类器相比,贝叶斯网络分类器对车牌相似字符的识别有较高的识别率和更高的稳定性. 相似文献
23.
空间重采样方法是一种不需要角度预估计的宽带DOA估计方法,它利用相位聚焦的方法实现宽带信号中不同信号子带的信号子空间的一致.而基于FFT变换的空间重采样算法利用傅里叶变换特性实现空间采样频率的变换,但此方法对阵元的选择以及参考频率的选择等都有一定的要求,本文从阵元个数、参考频率、子带划分、信号入射角度以及信号带宽等多个方面对基于FFT空间重采样算法进行了全面细致的性能仿真分析,为该方法的应用推广、工程实现提供了较为有意义的参考. 相似文献
24.
SiO2体系的分子动力学研究 总被引:2,自引:2,他引:0
基于多体项展式理论方法导出的SiO2分子基态(~X1Α1 )的分析势能函数,用准经典的 Monte-Carlo轨线法对Si (3Pg) + OO′ (~X3Σ -g) 和O (1Dg) + SiO′(~X1Σ + )体系的分子反应动力学过程进行了计算.结果表明Si (3Pg) + OO′ (~X3Σ-g)体系生成络合物是一个阈能比较小的反应,而生成离解产物则是一个有比较大的阈能反应,其阈能值约为200 kJ·mol-1, 说明主要以生成络合物为主;O (1Dg) + SiO′ (AX~U1Σ + )体系没有络合物生成,生成离解产物O (1Dg)+ SiO′ (AX~U1Σ + )→O + O′ + Si的反应截面比非反应碰撞产物O (1Dg) + SiO′ (AX~U1Σ + )→Si + OO′的反应截面要大约两个数量级,在低能区是有阈能的反应,其阈能值约为120 kJ·mol-1. 相似文献
25.
采用密度泛函(DFT)中的B3P86方法,在Dunning的相关一致基组cc-PVTZ水平上,对铝氢化物Al2Hn(n=1~6)团簇的可能几何构型进行优化计算,得出最稳定构型的几何参数、电子结构、振动频率和光谱等性质参数,并给出了最稳定结构的总能量(ET)、结合能(EBT)、平均结合能(Eav)、电离势(EIP)、能隙(Eg)、费米能级(EF)和氢原子差分吸附能(Ediff)等.结果表明铝氢化物团簇基态稳定结构的电子态分别为:n为奇数为2A,n为偶数为1A;由于Al原子属于缺电子原子,能与等电子原子H化合,通过氢桥键形成含多中心键的氢化物,本文优化计算发现,铝氢化物团簇最稳定的构型中都存在氢桥键,这是铝氢化物的奇异结构特征.最后分析铝氢化物团簇的平均结合能、电离势、能隙和费米能级等动力学和红外光谱特性,说明Al2Hn(n=1~6)团簇中Al2H6最稳定,H-Al桥键键长比端键更长,最强峰红外光谱强度最大. 相似文献
26.
根据量子力学中态的线性叠加原理,构造了由多模真空态、多模复共轭相干态、多模复共轭虚相干态以及后两者的相反态的线性叠加所组成的五态叠加多模薛定谔猫态光场|Ψ1(5)q。利用多模压缩态理论,对上述光场|Ψ1(5)q中广义电场分量的等幂次高次和压缩特性进行了详细研究。结果发现:在一定的条件下,光场|Ψ1(5)q的广义电场分量总可呈现出周期性变化的、4m+2次的广义非线性等幂次高次和压缩效应。 相似文献
27.
28.
29.
针对现有均匀线阵远场窄带非相干多目标估计算法对低信噪比、少快拍情况适应性差、运算复杂度高,以及现有深度学习方法难以有效提取数据复值特征的问题,提出基于深度卷积神经网络的波达方向估计方法。该方法将波达方向估计问题转换为阵列输出协方差矩阵到目标到达角度的逆映射问题,利用阵列输出协方差矩阵的Hermitian特性,提取其上三角阵的实部、虚部及相位特征,构造网络的输入数据,搭建包含三维卷积层的深度卷积神经网络用来提取数据特征,网络的标签对应目标的到达角度,从而实现多个信源的波达方向估计。试验仿真表明:该方法可以充分提取空间特征,提高波达方向估计精度并降低算法复杂度。所提方法在低信噪比、少快拍数的情况下,其估计精度明显优于MUSIC、ESPRIT以及ML算法。 相似文献
30.