电子加速器X射线发射率的MCNP分析

为满足现代X射线应用和设计电子加速器的靶结构和束流参数的需要,采用MCNP4B程序对2～20MeV能量范围内的电子束入射不同厚度钨靶的X射线发射率进行了系统的模拟计算和研究.结果表明在电子能量小于10MeV时,MCNP4B的结果与NCRP-51报告一致,但在10MeV以上,它们间的差别增大.该文结果对早期NCRP-51报告的结果有重要的改进,对于现代产生X射线的电子加速器靶的设计具有参数作用.     

水下声散射信号处理可视化技术

水声散射实验需要大量的时间和经费，如果现场无法实现实验数据的处理，就难于及时获得最佳参数条件下的实验结果，当结果不理想时，需重新调整参数再做实验、为解决此类问题利用Matlab语言设计了一套水下声散射信号处理现场可视化软件．该设计提供了灵活、方便的实验参数修改功能，实现了被测目标散射特性的最佳显示效果，为水下声散射信号分析提供了依据．     

蓝宝石光纤温度传感器的非线性误差分析与校正

近年来光纤辐射温度传感器得到了较广泛的应用，这种方法基于黑体辐射原理，为了解决测量中存在非线性误差问题，分析了光纤黑体辐射温度传感器的原理和非线性误差的来源，给出了测量电路的组成，并利用标准铂一铑热电偶进行温度校正，校正后的测量结果能够满足实际测量需要。     

基于双层符号常数模的多径水声信道盲均衡算法

针对常数模算法(CMA)及符号常数模算法(SCMA)迭代中的大量乘法运算会产生延时的不足，提出了双层符号常数模算法(DSCMA)。该算法采用逐级取符号的办法，将迭代过程中的大量乘法运算转化为比较运算，大大减少了计算量。而基于双层符号常数模的多径水声信道盲均衡器，具有收敛速度快，超量均方误差和计算复杂度小等特点。用负声速梯度信道及深海信道对该盲均衡器性能进行的仿真研究表明：该盲均衡器对多径干扰有良好的抑制作用，对水下数据通信有很强的实用价值。     

水声通信中多普勒频移补偿的仿真研究

在水声通信中，收发双方存在相对运动时产生的多普勒频移将严重恶化载波恢复和符号同步。因此多普勒频移补偿是水声通信的关键技术之一，并日益受到人们的重视。提出了一种全新的、适用于收发双方存在较大相对速度时的多普勒频移检测和补偿技术。同时对与之相关的模糊度函数法、数据帧插入信号的选取、信号采样率转换、插值因子的确定与插值等问题进行了研究，通过仿真试验对多普勒频移方法进行了验证，并对其性能进行了分析。     

地面坦克目标红外热成像物理模型研究

根据红外成像的基本流程，研究并建立了地面坦克的红外物理模型。针对复杂场景分别对目标和背景部分建模、求取温度场分布，同时考虑目标和背景之间的相互作用得到完整的场景红外理论模型；考虑红外辐射的大气吸收，建立了大气衰减模型；模拟红外传感器的工作特性建立成像综合响应模型。最后给出了地面坦克目标热成像系统的仿真流程，利用该系统可以在试验环境下进行目标的红外仿真，为红外系统以及武器的研制提供经济快捷的手段。     

星际链路天线的建模与仿真

理论结合工程实践，介绍了卫星通信网络中的星际链路的特点及各种关键因素，重点讨论了星际链路天线的仿真模型，分别建立了天线方向图模型和天线增益模型，并给出了NS下的仿真分析方法，提高了NS下卫星通信网络的仿真精度。     

一种用于多径衰落水声信道的盲均衡算法仿真研究

在水声数字通信中，严重的多径衰落和多普勒频移是影响通信性能的两个主要因素。研究了一种分数间隔判决反馈盲均衡结构，以有效地克服水声信道多径衰落的不利影响。同时，针对水声信道的时变多普勒特性，在分数间隔判决反馈结构的基础上，提出了一种修正常数模分数间隔判决反馈盲均衡与二阶数字锁相环相结合的盲均衡算法，以纠正信道引入的载波相位旋转。最后通过计算机仿真，将该算法与常数模波特间隔判决反馈盲均衡算法进行了性能对比，仿真结果证明了该算法的有效性。因此，该算法具有良好的实用性和应用前景。     

球对称带电蒸发黑洞发生自发辐射的能量条件

利用弯曲时空中标量粒子运动的Hamilton-Jacobin方程，研究球对称动态黑洞周围时空中标量粒子的能量，得到了粒子的能量不仅与粒子的质量有关，还与黑洞的时空结构及视界的变化有关．给出了带电蒸发黑洞发生自发辐射的能量条件．     

卷积神经网络声学模型的结构优化和加速计算

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.