NS特异性干扰载体pGenesil-1-NS的构建及鉴定

目的核干细胞因子(nucleostemin,NS)是维持干细胞和癌细胞增殖所必需的蛋白质,可能成为肿瘤基因治疗的潜在靶点.本文旨在构建靶向NS干扰载体p Genesil-1-NS,为后续实验奠定基础.方法基于已发布的NS mRNA序列(NM_206825),选取5'-AAGCCTA GGAAAGACCCAGG-3'(397-416)作为候选靶序列,按shRNA载体设计原则,设计合成两条互补DNA链,退火后插入载体,并以酶切和测序鉴定重组转化子.结果经酶切及测序鉴定证实合成序列正确插入载体.结论成功构建NS特异性干扰载体p Genesil-1-NS,可用于NS在肿瘤中的功能研究.     

弹体侧向喷流流动干扰数值模拟与分析

通过求解三维N-S可压缩方程,对弹-翼组合体的侧向喷流流场进行数值模拟.研究了不同喷口位置,不同喷流压力下的干扰流场.分析了流场结构,研究了流场干扰与气动力干扰的关系.结果表明,在超音速流场中,喷口位置的不同,会带来喷流放大因子的变化.喷口位置相对于翼偏转,即喷口与翼面的夹角增大,喷流放大因子相应增加,侧向喷流的控制效果更好.     

基于尺度不变特征变换的快速图像特征区域检测

针对快速图像特征区域检测受噪声干扰和尺度空间影响, 导致图像特征区域检测精度较低、 延时较长, 检测结果不可靠的问题, 提出一种基于尺度不变特征变换的快速图像特征区域检测方法. 先通过加权核函数, 加权平滑处理图像中各像素点, 实现图像去噪； 再在此基础上通过构建图像高斯尺度空间确定图像特征点区域, 删除低对比度像素点和边缘像素点, 快速提取图像特征点, 检测特征点所在区域即为图像特征区域. 仿真实验结果表明, 该方法能高效率、高精度地实现快速图像特征区域检测的全面检测.     

基于无干扰理论的构件系统安全

研究一种构件系统中多安全等级的信息流无干扰问题。在现有接口结构的基础上,使用安全进程代数描述构件系统动态行为语法和语义来构建接口自动化计算模型。研究基于互模拟的无干扰属性,构造适用于构件系统的接口安全无干扰性质SIA_NI,并证明系统在添加、删除、组合算子等复杂操作下依然满足此安全性。最后举例分析了此无干扰属性在构件化系统中的具体应用,并使用CoPS工具自动检查多安全等级构件系统的安全性,验证接口安全无干扰性质的正确性。     

离子色谱法测定饮用水方法研究

该文探讨了基于例子色谱法进行饮用水阴离子测定的方法,Dionex ICS-1500型离子色谱仪,ChromeIeon6.5色谱工作站,arnstead超纯水系统,对10种阴离子进行了色谱分析,结果表明,该方法定性分析准确,定量分析检测限低,灵敏度高,加标回收能达到98%~101%,且各种被测离子之间无相互干扰。同时,该方法能够满足水厂深度处理工艺中臭氧、二氧化氯消毒副产物检测的需要,为饮用水的水质提高,生产工艺的技术改造提供指导。     

浅析电力系统中性点运行体系

电力系统作为当前社会发展的基础设施，其运行稳定与否会直接对人们的生产生活造成已经向。为了解决当下电力系统工作过程中的问题，针对中性点接地方式进行改善是必要的，在这个工作模块中，其涉及电力系统的地方是比较多的，需要从多方面去考虑电网的自身安全可靠性，更好的进行过电压绝缘水平的选择，从而保证电力系统的稳定运行。因此，文章便针对此类问题进行了着重的探讨，针对如何提高中性点运行的稳定性，结合实践经验提出了一些合理化的建议。     

一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

结合伪随机特征码的多序列跳频通信方法

针对多序列跳频(multi-sequence frequency hopping, MSFH)通信系统在对偶信道存在干扰信号的情况下易引发误码的问题,提出了结合伪随机特征码的MSFH(pseudo-random feature coding MSFH, PRFC-MSFH)通信方法。在信道频率间隔内调制伪随机特征码作为信号来源的特征信息,减少对偶信道受干扰的影响,达到抗干扰目的。建立了PRFC-MSFH发射接收通信模型,根据模型推导了PRFC-MSFH在不同干扰下的误码性能。仿真结果表明, PRFC-MSFH在跟踪干扰条件下较常规跳频约有3~5 dB性能增益,在最坏多音干扰条件下较MSFH有约6~7 dB性能增益,具有较强的综合抗干扰能力。     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

基于分数阶字典的间歇采样转发干扰自适应抑制算法

间歇采样转发干扰是一种对现有体制雷达具备高度威胁的新型干扰,典型样式包括间歇采样直接转发干扰、间歇采样重复转发干扰和间歇采样循环转发干扰。干扰信号与真实回波时频域、分数阶域混叠,常规信号处理方法难以做到有效分离。针对该问题,分析了3种干扰样式时域、最优分数阶域特征,构造了两种分数阶正交字典,即分数阶大字典和分数阶联合字典,区分弱干扰背景回波信号和强干扰背景回波信号,采取不同的干扰抑制方法,从而构建了基于分数阶字典的间歇采样转发干扰自适应抑制算法。仿真结果表明,所提算法适用强弱干扰背景,弱干扰背景下恢复信号与真实回波相似度更高,强干扰背景下恢复信号信噪比(signal to noise ratio, SNR)损失更低。