基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

追踪物理学中的跨领域模因

以美国物理学会旗下期刊2000—2019年发表的论文和Web of Science论文摘要为基础，用模因短语刻画知识，构建模因关系网络并引入跨学科测度Rao-Stirling指数以计算模因的跨领域分数，从而追踪物理学中的跨领域模因。分别从网络拓扑结构指标、跨领域测度指标和专业术语对比3个方面进行验证，证明了所提的模因关系网络和模因的跨领域分数可以有效反映知识在不同领域间的扩散现象。     

BIM情境下综合设施管理服务供应商激励契约

为有效激励综合设施管理（Integrated Facility Management，IFM）服务供应商应用BIM进行IFM外包服务，实现BIM在IFM过程中的应用价值与IFM项目绩效，基于委托代理理论，针对IFM外包BIM应用过程中IFM服务供应商需要执行的BIM系统运营服务和IFM业务咨询服务两项任务，构建多任务委托代理模型；依托模型，分析在两项服务任务成本相互独立、相互依存及相互替代等三种激励模式下的激励契约；结合模型计算与MATLAB仿真结果，辨识最优的激励模式及激励契约。研究表明：3种模式下的激励契约将对IFM服务供应商产生不同的激励效果，并对业主方IFM项目造成差异性绩效；3种激励模式下的最优激励契约由高到低排序为：成本相互依存模式下的最优激励契约>成本相互独立模式下的最优激励契约>成本相互替代模式下的最优激励契约；业主方应选取合适的激励模式与契约对IFM服务供应商进行激励，且其服务能力与IFM项目绩效越高，业主方对其激励将越大。     

条件故障下3-元n-立方体的容错分析

研究了条件边故障下3-元n-立方体中较大连通分支点的数目，进而证明了3-元n-立方体是(4n－6)-条件边故障强Menger边连通的。最后通过一个反例说明该结果是最优的。     

基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰，点云密度不均匀，场景复杂多样以及物体之间存在遮挡现象等问题，使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题，提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数，利用核密度估计学习一个密度函数，对非均匀采样的点云数据进行卷积操作。同时，受深度学习在图像领域的启发，引入残差连接、空洞卷积等结构，训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。     

国际基于立方星平台的空间科学发展态势及启示

 空间科学主要是基于航天器平台获取实验数据、实现科学发现的重大前沿基础研究。中国实施了"悟空""慧眼"等一批较大的科学卫星任务。阐述了国际上重要科学发现和成果，提出当前国际上已认识到立方星在空间探索与发现中的重要作用；总结了美欧等航天强国和机构已实施和论证的若干立方星科学探测计划及取得的有影响力的原创科学成果，以及中国立方星技术演示验证和商业航天已取得的进展；提出了中国空间科学界应进一步关注立方星的发展，利用立方星平台开展研究，与传统大中型空间科学卫星形成互补，增强并拓展相关领域的探测能力，有效降低任务难度并缩短研制周期，促进中国空间科学取得更多重大发现和突破。     

Synthesis of the 3D porous carbon-manganese oxide (3D-C@MnO) nanocomposite and its supercapacitor behavior study

A 3D porous carbon-manganese oxide ([email protected]) nanocomposite is successfully synthesized via a thermal plasma deposition method. The chemical bonds and compositions, phase structures, surface morphologies, etc. of as-obtained [email protected] nanocomposite were characterized by the various equipment, such as X-ray diffractometer, X-ray photoelectron spectroscopy, and electron microscopes. The electrochemical performances of the [email protected] nanocomposite electrode showed a specific capacitance of 780 F g^?1 at a current density of 2 A g^?1 and a capacitance retention rate of 99% after 5000 charge-discharge cycles at a high current density of 10 A g^?1. These excellent capacitive performances may be attributed to the encapsulation of MnO nanoparticles by porous carbon sheets in the [email protected] MnO nanocomposite structure. It is believed that the carbon-encapsulated MnO nanoparticles can be protected from a volume deformation during the charge adsorption/desorption cycle and can be electrically improved by the encapsulated carbon sheets, resulting in better overall capacitive performance. In addition, this study also demonstrates the practical applicability by assembling a supercapacitor using the as-obtained [email protected] nanocomposite to glow a light emitting diode.     

基于频控阵的递推最小二乘波束形成算法

频控阵通过在阵元间加入远小于载频的频率增量,使波束的空间分布距离角度二维相关。基于频控阵基本结构,引入两种接收信号处理机制,并对其进行理论推导分析,仿真表明两种机制均能有效接收信号。针对指向误差存在,导向矢量失配导致主瓣发生偏移问题,采用递推最小二乘波束形成算法处理。仿真结果表明,存在指向误差时,该算法在两种机制中均能在目标位置形成主瓣,在干扰位置形成零陷,验证了算法在频控阵中应用的稳健性。     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

自发光转录激活子样效应因子的功能分析

目的:对转录激活子样效应因子(TALE)蛋白进行特异性标记.方法:通过分子生物学技术,在TALE蛋白的C-端融合了一种具有优异光学性能的萤光素酶.结果:融合蛋白不仅可对目的 DNA进行特异性识别,还可产生萤光素酶的特征光谱.结论:萤光素酶的融合不影响TALE蛋白的正常功能,其光谱信息有望成为分析TALE蛋白与DNA相互作用的特异性检测信号.