一种基于局部平均法向变形的网格参数化方法

针对有边界无边界的网格参数化问题, 提出一种局部平均法向变形的网格参数化方法, 以平均曲率流的方式为参考, 将顶点推向其邻居的平均位置, 使网格变形至平面或球面. 首先, 计算每个三角形邻居面的平均法向, 并以该法向为目标, 计算每个面法向变化的旋转矩阵; 其次, 基于Poisson方程将整个网格重新“缝合”, 通过优化拉伸能量, 计算顶点的新坐标. 交替迭代上述两个步骤, 将网格变形至常平均曲率曲面. 该算法与一般的基于能量优化的方法不同, 每次迭代只需求解稀疏线性方程, 因此可以快速处理大型数据集. 通过在形变过程中加入惩罚函数动态地调整全局平均法向量的权重, 避免了变形过程中三角形退化或翻转的问题. 实验结果表明, 与其他参数化方法相比, 该方法具有实用可靠、 计算效率高等优点, 并能在同一框架下计算低扭曲的平面参数化和球面参数化.     

一种基于区间值 Pythagorean 三角模糊语言集的多准则决策方法

为提升不确定环境下信息描述的准确性, 提出了区间值勾股三角模糊语言集(interval-valued pythagorean triangular fuzzy linguistic set, IVPTrFLS), 并研究了区间值勾股三角模糊语言变量(IVPTrFL variable, IVPTrFLV)相关的基本理论. 同时, 针对区间值勾股三角模糊语言环境的多准则决策问题, 提出了一种改进的基于区间的组合评价(combinative distance-based assessment, CODAS)方法, 即 IVPTrFL-CODAS 法. 首先, 定义了 IVPTrFLV 的概念、运算法则、Score 函数、Accuracy 函数及距离公式, 提出了区间值勾股三角模糊语言优先加权(IVPTrFL prioritized weighted arithmetic averaging, IVPTrFLPWAA)算子, 并对计算规则及算子性质给予证明; 然后, 通过求解属性权重的相对重要性系数, 建立了基于 IVPTrFLV 的改进 CODAS 方法; 最后, 通过实例对所提出方法的有效性及稳定性进行了验证.     

构建吡喃骨架的双环化反应研究

吡喃骨架存在于Warfarin、Oxandrolone、(-)-Penicipyrone等天然产物中,在氧杂环化合物中扮演重要角色.通过单组分,两组分和多组分双环化反应来构建吡喃骨架得到了充分研究.对已有文献进行归纳总结,将为探寻更加绿色高效的吡喃合成新法指明方向.     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力，使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度，提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先，对跳频信号进行短时傅里叶变换获取谱图。然后，从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明，此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

河南方言词"高低"词汇化探析

在河南方言中,"高低"是一个使用频率极高的词汇.翻阅相关方言词典,发现对河南方言里"高低"的解释并不全面,但在口语及小说中却有很多用例,通过搜集具体的语料,发现在河南方言中双音节词"高低"的衍生途径,即通过并列式短语粘合而成,且有五种义项:高度层面的高低比较;水平优劣;分寸;无论如何、横竖;终究.     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

P3HT和Spiro-OMeTAD共混物作为光活性层的杂化太阳电池性能

为降低电荷复合率,提高杂化太阳电池的性能,将P3HT与Spiro-OMeTAD共混后的混合物作为光活性层和空穴传输层,旋涂在Sb_2S_3纳米粒子敏化的TiO_2纳米棒(TiO_2NR/Sb_2S_3)复合膜上,制备成杂化太阳电池。通过SEM、紫外可见吸收光谱、XRD、电化学阻抗图谱、稳态荧光光谱、J-V曲线等手段,对杂化太阳电池的微观结构、光电转换特性进行了表征和测试。结果表明:P3HT与Spiro-OMeTAD共混物比例为15 mg/1 mL时,得到结构为FTO/TiO_2NR/Sb_2S_3/P3HT:Spiro-OMeTAD/Ag杂化太阳电池的电荷负荷率低,电子生命长,能量转换效率达到了4.57%。所制备的杂化太阳电池性能优良,具有良好的应用前景。     

基于时间序列ARIMA模型的高职高专院校生师比预测

为促进高职高专教育的教学质量提高和可持续发展,提出一种基于时间序列ARIMA模型的高职高专院校生师比预测法.简要介绍了时间序列ARIMA模型,并探讨了初始数据的平稳化过程,利用自相关系数和偏自相关系数分析了模型参数的选择过程,利用该模型对高职高专院校生师比进行预测.结果表明:未来几年内高职高专院校生师比呈上升趋势,2020年将达到20.32∶1,超出合格标准。该结果为师资队伍建设及制定招生计划提供理论参考.     

聚偏氟乙烯/磷酸化纳米二氧化硅螯合金属锆杂化膜

结合原位合成法和相转化法,利用正硅酸乙酯(TEOS)和硅烷偶联剂3氨丙基三乙氧基硅烷(APTES)改性制备聚偏氟乙烯(PVDF)/氨基化纳米二氧化硅(NH 2-SiO 2)杂化膜,然后通过磷酸化处理,固定螯合金属锆(Zr),从而提高杂化膜对卵清蛋白的吸附能力,同时改善了杂化膜的亲水性能。当TEOS质量分数为8%时,改性后的磷酸化Zr+PVDF/NH 2-SiO 2杂化膜对卵清蛋白吸附量达到最大,为150.7 mg/g,且其经过4次吸附洗脱重复循环后对卵清蛋白的解吸附率保持在80%以上,显示该杂化膜具有良好的重复吸附和解吸附能力。