基于深度神经网络的高环境 适应性水声通信系统研究

深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性.     

吸附溶出伏安法检测吸毒人员尿液中吗啡

吗啡既是临床用镇痛剂，也是公认的毒品.为实现对尿液中吗啡的快速、简单、高灵敏度与高选择性检测，将多壁碳纳米管羧基化处理后，直接滴涂于打磨并表征过的玻碳电极表面，制备得到了羧基化多壁碳纳米管修饰玻碳电极(MWNTs-COOH/GCE)，并采用差分脉冲吸附溶出伏安法(ASDPV)对吗啡(MOP)进行检测.结果表明，在优化了传感器的制备及检测条件(包括MWNTs-COOH的滴涂量以及富集时间、富集电位、缓冲溶液的pH等)后，得到的MWNTs-COOH/GCE检测吗啡的工作曲线回归方程为lg(I/μA)=0.687lg[c/(μmol·L^-1)]-0.068 (r~2=0.992 0)，线性范围为1.0×10^-7～1.0×10^-4 mol/L，检出限为8.0×10^-8 mol/L.在使用尿酸酶除去尿液中的干扰物尿酸后，用该传感器检测实际吸毒人员尿液中吗啡的质量分数，得到的检测结果与高效液相色谱检出结果的相对误差绝对值在4.24%以内.通过t检验法发现在置信度为95%时，两种方法并无显著性差异.     

续断生品炮制工艺研究

目的:优选出川续断的最佳工艺。方法:以续断中的川续断皂苷VI为考察指标,对续断工艺中水洗量、水洗时间、浸润水量、浸润时间、干燥温度、切制长度等因素进行考察,采用正交试验优选出续断的最佳工艺。结果:优选出续断最佳工艺为:取8倍量水洗10 min,5倍水浸润2 h,切制成4 mm,在60℃干燥温度下烘干。结论:优选出的续断最佳工艺稳定、可行,为保证续断饮片的质量,确定了水洗量、水洗时间、浸润水量等工艺参数。     

2T2C铁电存储单元读写电路的单粒子翻转效应研究

针对2T2C铁电存储单元读写电路进行了单粒子翻转效应的仿真模拟,研究了单粒子入射读写电路的不同敏感节点对存储数据的影响,并分析了数据读写出错的内在机制.结果表明:单粒子入射存储阵列中的字线晶体管时,存储数据未发生翻转,这主要是因为铁电电容极化信息波动后又恢复至原状态;单粒子入射外围电路中的板线激发器和灵敏放大器时,存储数据发生了翻转,这主要是因为外围电路产生的单粒子瞬态脉冲造成数据读出出错,进而导致了回写数据翻转.     

基于RF的无线传感器网络的MAC协议设计

针对传统无线传感器网络能量供应问题，提出了基于射频能量捕获的无线传感器网络介质访问控制（medium access control，MAC）协议。首先在相邻节点之间运用时分多址（time division multiple access，TDMA）技术按时隙分配信道，使数据在源节点到汇聚节点之间无争用传输；同时控制节点在每个周期内消耗的能量，间接调整节点自身的占空比；然后在缓冲区中设置负载阈值作为节点在通信转换角色中的依据，实现节点间的时间同步；最后对各种网络拓扑结构进行实验模拟，评估其延迟率和数据丢包率。实验结果表明：该协议与基于自适应时分多址的介质访问控制（adaptive TDMA-based MAC，AT-MAC）协议相比，不但延迟率低而且网络模拟结构更接近于现实网络场景，可以满足无线传感器网络的性能需求。     

高速泥浆脉冲遥传系统研制及应用

针对正脉冲式泥浆脉冲发生器传输速率低(1 bit/s),不能满足实时地质导向和实时地层评价的问题,介绍了一种高速泥浆脉冲遥传系统。通过理论分析、仿真模拟计算及试验,确定在系统中采用旋转阀式脉冲发生器的井下信号发生系统,以进一步提高传输速率和泥浆适应性;针对地面系统高速泥浆脉冲信号被噪声淹没等问题,采用通过高速信号采集处理系统,基于自适应滤波、位同步解码等算法,对采集到的原始信号进行了滤波解码处理;另外,通过现场应用对系统存在的其他问题进行了升级改进。现场应用表明,该系统具有泥浆适应性好、传输速率高(3～5 bit/s)等优点。     

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。     

四阶方程的有理Legendre函数全对角化谱方法

针对四阶椭圆型方程,提出了在半直线域上全对角化的有理Legendre谱方法。构造了Sobolev正交的Legendre有理基函数,并导出了相应的全对角化的离散代数方程组。与此同时,微分方程的真解和数值解都表示为Fourier级数形式及其截断形式。数值结果表明了该方法的高效性并保持谱精度。