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。     

改进型DSC的并网锁相环直流偏移消除方法

针对在SRF-PLL的控制内环中使用延迟信号消除(DSC)算子，放缓了动态行为问题，提出了一种用于电网同步的三相PLL中的快速直流偏移抑制方法.通过使用改进型DSC运算器(MDSC)方法，改进了传统的基于DSC的PLL的动态性能.该方法能够有效地克服系统带宽给直流偏移消除带来的影响，并使系统响应速度得到提升.另外基于MDSC的PLL在相位跳变和频率阶跃变化的调整时间也很小.所提方法的有效性通过仿真实验结果得到证实.     

科尔沁沙地菊科植物叶性状系统发育信号研究

科尔沁沙地植物叶性状的研究可揭示叶性状受环境驱动及其响应,但当前研究未充分考虑物种进化对叶性状的影响.以科尔沁沙地22种菊科植物为对象,研究比叶面积、叶片体积、叶重比、叶片组织密度、叶片干物质含量等叶片性状的系统发育信号.研究发现比叶面积、叶体积、叶重比、叶组织密度、叶厚度、叶干物质含量的K值(表征系统发育信号)分别为0.727,1.02,0.687,0.881,0.992,0.866.各叶性状系统发育信号均不显著(P0.05).据此认为,科尔沁沙地菊科植物叶性状特征与系统发育关系不大.该研究可为深入理解环境因素与植物进化的相互作用提供参考,为当地植被恢复提供科学依据.     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

西湖凹陷西部斜坡带花港组、平湖组储层裂缝发育特征及有效裂缝测井识别

以西湖凹陷西斜坡花港组、平湖组致密砂岩储层为研究对象,通过录井资料分析及岩心和显微薄片观察,研究裂缝的宏观与微观发育特征及其影响因素.结果显示其主要发育层理缝和构造缝.层理缝主要为水平缝和低角度缝,且已被充填;构造缝主要为垂直缝和高角度缝,充填缝和未充填缝各占一半.裂缝的发育受岩性、单层厚度、断裂及地应力场的综合影响.在交会图法(定性)和概率判别法(半定量)研究的基础上,将岩心观察统计结果与常规测井曲线和成像测井成果相对比,综合预测与评价裂缝发育段,认为有利的裂缝发育层段为花港组下段和平湖组中下段.     

血浆Sema4D和MMP-9与膝关节骨性关节炎的相关性研究

背景:骨性关节炎(OA)在我国患病率约为8.1％,是一种严重影响患者生活质量的关节退行性疾病,OA的诊断目前多依赖于病史、体征及影像学改变等,因此,探索血清学改变有助于OA的早期诊疗与预后.目的:研究血浆可溶性信号素4D(Sema4D)和基质金属蛋白酶-9(MMP-9)含量与老年膝骨性关节炎的相关性,评价血浆可溶性Sema4D和MMP-9对老年膝骨性关节炎诊断的参考价值及其对评价骨关节炎严重程度的临床价值.方法:选取2020年12月至2021年4月因骨关节炎就诊于中国人民解放军联勤保障部队第九四○医院(第九四○医院)的拟行膝关节置换术的患者32例为实验组;同期于第九四○医院行健康体检的21例为对照组.使用酶联免疫吸附法分别测定实验组及对照组血浆可溶性Sema4D和MMP-9浓度,同时根据指南对实验组进行HSS评分及Kellgren&Lawrence分级.结果:膝骨性关节炎患者血浆可溶性Se-ma4D和MMP-9浓度均高于健康对照组,两组间差异具有统计学意义;膝骨性关节炎患者血浆Sema4D浓度及MMP-9水平与HSS评分呈负相关,与Kellgren&Lawrence分级呈正相关.结论膝骨性关节炎患者血浆可溶性Sema4D和MMP-9均升高,血浆可溶性Sema4D和MMP-9均对膝骨性关节炎的诊断具有参考价值;血浆可溶性Sema4D和MMP-9浓度水平与HSS评分呈负相关,与Kellgren&Lawrence分级呈正相关,表明其对评价老年膝骨性关节炎严重程度具有临床价值.     

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。     

基于机器学习与大数据技术的地球物理测井系统

地球物理测井数据通常来自数值模拟、岩石物理实验、仪器测试、生产实践、测井数据采集、地层综合评价等,但来源不同的数据之间缺乏共享,难以实时获取和应用。为了实现源于测井研究不同领域的各类海量数据互联互通,高效、优质、低成本地解决现场测井技术问题,指导测井仪器设计、测井资料处理与实时评价,以测井大数据和机器学习技术为基础,采用针对不同模型条件下的快速优化算法,建立一个弥补时空差异、知识差异、能实时高效模拟的智能测井系统,通过实例分析了这种智能一体化测井系统的优势和发展趋势。     

基于冗余字典的扰动OMP算法研究

在测量矩阵受扰动和加性噪声情形下,利用离散余弦变换(discrete cosine transform,DCT)和小波变换(wavelet transform,WT)两种不同的冗余字典,对冗余字典的扰动正交匹配追踪(orthogonal matching pursuit,OMP)算法的鲁棒性和稳定性进行了讨论.在不同扰动水平、不同采样数以及不同部分扰动下,通过数值仿真实验验证了信号能够被鲁棒重构.