分布式声传感器井中背景噪声统计特性分析

分布式声传感器技术(DAS: Distributed Acoustic Sensor)是一种新近提出的高精度勘探数据采集方法,受制于复杂背景噪声的影响,DAS记录处理水平有待进一步提高.针对上述问题,采用基于替代序列的时间序列平稳性检验方法和Lilliefors检验法对DAS记录中复杂背景噪声的平稳性和高斯性进行研究.用以分析的实际地震数据是按照勘探工业要求采集的井中DAS记录.研究结果表明,DAS背景噪声是非平稳、非高斯随机过程且噪声特性随记录时长发生变化.相关研究成果实现了针对DAS背景噪声特性的可靠认知,对提高DAS记录处理水平具有重要参考价值.     

埋入式传感器与沥青混合料的交互影响研究

为研究埋入式应变传感器与沥青混合料的交互影响,利用ABAQUS有限元软件,建立了在四点弯曲加载条件下埋入应变传感器的梁试件有限元模型,分析了荷载大小、传感器测力杆长度和传感器封装材料模量等因素对沥青混凝土梁试件及传感器的力学响应与应力集中的影响.研究结果表明:传感器埋入沥青混合料梁试件后,在梁试件上与传感器法兰相接触的沥青混合料发生了应力集中的现象,但应力集中系数较小,最大值仅为2.95.传感器的测力杆也发生了应力集中现象,其应力集中系数最大值为26.83,远高于梁试件的应力集中系数.     

复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

光散射法扬尘监测仪关键设计与数据分析

为提高光散射扬尘监测仪对环境空气中颗粒物PM10及PM2.5的测量的稳定性及精度,通过对光散射扬尘监测仪的关键设计,提供一种温湿度传感器以及动态控制系统,消除环境湿度对采样气路的影响;设计零气校准及自动吹扫系统防止高浓度颗粒物对光学气室的污染,提高本底测量精度,从而实现光散射法扬尘监测仪测量精度更高、稳定性更好.     

运用Actigraph GT3X三轴加速度传感器测量成年及老年男性人群步行的信效度研究

评价Actigraph GT3X三轴加速度传感器测量中国男性人群典型体力互动信效度,开发基于中国人群步行活动模式的GT3X三轴加速度传感器能耗推算方程。方法受试对象包括青年组(21.92±1.14岁),老年组(55.5±4.52岁)。受试者佩戴GT3X三轴加速度传感器,在跑台上分别完成3km/h(慢走)、4.5km/h(正常步行)、4.5km/h10%(上坡步行)、6km/h(快走)以及7.5km/h(慢跑)速度的走跑运动各5min。受试者佩戴COSMED K4b2便携式代谢测试仪,并将GT3X三轴加速度传感器佩戴于髋部,同步采集心肺功能仪及加速度传感器数据。结果根据受试对象4种无坡度走跑运动推导出线性方程MET=0.000653*counts(Axis1)+2.345521以及线性方程MET=0.000689*counts(VM)+1.640721,但其相关系数不高;GT3X+三轴加速度传感器记录上坡步行(4.5km/h10%)运动与无坡度运动(4.5km/h)相比,三轴counts及VM均显示有差异性(P<0.05),但counts增加率远低于MET增加率;GT3X+三轴加速度传感器两次重复测试,pearson值高,即离散程度低。结论本研究推导垂直轴(Axis1)、三轴矢量和(VM)的线性方程,为中度相关,误差值较大,且上坡运动时的GT3X+三轴加速度传感器记录counts值与MET值呈非线性相关,提示Actigraph GT3X三轴加速度传感器能耗推算方程可根据不同运动方式、运动强度推算相对应方程;Actigraph GT3X三轴加速度传感器测量我国成年及老年男性人群步行活动其信度较高。     

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.     

太阳局部高分辨观测像的日球坐标自动标定

观测图像的日球坐标标定通常是处理太阳局部高分辨观测像的第一个步骤,但这也一直是很多太阳物理学家面临的困难.本文应用尺度不变特征变换来提取特征匹配点,提出了一种将局部高分辨光球和色球图像与空间/地面全日面像自动匹配以确定其视场在日球坐标系位置的方法.同时还总结了一套有针对性的图像预处理方案和流程,用于提高特征点检测的准确度和增加匹配点对数量,从而成功地实现了新真空太阳望远镜(New Vacuum Solar Telescope, NVST)的氧化钛(titanium dioxide, TiO)波段与太阳动力学天文台(Solar Dynamics Observatory,SDO)日震磁像仪(helioseismic and magnetic imager, HMI)连续谱、Hα波段与全球日震网(Global Oscillation Network Group, GONG)或者太阳动力学天文台/大气成像仪(atmospheric imaging assembly, AIA)304?波段的图像配准.最终结果用SDO标准关键字记录在标定后的普适图像传输系统(flexible image transport system, FITS)文件头中,以便使用通用的太阳软件包来进行各种后处理.这一工作实现了高分辨观测像的标准化日球坐标标定,为太阳物理学家更好地使用高分辨观测数据提供了极大的便利,从而提高了数据利用率和科学产出.     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.     

基于免疫粒子群优化的移动Sink路径规划算法

为了减少能量空洞和延长网络生命周期，在无线传感网中采用移动 Sink 的方式收集节点采集的数据是解决能 量效率问题的有效措施．采集路径的规划问题类似于旅行商问题，无法得到多项式时间的解．提出了将人工免疫算法和粒子群算法相结合，针对移动 sink 数据收集的路径规划问题寻求近似最优解，仿真结果表明: 与其他算法进行性能比较，所提出的优化算法能够有效减少能耗和缩短遍历路径．