L波段杂波雷达录取系统

本文介绍一种用于Ｌ波段机载杂波雷达中杂波记录的数据采集系统。该系统在雷达触发脉冲的控制下，同步采样Ｉ、Ｑ两路信号，分辨率为１２位，最高采样频率为４ＭＨｚ。系统２０ＭＢｙｔｅ的大容量数据缓冲区（每通道１０ＭＢｙｔｅ），由动态存储器（ＤＲＡＭ）构成。为满足杂波雷达的各种不同的工作模式，系统的触发延迟、每次触发的采样长度、一次连续记录对触发信号的响应次数以及实际的采样频率等均可由软件设置。文中先描述系统的工作原理与电路设计，而后介绍利用谱分析方法与直方图分析方法对Ｉ、Ｑ两采样通道的测试结果。     

BESⅢ谱仪TOF读出电子学高密度信号的长距离传输

在北京谱仪改造中，提出了使用并串／串并转换的方式通过光纤传输272路飞行时间计数器电子学信号给触发系统的方案，实现了误码率极小的可靠性长距离传输，并且验证了光纤传输在高密度信号远距离传输中的传输可靠性。该方案解决了高能物理实验中，大量高密度高速信号在不同系统间远距离传输过程中保持较好完整性的问题。     

基于工业以太网的地铁通信网络仿真研究

现有的地铁通信网络传输速率较小,不能够适应视频监视和故障诊断等大容量信息的传输,而工业以太网在传输速率方面有着明显优势。建立工业以太网地铁通信网络的网络模型并进行仿真,研究不同链路速率下以太网延时、端到端丢包率和误码率的变化。     

植酸/金属离子共掺杂聚苯胺/纤维素复合材料的制备与电化学性能研究

以再生纤维素微球为基底,通过原位聚合法制备了金属离子与植酸共掺杂的聚苯胺/纤维素复合材料,采用扫描电子显微镜（SEM）、傅里叶变换红外光谱仪（FT-IR）、X射线粉末衍射仪（XRD）、热重分析仪（TGA）和比表面积分析仪（BET）对材料进行了表征,并探究了不同金属离子掺杂对复合材料电化学性能的影响。结果表明,与纯聚苯胺相比,以再生纤维素微球为基底的聚苯胺/纤维素复合材料的倍率性能、导电性均有大幅提升,锌离子、锂离子分别与植酸共掺杂后制备的聚苯胺/纤维素复合材料,在5 mV/s的扫描速率下比电容分别为343 F/g、332 F/g,远大于单一植酸掺杂的复合材料的比电容（286 F/g）;对锌离子、锂离子掺杂的复合材料进行了300次充放电测试后,其比电容保持率分别为87%、88%,均高于未经金属离子掺杂的复合材料的比电容保持率（83%）,表明锌离子与锂离子掺杂可提升复合材料的循环稳定性。     

三氮唑类化合物基于人克氏锥虫病原体CYP51分子对接研究

为研究三氮唑类化合物对人类克氏锥虫病原体CYP51的分子对接作用机制,以甾醇14α-去甲基化酶(CYP51)为靶点,将已有的29个三氮唑类化合物作为配体,利用计算机辅助药物设计技术,通过Sybyl软件中的SurFlex模块进行了分子对接.结果表明：所测得29个化合物其对接打分大多数优于阳性对照氟康唑,优势构象表明这些三氮唑类化合物均能通过三氮唑环的N原子与靶点活性位点铁卟啉中心铁离子形成稳定螯合键.     

神话的图像叙事：明代丽江壁画研究

丽江壁画始创于明代并存留至今,它展现的是丽江纳西族木氏土司所崇奉的释道众神形象,而寓言性的附加意义则蕴藏于图像表层之下——白沙壁画是木氏土司集体性心理图式和王朝观的视觉呈现,是由图像符号讲述的神话,壁画的视觉形式之中寄寓了西南边疆政权的上层政治精英对国家、地方和族群的文化想象。身处汉藏夹缝之中的纳西族木氏历时数代经营宫室壁画,凭借图像来进行叙事,界定族群身份,并表述帝国、边疆、华夏夷狄的族群与空间格局。     

大学生政治观教育研究

政治认知、政治情感和政治信仰构成了大学生政治观的基本结构。当前,大学生的政治观呈现出政治认知的清晰性与模糊性相结合,政治情感的积极性与消极性、理性与感性相结合,政治信仰的坚定性与不稳定性相结合的特点。高校作为培养大学生的重要场所,必须要意识到政治观教育中存在的问题,坚持思想引领,发挥好课堂教学的主渠道作用;坚持与时俱进,积极占领网络育人新阵地;坚持贴近生活,突出实践导向,教育出政治观合格的大学生。     

Harbor表示“持有…特殊思想或感情”时语义韵分析

本文运用语料库语言学词语搭配研究的方法,分别以当代美国英语语料库BROWN和当代英国英语语料库LOB,以及交大科技英语语料库JDEST为基础,利用MCONCORS）软件,将三个语料库中所出现的harbor在表示“持有或抱有（某种特殊的思想或感情）”的义项时,其搭配词的语义倾向进行分析：结果显示：词项harbor在表示“持有特殊思想或感情”时,虽然我们在LOB当代英国英语语料库没有检索出合有此义项的检索项,但在BROWN和JDEST中,其搭配词偶尔有积极语义倾向,但绝大多数情况下具有明显的消极语义倾向。由此我们推断．对英关本族语者来说．harbor在表示上述义项时．是一个具有混合语义韵的词项．但绝大多数情况显示是带有明显消极语义特征的。     

基于随机森林-遗传算法-极限学习机的非侵入式负荷识别方法

提高负荷识别准确率是实现非侵入式负荷监测的关键技术。针对现有模型识别准确率低,特征冗余度高、可分性较差的问题,提出一种基于随机森林(RF)和遗传算法优化极限学习机(GA-ELM)的负荷识别方法。首先从稳态电流信号中提取时域和频域信息作为负荷特征。为进一步减小特征集的冗余度并剔除可分性较差的特征,使用随机森林算法对特征进行优选,得到最优特征集。最后使用遗传算法优化极限学习机的权值和偏置参数,建立负荷识别模型。利用所建立的模型对11个家用电器共16种负荷状态进行识别,实验结果表明,所提模型可以提高识别准确率,使用该模型可以对家用负荷进行快速有效识别。     

裂缝检测模型数据集的低监督快速标注算法

为解决裂缝检测深度学习模型训练时数据集标注效率低、成本高的现状,以及现有计算机标注算法对复杂环境适应性较弱的问题,基于计算机视觉与概率统计理论,提出低监督快速标注的概念,并以计算机标注和人工标注相融合的全新标注模式,形成了完整的裂缝检测模型数据集的快速标注算法。与人工逐像素标注相比,标注精度均为84%以上,且可节省至少85%的时间;与传统计算机标注方式相比,标注干涉和简单人工标注方式可以较好地处理复杂背景问题。经U-Net深度学习模型验证,测试集的平均交并比可达0.90。