二维CZT的稀疏阵列MIMO雷达快速极坐标格式成像算法

由于极坐标格式算法(PFA)存在运算量大,且聚焦性能受插值精度影响等缺点。为解决该问题,提出一种基于二维Chirp-Z Translation(CZT)的稀疏阵列MIMO雷达快速成像算法,引入压缩感知原理,采用CZT变换代替插值运算,借助合适变换参数的选择,一步实现插值-重采样的处理过程。仿真验证表明,随着成像尺寸的变化,所提算法与经典PFA算法运算量的比值在0.22~0.4之间,有效地降低了运算量,同时保持了较低的图像熵,提高了聚焦性能。     

揭秘病毒与宿主间的博弈——国家“973”计划“重要病毒的入侵机制研究”进展介绍

国家重点基础研究发展计划“重要病毒的入侵机制研究”集中了国内多家病毒学领域高水平的研究机构．致力于揭示Ⅰ、Ⅱ和Ⅲ型包膜病毒的入侵机制,为研发针对病毒入侵的抗病毒药物和／或疫苗提供理论基础。该项目已取得一系列研究成果,本文将对该项目中的部分工作作一个简要概述。     

大学生武术认知程度分析

一项调查结果表明,普通高校大学生喜欢武术,但却不喜爱武术课。由于高校对武术的宣传和普及力度不够,大学生对武术的认知不足,对武术的内涵更是了解甚微,以至于大学生参与武术学习的积极性不够,要想改变这一现状必须改革高校武术教学,在大学生中普及和发展中国武术项目。     

二叠盆地Wolfcamp统致密油成藏特征及主控因素

在分析二叠盆地Wolfcamp统构造、沉积特征的基础上,通过烃源岩、储层等方面的系统研究,深入剖析了Wolfcamp统致密油成藏条件,探讨了致密油成藏主控因素。研究结果表明,Wolfcamp统具有致密油富集的优良地质条件,发育一套优质烃源岩,以硅质泥岩和钙质泥岩为主,并和储层呈现下源上储、源储互层的优良配置关系。致密油产层和产能分布主要受烃源岩、储层和源储配置控制。烃源岩特征为最核心的控制因素,它决定了资源丰度;储层特征和优良的源储配置关系决定了致密油主要产层、油气运移方式和排烃效率,是致密油富集的关键因素。     

山羊草与普通小麦属间杂种F_1代的细胞学研究

本文研究了6个山羊草,与普通小麦属间杂种F_1代花粉母细胞的减数分裂过程,阐述了减数分裂各期染色体的异常行为,比较了亲本和杂种的花粉粒育性。对观察资料进行的统计分析表明:(1)山羊草与普通小麦属间杂种F_1代的减数分裂行为是极不正常的,但各杂交组合间有一定差异。(2)同一个山羊草种,不论是作父本还是作母本,二个杂交组合核质背景的互相调换,对杂种F_1代减数分裂的异常效应是相近的。(3)杂种花粉母细胞减数分裂时期染色体的异常导致花粉粒的败育。此外,讨论了减数分裂末期Ⅰ和末期Ⅱ染色体发生异常行为的原因。     

改进多种群粒子群算法辨识光伏组件参数

针对光伏组件参数辨识问题,通过调整光伏单二极管超越方程重构低计算复杂度的目标函数,以预估计模型参数对搜索空间进行优化.然后,结合多种群粒子群算法与单纯形算法的优点,构造出N-MPSO混合新算法用于光伏组件模型参数的精确稳定辨识.最后,利用多种实际光伏组件测量数据对所提方法进行检验.结果表明:N-MPSO算法相较于传统算法能够更加准确、快速,且能稳定地辨识出任意环境条件下光伏组件的模型参数,对于光伏组件及光伏电站的设计、测试与诊断具有实际意义.     

烟草烟碱转化相关蛋白质筛选分析研究

为了研究烟草中烟碱转化机理,应用比较蛋白组学方法研究了高烟碱烟草中烟碱转化相关蛋白质表达情况.采用双向电泳联用质谱技术比较了实验组高烟碱转化烟草叶片和对照组野生型烟草叶片的蛋白质差异,获得了分辨率和重复性较好的双向电泳图谱.选取了34个差异蛋白质点,采用MALDI-TOF-TOF-MS进行肽质谱指纹图分析,最终有12个蛋白质点得到了可靠鉴定,其中在实验组中相对下调的蛋白有7个,相对上调的蛋白有5个.通过比对蛋白质组库数据,发现这些差异表达的蛋白质主要是参与碳水化合物代谢、能量代谢等功能,而且亚细胞定位主要是在叶绿体和线粒体,表明这些蛋白表达水平与烟碱转化具有密切关系,为研究高烟碱转化率烟叶的形成机理提供了新的依据.     

基于2D-SOONE算法的MIMO稀疏面阵二维成像

为了解决采用传统的1D-CS算法进行分维处理时丢失耦合信息导致越单元徙动、影响成像质量且运算时间长的问题,研究了接收阵元整行整列稀疏的MIMO面阵结构特性,分析了该稀疏面阵所接收回波信号的二维联合稀疏特性,采用2D-SOONE算法对回波信号进行二维联合重构,算法采用序列一阶负指数取代传统SL0算法的高斯函数,拓至二维并利用梯度投影求解,具有二维联合重构性能的同时提高重构精度。通过实验,仿真了该算法在不同阵列稀疏度、不同信噪比下用于MIMO稀疏面阵的成像效果。仿真结果表明,2D-SOONE抑制了传统的1D-CS算法的越单元徙动问题,减少了运算时间,且成像质量较2D-SL0更优。     

基于多层感知机的个性化链接排序预测

社交网络链接预测,即通过历史社交网络结构信息,预测未来一段时间内社交用户之间可能会产生新的链接关系,是社会网络分析中的一个重要问题。现有的模型挖掘了用户之间的浅层交互关系,或者通过深层网络去学习用户的特征描述。然而,由于社会网络数据极其稀疏,现有的模型在链接预测的表现上存在一定的提升空间。针对上述问题,文章提出基于多层感知机的个性化链接排序预测模型(PRMLP),从而实现了社交链接预测任务。PRMLP同时考虑了用户之间的交互关系,并采用了多层网络结构深入挖掘社会网络的拓扑结构,因此能够学习得到更精准的用户特征描述。文章针对模型训练中正负样本不平衡的问题提出了解决方案,在2个真实数据集进行的实验表明,文中提出的基于多层感知机的个性化链接排序预测模型相对于现有的其他链接预测模型表现更优。