基于回波预处理和相参积累的C&I干扰抑制算法

C&I(chopping and interleaving)干扰是一种针对线性调频(linear frequency modulation, LFM)雷达的典型干扰样式, 干扰子信号调频斜率与雷达发射信号相同, 利用信号处理工具分离真实回波与干扰信号难度较大。针对该问题, 以LFM相参雷达抗自卫式C&I干扰为背景, 提出基于回波预处理和相参积累的干扰抑制算法。根据估计的回波时延, 设置距离窗截取受干扰回波段, 在此基础上, 通过对回波预处理, 改变不同重复周期内假目标的快时间位置分布, 通过相参积累实现干扰抑制。仿真试验表明, 所提算法能够有效抑制强干扰背景下的C&I干扰, 干扰抑制后真实目标检测概率大幅提高, 虚假目标数量明显减少。     

金属有机框架衍生单原子纳米酶的合成、表征与生物应用研究进展

单原子催化剂（SACs）具有高原子利用效率以及高催化活性，在各种催化体系中均表现出优异的性能.其原子级别的活性位点与天然的金属蛋白酶类似，因此单原子纳米酶（SAzymes）的概念也应运而生.而金属有机框架（MOF）由于其具有高孔隙率的特点，可以作为合成SAzymes的前驱体.该文总结了使用MOF前体/模板构建SACs的合成策略，以及SAzymes的生物应用，提出了基于MOF衍生的SAzymes的发展挑战和前景.     

创新研究系统隐性知识生成转化反馈环特性仿真分析

隐性知识反馈环结构是创新研究系统的核心结构,运用组织管理系统动力学理论,进行科研创新系统隐性知识生产转化系统仿真研究,以南昌大学系统动力学创新团队研究系统为例,分析确定该系统的隐性知识量、显性知识量、创新投资量、团队人员数和创新成果量五个核心变量,运用新建的逐枝建模和逐树仿真技术建立五棵流率基本入树模型及其等价流图模型.运用枝向量行列式新增反馈环计算法,计算出系统包含创新成果流位作用于隐性知识流入率的第一类反馈环五条,团队成员数作用于隐性知识流入率第二类正反馈环十条.然后,结合模型的仿真曲线和仿真数据,对第一类反馈环进行极性转移仿真分析和主导反馈环转移仿真分析,对第二类正反馈环进行正反馈环的作用分析,以及"原始创新度"低对这十条正反馈环的制约分析,并基于上述十五条反馈环特性仿真分析结果提出四条创新研究系统发展对策.     

齐次核的Hilbert型多重级数不等式取最佳常数因子的等价条件及应用

利用实分析技巧和权函数方法, 讨论具有齐次核的多重级数Hilbert型不等式, 得到了其取最佳常数因子的充分必要条件, 并给出其应用.     

连续刚构铁路桥收缩徐变效应监测与分析

对连续刚构铁路桥箱梁温度场及桥梁线形进行长期、连续监测,通过主梁跨中下挠的理论与实测对比揭示了连续刚构铁路桥收缩徐变效应。对比了国内外常用收缩徐变估算模型,选择CEB-FIP徐变模型对黄河特大连续刚构桥进行了有限元分析。采用实测温度数据,以箱梁内测温度、外侧温度、顶底板温度梯度、左右侧温度梯度作为箱梁温度场的评判指标,对箱梁1年内的四季温度场分布进行分析。在基于相同温度场的条件下,通过理论值与实测值对比,发现分析成果与实测结果较吻合,说明混凝土的收缩徐变是引起连续刚构铁路桥跨中下挠的主要原因,对比结果还说明通过改善箱梁顶底板应力差能够改善收缩徐变长期效应。     

基于改进多目标遗传算法的连铸二冷过程优化

采用一种改进的多目标遗传算法对二冷工艺进行优化.改进的多目标遗传算法应用概率法选取选择算子，根据适应度值来动态计算交叉和变异概率，能够得到更好的全局最优解，提高算法精度和整体性能.在基于凝固传热模型的二冷优化过程中，采用变间距差分法离散求解传热方程，对比粒子群算法、多目标遗传算法，改进的多目标遗传算法搜索效率高，得到的价值函数最小.在实际生产中，采用优化后的二冷工艺，使得总用水量减少约10%，提高了铸坯质量，达到了节能降耗的要求.     

一种三维DNA构象的交互式参数化模拟方法

提出一种适用于移动平台的交互式参数化DNA三维动态模拟方法.依据不同的DNA模式参数,利用基于自然特征的AR识别技术和曲线,直观形象地展示DNA的多种三维构象,动态模拟碱基互补配对、碱基对边堆叠边螺旋、 DNA复制的边解旋边半保留半不连续复制等微观过程.研发DNA三维动态模拟原型系统,实验结果表明,通过视、听、触、实物等多通道交互,有利于用户随时随地自主使用,增强用户对DNA知识的理解、掌握,引导用户进行更深层次的思考,提高知识的传递效率.     

创新开展新时期科技名词规范化工作,努力发挥支撑服务作用

科技名词规范化工作具有深厚的历史基础和现实需要,是支撑科技创新和经济社会发展的一项基础性系统工程。当前,中国特色社会主义进入新时代,我们要深刻领会“新时代”的丰富内涵,深化认识科技名词规范化工作的特殊意义,创新开展各项工作,更好肩负起新时代赋予的历史使命。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。