光纤光镊在生物系统中的应用

对生物细胞及大分子进行无接触、无损伤、高精度的捕获及操控,是目前集成光子学、生物光子学及临床医学等交叉学科领域的国际研究热点之一。本文总结了目前光纤光镊在生物系统中的重要应用,特别是光纤光镊在单细胞操控、多细胞组装及生物细胞成像与探测领域的研究进展。因其具有制备简单、可操控及体积小等优点,光纤光镊在细胞生长、组织分化、疾病诊断与断层显微术等领域具有潜在的应用价值。     

基于模拟目标的光测装备实战化训练方法研究

为解决当前光测装备因缺乏接近武器装备试验实际情况的合作目标而不能进行实战化训练的难题,提出了基于模拟目标的光测装备实战化训练方法。根据光测装备及目标的实际情况,构建目标三维模型,对其分别进行可见光、红外成像特性处理,生成目标的光学特性模型。采用3 次B 样条曲线拟合目标弹道曲线,进行运动姿态处理后获得姿态控制信息,与特征事件等信息一起封装生成目标运动特性模型。利用计算机仿真技术构建虚拟三维空间,在其中仿真光测装备跟踪测量目标的场景,在光测装备上无缝生成模拟目标,对光测装备进行实战化训练。在现役光测装备上进行了应用验证,实现了光测装备基于模拟目标的实战化训练,结果表明该方法切实可行。     

岸船通信的抗干扰和保持通信时间预测研究

岸船通信面临着介质对高频电磁波( HF: High Frequency Electromagnetic Wave) 的吸收损耗、海面湍流对电磁波的散射、海面物体对电磁波的反射产生的多径信号干扰的问题。针对岸船通信通信传输信道的特点,建立其信道传输模型,求解出信道的单位冲激响应,提出了在岸船通信中接收机基于双调角器抗多径干扰的方法。该方法能有效地利用多径信号的能量,不需提高发射机功率即能提高通信质量,抗多径效果好且容易实现。建立高频电磁波电离层反射模型,使用解三角形算法研究了岸船通信能保持通信的时间,便于完善通信协议,提高通信质量。仿真结果表明,该方法白天最长能保持4． 5 h 通信,夜晚最长能保持7． 5 h 通信。     

基于深度学习的OFDM信道估计

针对多径正交频分复用(orthogonal frequency division multiplexing, OFDM)信道环境下信道频域选择性衰落导致下行链路信道估计性能受限的问题,提出一种基于深度学习的信道估计(deep learning-based channel estimation, DL-CE)方法。采用自回归过程对信道建模,利用深度学习设计信道估计网络追踪信道响应及其频域相关系数。通过迭代训练,基于深度学习的信道估计网络能够学习到自回归系数的最优估计,同时利用先验信道信息估计信道频域响应和频域相关系数。与传统方法相比,所提信道估计方法性能提升明显。     

认知无线电网络中的非正交多址资源分配算法

随着物联网的发展和移动终端的普及,用户对数据速率需求快速增长,移动通信系统依然面临着频谱资源紧缺问题。针对认知无线电网络中的非正交多址接入(non-orthogonal multiple access, NOMA)技术,研究了认知无线电网络中非正交多址信道和功率联合优化问题。以主用户干扰功率和次用户最小吞吐量以及子信道最大复用用户数为约束条件,综合考虑信道状态信息和功率资源,以提高系统能效为目标,建立了信道和功率资源分配优化模型。为了避免信道状态相近的用户复用在同一子信道上,提出了一种次优公平性可调的信道分配算法,并基于连续凸近似和Dinkelbach模型,得到子信道复用用户间的最优功率分配。仿真结果表明,所提算法可以在提高用户公平性的同时,有效提高系统能效。     

基于区域时变聚类采样机制的物联网 大数据传输算法

为解决传统物联网大数据传输算法存在的网络链路抖动频繁、传输能力受限以及传输误码率大的不足,提出了一种基于区域时变聚类采样机制的物联网大数据传输算法。首先,根据物联网信号发射中常用的LTE-5G信号特性,采取分信道传输及抽样过滤技术来实现数据传输过程中的正交化,消除节点间因信号频率相似而导致的干涉现象,提高网络数据传输效率;随后,几何聚类机制与能量-阈值映射裁决方法,构建了稳定聚类采样方法,利用功率最佳及能量最佳的方式来实现传输节点的筛选,强化传输链路的稳定性能,降低因链路抖动而导致误码的风险。仿真实验结果表明:与常见的超高斯频率漂移传输提升机制(Transmission Mechanism of Super Gauss Frequency Drift Transmission, SGFD-T机制)及拉普拉斯信道滤波传输机制Laplasse Channel Filtering Transmission Mechanism,LCF-T机制)相比,所提算法具有更大的上传带宽和更低的数据采集错误率与误码率。     

基于全光纤网络的电力抄表系统

为符合目前电力行业可持续、 智能化的发展趋势, 建设高效、 精准、 可靠性强的用电信息采集系统, 提出了一种将全光纤网络应用于智能电力抄表的解决方案。 在本地主干通讯网络应用塑料光纤作为信号传输 媒介, 在远程信道则采用石英光纤进行大量、 远距离的数据传输, 同时在计量设备和通信节点增设相应的光收 发模块, 使用电信息采集系统全光化。 实验结果表明, 全光集抄方案可将本地主干网络抄读成功率提升至 100% , 平均抄读耗时为 2. 1 s, 系统功耗为 50 mW, 这将给电力行业带来更多的智能化增值功能。     

基于SnO2/TiO2/Au NPs纳米复合材料发展光电化学方法特异性检测唾液酸

制备了氧化铟锡（ITO）/二氧化锡（SnO₂）/二氧化钛（TiO₂）/金纳米粒子（Au NPs）纳米复合电极（ITO/SnO₂/TiO₂/Au NPs）,并利用它发展了可以选择性检测唾液酸（SA）的光电化学（PEC）法.采用旋涂法制备了ITO/SnO₂电极,并通过静电纺丝和磁控溅射技术在ITO/SnO₂表面原位合成了TiO₂纳米纤维和Au NPs.与单纯SnO₂比,ITO/SnO₂/TiO₂/Au NPs纳米复合电极的光电性能显著提高.这可能与Au NPs的局域表面等离子体共振效应（LSPR）和TiO₂/SnO₂异质结之间的协同作用密切相关.之后,通过金硫键（Au-S）将四巯基苯硼酸（4-MPBA）修饰在ITO/SnO₂/TiO₂/Au NPs电极表面,利用4-MPBA和SA之间的非特异性酯化反应,发展了可以特异性检测SA的PEC传感平台.     

基于光散射法和电荷感应法融合的粉尘浓度检测技术

为了减小粉尘浓度在线检测误差,分析光散射法和电荷感应法的基本原理,揭示两种方法的局限性;将光散射子单元和电荷感应子单元的结构和数据融合,研制并联自动切换的融合单元,提出一种粉尘浓度融合检测算法.实验发现:融合单元的检测误差≤11.3%,比光散射子单元小3.6%,比电荷感应子单元小3.5%;融合单元的平均标定分辨率为112.8,是光散射子单元的1.27倍,是电荷感应子单元的4.68倍;融合单元的标定线性度最好.表明融合技术克服了光散射法和电荷感应法的局限性,进一步减小了检测误差和提高了标定分辨率、线性度.     

基于GSA-BP神经网络的OFDM系统信道估计算法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中存在的不可忽视的非线性噪声问题,为了能够更好了解信道特性,需要利用信道估计获得信道状态信息,提出一种基于黄金正弦优化BP(golden sine algorithm,GSA-BP)神经网络的OFDM系统信道估计算法,克服了传统 BP神经网络算法容易陷入局部极值的问题,提升了信道估计算法的估计精度.首先通过LS信道估计算法获得信道的初始估计,再将其通过GSA-BP神经网络算法得到信道的精确估计.仿真结果表明,在相同的信道环境下,提出的算法比LS算法具有更好的性能,与MMSE算法性能接近,但不需要信道先验统计特性,易于实现.