基于松弛技术的重频密频结构模态灵敏度分析

文章提出了可以避免重频影响的模态灵敏度算法,通过这种方法可以获得绝大部分的精确解,对于需要近似的部分,给出了一种数值处理技术及其误差估计方法;通过引入带有明显物理意义的松弛因子,讨论了重频模态对灵敏度的贡献,并阐明了重频子空间模态选取的敏感性问题,为密频结构的振动控制等研究提供易于操作的可行算法及理论模型;数值算例说明了该算法的可行性及有效性.     

用于组装纳米粒子密集排列点阵的嵌段聚合物自组织图案模板的可控制备

利用溶剂引导的无序-有序相转变的方法制备了形貌可控的自组织嵌段聚合物薄膜,并对影响形貌的条件进行了讨论。通过控制一系列由大变小的溶剂蒸发速率,获得了形貌依次为无序多孔、有序多孔、有序多孔和面内柱状混合结构、及面内柱状等一组自组织图案,并以之为模板引导气相沉积团簇自组装,制备了“密集排列”的纳米粒子有序点阵。     

利用改进初始化的残差-密集连接网络的光伏阵列故障诊断

针对在现实生活中光伏阵列大部分运行在正常的工作状态,缺少故障数据的问题,提出一种改进初始化的方法代替随机初始化来训练深度学习模型,以提高故障诊断模型的可靠性.同时,提出基于残差-密集连接网络的光伏故障诊断模型,并基于I-V曲线与最大功率点、温度、辐照度和填充因子作为输入特征.最后,通过多种光伏阵列故障数据检测所提出的方...     

SRS光功率均衡的研究

给出了受激拉曼散射效应(SRS)影响的光纤DWDM传输系统的光功率传输公式,并利用MATLAB软件进行数值模拟计算,绘出光功率传输特性图.提出一种抑制光纤DWDM系统中受激拉曼效应的功率补偿的方案.     

纯态纠缠源条件下密集编码的信道容量比较

依据量子纠缠能被用来实现量子密集编码，从而增加量子信道的经典信息容量的理论，讨论并比较了在无噪信道中利用纯态纠缠源进行直积态密集编码和纠缠密集编码两种情况下的信道容量上限，得到了应用纠缠编码方式的信道容量不大于应用直积态编码方式的信道容量的结果．     

DS-YOLO:一种部署在无人机终端上的小目标实时检测算法

随着无人机硬件成本的降低和深度学习算法的发展,部署在无人机终端的实时目标检测算法在诸多领域展现出广泛的应用前景.然而,嵌入式设备有限的能耗和算力,以及普适性目标检测算法对于小目标特征提取不够充分等问题,制约了此类算法速度和精度的提升.文中提出了一种部署在无人机终端上的小目标实时检测算法DS-YOLO(Dense-SPP...     

基于残差密集网络的智能超表面信道估计算法

信道估计是通信系统中一项关键的技术,涉及评估信号在传输过程中经历的信道特性,以便接收端能够有效地对接收到的信号进行处理和恢复。为提高视距信道遮挡通信下的通信系统质量,使用智能超表面来辅助现有通信系统。智能超表面辅助的无线通信系统中,除了基站和用户之间的视距信道外,同时包含基站到智能超表面和智能超表面到用户之间的级联信道。当前信道估计方法基本上利用传统算法进行估计,为了解决智能超表面辅助多用户系统中复杂统计分布的级联信道估计精度低和计算复杂度高的问题,文中提出了一种基于传统算法和深度学习算法相结合的信道估计算法。利用传统算法的可解释性和深度学习算法的高性能特性,在卷积网络基础上,提出了一种基于残差密集网络（RDN）的去噪方法。首先按照系统参数模拟生成真实环境的数据集,使用传统最小二乘法（LS）进行信道粗估计,并将信道看作二维含噪图像;其次采用密集块（RDB）充分提取噪声数据局部特征,并使用多路卷积和残差网络对数据进行特征融合;最后通过已训练模型对数据进行在线估计,并得到去噪信道。文中从信道的估计精度对所提算法进行验证,在Rician信道模型上进行理论公式推导和系统仿真分析。仿真结果表明,...     

基于生成对抗网络的图像真实噪声去除算法

深度卷积神经网络已被成功应用于图像高斯白噪声的去除。针对去除真实图像噪声的需要,本文提出了一种基于生成对抗网络的去噪算法。生成网络采用U-net结构,并通过嵌入残差密集块以更好地提取图像特征与减少细节丢失。同时,判别网络采用全卷积网络架构来实现图像的像素级分类,以提升判别器性能。此外,设计了一种增强网络结构,以进一步提高去噪图像质量。仿真实验结果表明,该算法视觉效果以及去噪性能指标PSNR、SSIM均优于其他同类算法,能够更有效地恢复图像细节。     

基于生成对抗与卷积神经网络的调制识别方法

自动调制识别在频谱监测和认知无线电中占有重要地位.针对现有调制识别算法在低信噪比条件下识别率低的问题,提出一种基于生成对抗网络(generative adversarial network,GAN)和卷积神经网络(convolu-tional neural network,CNN)的数字信号调制识别方法.在利用平滑伪W...     

城市地表建筑物密集区的微动探测方法——以成都市某海鲜批发市场的浅表精细探测为例

城市建成区普遍存在场地限制、地面硬化、复杂干扰等难题,因此对城市物探方法的场地适应性、抗干扰能力、探测分辨率等提出了较高要求。本文以成都市某海鲜批发市场的浅表精细探测工作为例,在地表密集建筑物间的狭小空间灵活布置短极距“T”、“L”型组合观测台阵,通过扩展空间自相关（ESPAC）算法获得了高质量的50-10Hz频段面波频散数据,反演获得的横波速度剖面达到了地下浅表2-40米埋深地质体的精细分层要求,有效支撑了成都市某地铁轨道的建设工作。综合研究结果及钻孔资料表明,“灵巧小台阵”及ESPAC算法可替代以往探测浅表地层时需要额外补充部署主动源工作补齐高频信号的工作模式,在大大节省施工成本的同时,也避开了以往重锤敲击所造成的噪声、震动等扰民干扰,在城市地球物理勘查领域具有一定的可推广应用价值。