低温诱导及Ca^2＋信号对胡萝卜悬浮培养细胞抗冻蛋白的合成及细胞抗冻能力的影响

选择胡萝卜这种较抗冻的植物作为实验材料,在 MS 2.4D_1液体培养基中加入 Ca~(2 )阻断剂进行悬浮培养。对胞外提取物进行 SDS-PAGE 分析的结果表明,加 LaCl_3与加入 EGTA 处理的细胞样品共同存在一条低量表达的36 kD 多肽。且两者细胞的抗冻能力均有所下降。通过 Western-blotting 证实了这条36 kD 的多肽是一种抗冻蛋白,研究表明该抗冻多肽在低温条件下的合成、诱导与钙信号紧密相关。     

基于接触电阻的GFET高频等效噪声表征与建模

本文提出了一种石墨烯场效应晶体管(Graphene Field Effect Transistors, GFET)的小信号等效电路模型,该模型考虑了金属-石墨烯界面的内部物理传输现象,即漏极与源极的接触电阻.提出了一种将接触电阻从等效电路中本征和寄生部分分离的方法,接触电阻有效且准确的分离能够模拟其对该器件截止频率fT和最大振荡频率fmax的影响.基于所建立的小信号等效电路,提出了GFET的高频等效噪声电路模型.噪声模型包括散粒噪声、热通道噪声和热噪声,基于这些噪声模型,在500 MHz～30 GHz的频率范围内通过噪声去嵌提取出本征噪声相关矩阵,利用其中的最小噪声系数(NF_min)得到接触电阻以及不同噪声源对高频噪声的影响.最终通过模拟数据与实测数据的验证分析,所提模型能够有效且准确的表征该器件的小信号特性以及高频噪声特性,并且接触电阻的影响不可忽略.     

一种双模五频点射频前端设计

根据民用卫星导航接收机市场的发展趋势和需求,提出了一种双模五频点射频前端设计方案,并完成电路设计。新方案能够同时满足接收机对GPS L1和L2以及北斗二代B1、B2和B3五个频点信号的接收。实测结果表明设计性能优越,性能稳定,抗干扰能力强,特别适合需要同时处理多模多路信号的卫星导航接收机系统。     

基于CNN的MIMO-OFDM可见光通信接收机研究

限制可见光通信（VLC）系统传输性能的主要因素是发光二极管（LED）的有限带宽以及它的非线性效应导致的信号失真。多输入多输出（MIMO）-正交频分复用（OFDM）技术虽然可以提升系统容量、频谱效率,但由于OFDM技术较高的峰均功率比(PAPR),使得VLC系统受到更多的非线性损伤。针对以上问题,本文提出一种基于卷积神经网络（CNN）的VLC接收机。该接收机通过对接收端失真信号和发射端原始信号的学习,能够实现MIMO-OFDM可见光系统的信号解调,有效提升系统对非线性失真的抑制能力并具有较低的复杂度。实验结果表明,与最小二乘法（LS）接收机相比,CNN接收机能有效补偿信号受到的线性和非线性失真以及不同用户间的信号串扰,平均误码率（BER）提升超过一个数量级,同时有效克服LED带宽受限问题,比特传输速率提升53%。     

一类转移概率部分未知的Markov跳跃系统的输入输出量化反馈控制

对一类离散时间马尔可夫跳跃系统(Markov jump systems,MJSs)的稳定性问题进行研究,考虑MJSs转移概率矩阵中的元素部分未知,且系统的控制输入通道和测量输出通道都存在信号量化的情况,其中控制器输入通道和系统输入通道的信号分别被两个不同的对数量化器量化。利用切换李雅普诺夫函数的方法,通过构造系统模态依赖且双通道量化误差依赖的李雅普诺夫函数,完成对闭环系统的稳定性分析和控制器设计。得到一组模态依赖的控制器,能够在系统的转移概率部分未知和存在双通道量化误差的条件下,保证闭环MJSs的随机稳定性。最后通过仿真实验验证了理论的有效性。     

基于去噪自编码器的镜像极限学习机设计

针对极限学习机在高维度、含噪声数据集中需要大量隐含层节点来保证分类性能的问题，设计了镜像极限学习机.该算法使用伪逆法确定输入权值，随机生成输出权值和偏置，在对数据进行分类时，它仅需极少的隐含层节点.为了提升镜像极限学习机的分类性能和抗噪性，将它与去噪自编码器相结合.利用去噪自编码器对输入数据进行特征提取，并将提取到的特征作为镜像极限学习机的输入数据，再进行网络训练.在无噪和含噪声的MNIST，Fashion MNIST，Rectangles和Convex数据集中，将基于去噪自编码器的镜像极限学习机与ELM，PCA-ELM，SAA-2和DAE-ELM作对比实验，结果表明，基于去噪自编码器的镜像极限学习机的综合性能最优，用于分类的网络隐含层节点数最少.     

基于MSP430的多功能信号发生器设计

针对一般信号发生器存在价格昂贵、便携性差,且在特定场合产生信号针对性不强等问题,基于直接数字频率合成原理设计了一种多功能信号发生器.信号发生器以MSP430F149单片机为控制核心,利用AD9852芯片产生1 Hz～20 MHz的正弦信号及AM、ASK、BPSK、FSK等多种调制信号.整个系统结构紧凑,具有良好的人机交互界面,电路简单,功能强大,具有较好的稳定性和抗干扰性能,使用方便.     

基于深度神经网络的高环境 适应性水声通信系统研究

深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性.