液—质联用检测铜绿假单胞菌密度感应系统中信号分子

建立液—质联用的方法检测铜绿假单胞菌密度感应系统中信号分子C_4-HSL、3-oxo-C_(12)-HSL的浓度,并应用于金银花水煎液抗铜绿假单胞菌研究.色谱柱Agilent Poroshell 120 SB-C_(18)(4. 6 mm×100 mm,2. 7μm),流动相80%乙腈—20%水(含0. 1%甲酸),流速0. 2 m L/min,柱温30℃;电喷雾离子源(ESI),负离子模式,检测离子为C_4-HSL m/z 172. 2→102. 1,3-oxo-C_(12)-HSL m/z 298. 3→197. 2.结果表明,以酮洛芬为内标,乙酸乙酯提取,挥干后甲醇复溶,培养液中C_4-HSL、3-oxo-C_(12)-HSL浓度在2～2 00 ng/m L范围内线性关系良好,定量下限为2 ng/m L,批内和批间精密度RSD均小于7. 5%,准确度为93. 3%～103. 1%.金银花水煎液与铜绿假单胞菌共同培养48 h后,培养液中C_4-HSL含量明显降低,3-oxo-C_(12)-HSL含量明显升高,金银花水煎液能抑制铜绿假单胞菌的毒力因子生成.     

基于频域窄带莱斯噪声消除机制的OFDM网络信号发射精度增强算法

为改善当前OFDM网络信号精度增强算法中难以高效消除频域窄带莱斯噪声,且系统误码率较高的不足,提出了一种基于频域窄带莱斯噪声消除机制的OFDM网络信号精度增强算法.首先,基于128频相移键控调制方法,在获取信号时域特征的基础上,引入快速傅里叶变换,对信号进行离散化,并基于信号投影机制,构建正交星座图,实现信号投影矢量在预发射状态下的正交分层排序,消除了信源状态下频域窄带莱斯噪声对系统的干扰;随后,引入快速傅里叶逆变换,对预发射信号进行加密处理,且通过量化评估模型对信号精度进行优化提升,有效节约了传输带宽,提高了信号发射性能,改善了信道抗衰落效果.仿真实验表明,与当前常见的时间窗消除机制(time window elimination mechanism, TWE)、频率拓扑映射机制(frequency topology mapping, FT)相比,本文算法的误码率更低,且具有更高的信号增益效果.     

随机森林分类用于雷达信号预分选新算法研究

 现代战争中,雷达电子战环境越来越复杂,随着雷达种类的多样化和雷达脉间调制方式的复杂化,对信号分选的识别难度也愈加增大。本研究采用随机森林算法对脉冲描述字特征进行预分选,可自适应的对特征进行选择,并实现分类。随机森林由于可以自动进行特征选择,可对不平衡的数据进行误差平衡等优点,通过多决策树表决方式,可以迅速完成对大量数据快速训练。在脉冲丢失导致的部分特征损失的情况下,仍可以维持识别准确率。通过实验证明了本方法对雷达脉冲描述字特征进行预分选的有效性。     

航母编队电磁信号安全威胁分析

 介绍了航母编队面临周边的电子侦察威胁情况,并以航母编队穿越宫古海峡为例,仿真分析了其电磁信号受到的威胁程度。仿真分析结果表明：航母编队在公海进行训练、演习等军事行动时,面临着各种侦察设备的侦察威胁。     

基于小波包总能量变化率的体外拉索损伤识别方法

针对体外预应力拉索的损伤识别问题,建立基于小波包能量谱的拉索损伤识别指标,传统的频域计算分析方法很难对拉索的这类损伤进行有效的识别,需要从时频域进行分析. 首先,设计针对体外索结构的拉索损伤识别实验,得到不同损伤程度、不同索力和不同索长的拉索动力响应信号,并得到频率、时域和能量域的特点;其次,从小波包分解的能量域展开分析,建立小波包总能量变化率指标RES;最后,建立基于RES的拉索损伤识别流程,并进行实桥损伤识别. 结果表明,提出的损伤指标对损伤程度有较强的敏感性,能够有效地识别出体外索损伤,能够应用于体外预应力加固桥梁结构的长期监测中.     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

一种基于集成学习的DBN模型分类方法

雷达信号分类是雷达信号电子侦察的关键技术之一,针对利用深度学习模型进行雷达信号分类时其性能不稳定的缺点,提出了一种基于集成学习的深度信念网络模型进行分类的方法.通过深度信念网络模型不同层间的特征抽取,通过不同的分类器得到不同的分类结果,再将分类结果进行集成,得到最终的输出.待分类的雷达信号由12部雷达产生,包括常规、参差、频率捷变和抖动四种雷达.仿真结果表明,该模型的分类错误率较低,鲁棒性较好.     

针对BOC信号的低复杂度无模糊跟踪技术

针对正弦相位二进制偏移载波(BOC)信号的伪码同步问题,提出了一种低复杂度的无模糊跟踪方法.该方法通过设计特殊的本地参考辅助信号,将其与接收到的BOC信号相关,得到的互相关函数与BOC信号的自相关函数相结合,从而构建出一种新的非相干码鉴别器函数.该鉴别器函数只有一个锁定点,可以实现稳定的无模糊跟踪.区别于传统的超前减滞后无模糊方法,该方法只需要即时支路相关器的输出,可以减少至少3/4的相关器,显著降低接收设备的复杂度.理论分析和仿真结果表明:本方法的跟踪精度介于类二进制相移键控(BPSK-LIKE)方法和峰跳(BJ)方法之间,同时也表现出较好的跟踪稳健性.     

基于FFT的互感式电流信号检测装置的设计

为解决对电路中电流信号的实时监测及谐波分析问题,利用传感器技术设计出一套高精度基于FFT( Fast Fourier Transform) 的互感式电流信号检测装置。该装置可对环路电流信号进行非接触式测量,硬件电路包括互感式电流传感器和检波电路,软件部分以STM32 为主控制器,对信号进行傅立叶变换得到频率和幅度信息。这种以微处理器为核心的测量装置可以实现测量自动化和功能多样化,在工业领域具有一定的应用价值。经实验检测,该系统的频率分辨率可达到1 Hz,幅度分辨率可达到0． 5 mA,测量电流信号频率误差小于2% ,幅度误差小于5%。