基于时延估计的非视域隐藏目标深度定位研究

非视域成像技术是对直接视线范围内看不到的物体（如拐角处的隐藏目标）进行探测并成像的技术,基于飞行时间的成像技术主要是探测深度图,首先需要完成对隐藏目标的深度定位,再对其进行图像重建。提出使用时间延迟估计算法对隐藏目标进行深度定位,并分别进行两组实验,针对不同隐藏目标个数和隐藏目标之间的距离,在不同噪声比下（0、5 dB、10 dB和20 dB）,对隐藏目标的深度定位进行研究。实验结果表明：当隐藏目标之间的距离不断变小时,深度定位误差也在不断增大,隐藏目标之间的最小距离约100 cm（激光脉冲为1 ns）;噪声对深度定位的影响较小,去噪后的误差减少为1～2 cm,表明提出的时延估计算法具有一定的抗噪能力。     

非专用谷物装载船满载舱谷物倾侧体积矩的求取方法

依据IMO谷物装运规则,建立了非专用谷物装载船谷物倾侧数学模型,针对货舱形状及结构尺度的差异性,区分出不同结构条件对谷物倾侧体积矩产生的影响,分别推导出装载舱舱口两端、舱口内和舱口两侧谷物倾侧体积矩的计算公式,从而形成了完整的谷物倾侧体积矩的计算方法.     

Demyanov差的两个运算

Demyanov差是非光滑分析与优化,尤其是拟可微分析与优化中的一个重要概念．基本的运算法则已经形成,包括加法运算、效乘运算、加法的消去律等．但是,其中部分公式是用包含关系表达的,这给使用造成了很大的不便．为此给出了两个关干Demyanov差的新的用等式表述的运算法则：两个彼此互补的凸紧集对的和的Demyanov差,有限个凸紧集的凸包和与这些凸紧集正交互补的凸紧集的Demyanov差．这两个法则可以用于计算和函效和极大值函数的次微分与超微分的Demyanov差,从而有助于表述既含等式约束,又含不等式约束的拟可微优化的最优性条件．     

调和方程超定Dirichlet边值问题的变分解

对调和方程超定D irichlet边值问题进行了研究,提出解决问题的新方法.通过对超定边值问题相应泛函的临界点研究,引入了问题的变分解;其次对变分解的性质进行了研究.该方法具有严格的数学基础,能将不同类型的观测数据纳入统一的模型中进行研究.     

超声波场影响Langmuir吸附相平衡的机理分析

从分子动力学规律出发,建立了Langmuir吸附系统在外场作用下的吸附相平衡关系式,并根据超声条件下吸附相分子的受迫振动和非吸附相分子的波动,分别讨论了吸附相分子及非吸附相分子在超声波场中获得的能量,结果表明:在超声波场中,吸附相分子比非吸附相分子获得更多的能量是Langmuir吸附平衡等温线降低的本质所在.理论结果进一步表明:当超声波频率一定时,Langmuir平衡吸附量随超声波场能流的增大而减少;当超声波能流一定时,可通过调节超声波频率达到吸附相分子的固有频率而使吸附相分子获得最大的能量,从而使Langmuir平衡吸附量最小.     

基于Te-PEDOT:PSS复合热电材料的柔性压力/温度传感系统

随着人工智能技术的快速发展,面向人机交互技术的新型柔性传感器的需求与日俱增.柔性传感器作为智能机械手、仿生假肢手等仿生智能系统获取外界信息的重要媒介,对实现仿生触觉感知能力以及提升系统智能化具有重要意义.当前,如何通过材料与结构设计,研制具有多模态感知能力的柔性触觉传感器,已成为柔性电子领域关键挑战之一.本文采用水热法制备了Te-聚(3,4-亚乙二氧基噻吩)-聚(苯乙烯磺酸)(Te-PEDOT:PSS)复合热电材料.通过将其与三维多孔密胺泡沫骨架复合,并浸涂聚乙烯醇(PVA)薄层进行封装,实现了具有高界面稳定性的复合敏感材料体系可控制备.由此所组装的柔性触觉传感器件兼具Te-PEDOT:PSS的热电性能与三维泡沫电极板的电容性能,实现了压力/温度在接触/非接触模式下的双模态感知能力.进一步将其与智能机械手联用构建了感知反馈系统,对其在触觉感知方面应用性能进行了探索.     

汽液平衡法研究NaI在甲醇-苯中的活度系数

测定了甲醇-苯-NaI体系常压汽液平衡数据,采用双标准检验法对数据进行检验,检验结果全部合格.假定NaI的平均活度系数可表示为盐浓度平方根(m1/2)的幂级数,采用全部合格的汽液平衡数据拟合出幂级数中的各项系数,从而获得在双液比固定条件下盐在非水混合体系的活度系数.计算结果表明正常泡点温度下在具有固定双液比的甲醇-苯混合溶剂中NaI的平均活度系数随盐浓度的增加先减小,经过一个极小值后又增加.此法可推广于其它非水混合溶剂中电解质活度系数的测定.     

非约束环境下的实时人脸检测方法

在不受限制的场景下,人脸检测大多部署在移动端或者边缘设备上,这些设备计算能力低且内存较小.使用无锚检测思想,基于CenterNet无锚检测器,提出以人脸为点的检测方法.不需要人工预先设置锚框,也不需要使用非极大值抑制来后处理,模型变得简单且高效.模型的骨干网络使用改进的ShuffleNetV2,轻量级网络保证了模型参数...