弹道目标雷达微动特征提取与识别研究综述

弹道目标雷达微动特征提取与识别是雷达目标识别领域的重要研究方向之一。在简要阐述弹道目标识别重要研究价值的基础上，结合国内外研究现状，从点散射模型、滑动散射模型、属性散射中心模型等出发，总结了现有的弹道目标微动回波建模方法，进一步分别从单基、双基、多基等不同雷达观测视角出发，梳理了弹道目标微动特征提取与成像方法，对基于人工特征和传统分类器、及基于深度学习的弹道目标分类识别方法进行了总结，最后对弹道目标雷达微动特征提取与识别方向的技术难点和未来发展趋势进行了分析与展望。     

噻唑烷并手性恶唑硼烷催化剂结构和性质的量子化学研究

采用量子化学从头计算方法研究了噻唑烷并手性恶唑烷催化剂及其硼烷加合物的结构和性质，选用Hartree-Fock方法从6-31g基组下进行了全优化计算，并计算了催化剂其加合物的红外振动光谱，催化剂具有扭曲的椅式构型，与硼烷在N原子处配位形成加合物，反应是放热的，加合物的形成，一方面使得催化剂上B原子所带正电荷增加，有利于与酮羰基氧的配位反应进行；另一方面使得BH3中B-H键被削弱，有利于后续反应中H从BH-3到酮羰基碳的转移，从而增强了催化反应的活性。     

一种综合评价指标属性值规一量化技术新途径

对现有的评价指标属性值规一量化技术进行了论述 ,运用模式识别、人工神经网络聚类理论结合模糊集值统计理论 ,提出了评价指标属性值规一量化技术新途径 ,奠定了评价指标属性值规一量化技术智能化的基础 .     

烷氧-酰胺型脱氧胆酸分子钳的合成及对芳胺的识别性能研究

分子识别是生物体系的基本特征 ,酶选择性地催化生化反应、抗体与抗原的结合、蛋白质分子与ＤＮＡ序列的相互作用等都源于精确的分子识别[1,2 ] .研究识别作用的机制 ,了解受体与底物间识别的推动力与二者结构之间的关系对理解生物体内一系列反应的本质 ,建立仿生模型 ,合成出高效的仿酶催化剂、手性拆分剂以及利用识别引起的量转化建造分子器件等具有重要的意义 .各类大环受体对阳离子、阴离子和中性分子的识别已有较多的报道[3～ 7] .分子钳 (ｍｏｌｅｃｕｌａｒｔｗｅｅｚｅｒｓ)作为一类新型的受体 ,因其构造相对容易且易于将功能团聚集…     

语音信号时间动态规正新方法

利用函数逼近原理，提出了一种语音信号时间动态规正的新方法，并由此导出了可用于神经网络语音识别的新特征。重点讨论了时间动态规正的原理、新特征的提取方法和性质。实验及理论分析表明，新特征对于神经网络语音识别及语音压缩具有很好的效果。     

新手性Schiff碱的合成及其不对称加成反应的研究

合成了４个手性Ｓｃｈｉｆｆ碱，探讨了它们与亚磷酸酯的不对称加成，立体选择性对加成反应的影响为：Ｍｅ＜Ｅｔ＜ｎ－Ｐｒ＜ｉ－Ｐｒ，即Ｒ的体积效应与立体选择性相一致，合成并分离出了８个新手性（＋）或（－）α－（３－莰２’－基脲基）氨基卤苄基膦酸二烃基酯，它们的结构均经过ＩＲ，３１ＰＮＭＲ，１ＨＮＭＲ等确证．     

基于循环谱截面智能分析的混合信号调制识别方法

针对已有混合信号识别方法存在智能化程度低、适应性差等问题，提出了一种基于循环谱截面和深度学习相结合的智能识别方法。理论推导分析了常见混合通信信号的循环谱零谱频率截面特征；利用提出的非线性分段映射和指向性伪聚类新方法对上述截面图进行预处理特征增强，提高了截面特征的适应性和一致性；并将预处理后的特征图与经典残差网络相结合，利用深度学习网络对特征图中调制信息的深层次细节挖掘分析能力，实现了混合信号的有效识别。仿真结果表明，该方法对噪声不敏感，当信噪比不低于-2 dB时，平均识别率大于90%；且该方法对信号参数及信号间能量比变化有较好的适应能力。     

基于多维筛分类器的可视化帕金森病诊断

针对目前基于模式识别的语音障碍帕金森病诊断可解释性差、可推广性差的问题,本文提出基于多维筛分类器的可视化帕金森病诊断。该分类器具有全程可视化的特点,在保证诊断精度的同时,可以将特征进行可视化表示。可视化的引入不但使操作者了解不同特征对于诊断的重要性,而且可以发现最具诊断价值的特征,有助于简化帕金森病的诊断过程并提高诊断水平。     

伏安法实验数据预处理方法

研究伏安法实验数据的预处理方法，采用基于奇异值分解原理的TLS算法，对经过预处理后的实验数据进行再处理，取得良好的效果，文中着重讨论各种预处理方法的合理性和有效性，并对TLS算法的适用性进行探讨。     

手性三唑类化合物的QSRR研究

基于手性碳原子上取代基的次序规则定义了新型手性指数(Xj),将其引入电距矢量(Mf)建立手性电距矢量(c Mf).手性电距矢量与26种手性三唑类化合物在2种纤维素类手性固定相(Chiralcel OD和ChiralcelOJ)上的3类高效液相色谱(HPLC)容量因子(ND,RD,RJ)具有良好的相关性.通过最佳变量子集回归方法,建立了它们二元或三元的QSRR模型.ND,RD和RJ的复相关系数(R2)依次为0.868,0.992和0.925,相应逐一剔除法交叉验证系数(Q2)依次为0.789,0.982和0.863,表明这些模型具有良好的预测能力与稳健性.模型显示分子中-CH3,-CH2-,CH-,-NH-和-O-等基团间的相互作用是影响手性三唑类化合物容量因子的主要因素.