BESⅢ测量(日)(1530)-→γ(日)-的蒙特卡洛研究

基于BESⅢ合作组的离线软件框架BOSS,利用该合作组产生的1 225 M单举J/Ψ事例,研究在BESⅢ探测器上实现测量到超子辐射稀有衰变过程Ξ(1 530)-→γΞ-的分支比的可能性.以无信号事例的单举J/Ψ事例样本为背景样本,以纯信号蒙特卡罗事例为信号样本,控制信号事例,在分别假设观测到Ξ(1 530)-→γΞ-衰变过程信号显著水平为3σ和5σ的情况下,得到该衰变过程对应的分支比.     

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.     

检测器误差对路网流量推算影响的灵敏度分析

以路网检测器布设可测流问题中检测器误差对路网流量推算的影响为研究对象,采用基于交叉口转弯比的流量守恒方程和网络检测器布设模型,给出灵敏度分析方法并将其作为检测器误差分析的通用方法.将路段流量推算结果受误差源路段检测器误差的影响定义为关键系数,通过理论推导得出,多个误差源路段流量检测器误差对路网流量推算结果的影响为单个误差源路段流量检测器误差影响的线性叠加.最后以方格式路网为实例,采用在路网的只进和只出路段布设检测器两种方案,利用关键系数给出了检测路段流量误差对未检测路段流量推算的影响.     

暴雨内涝下公交乘客的出行选择行为

基于暴雨内涝天气对公交线路运行影响强弱的三种情形,通过实际调查(RP)和意向调查(SP)的调查结果进行效用模型估计和决策变量的敏感性分析,解析暴雨内涝下公交乘客的出行选择行为机理,得到公交乘客出行选择行为的影响因素(由强至弱)是步行时间、票价、车内时间和车内拥挤程度,以及所选出行方式的主要特点(由强至弱)是零换乘、低票价、中途易更改出行意愿和运行稳定.最后根据上述结果,从调度指挥、对信息服务、交管保障三个方面进行了暴雨内涝天气下公交应急预案的探讨.     

双模式消声器气流再生噪声试验与仿真

为探究双模式消声器气流再生噪声,搭建了消声器试验台架,采用双传声器传递函数法和消声器静态传递损失法,在不同进口流速下,测量了双模式消声器在阀门关闭和打开状态下出口端气流再生噪声入射声功率和尾管噪声。试验结果表明,阀门打开时气流再生噪声与尾管噪声均降低,出口端气流再生噪声入射声功率最高下降1.1dB,尾管噪声最高下降2.3dB,直接验证了双模式消声器有助于降低气流再生噪声的特点。在试验基础上,建立了双模式消声器三维模型,通过Fluent有限元软件对消声器内部流场进行数值仿真,获得了消声器内部压力、气流流速及湍动能的分布特性。仿真结果表明,阀门打开时消声器内部压力、气流流速及湍动能均比阀门关闭时低。仿真和试验结果基本吻合。     

基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。     

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。     

煤矿井下R-OTDR光纤EEMDMAF去噪算法研究

针对煤矿井下管道存在的潜在瓦斯泄露、粉尘爆炸等问题,提出了基于Ｒ-OTDＲ( Ｒaman Optical Time Domain Ｒeflectometry) 分布式光纤温度传感器的管道安全监测方法,分析了Ｒ-OTDＲ 光纤的技术原理。对于采集过程中温度信号噪声干扰问题,分别采用滑动平均滤波和EEMD( Ensemble Empirical Mode Decomposition) 两种方法进行去噪。仿真结果表明,单独使用两种方法都不能得到最优的去噪结果。将融合滑动平均滤波及EEMD去噪算法,并采用3 个指标用于效果判定。实验结果表明: 先滑动平均再EEMD 能有效去除信号中的干扰噪声,极大地提高了信噪比和系统测量精度,相比传统算法而言,系统传感效率更高。     

基于空间分数阶复扩散的地震勘探噪声压制

沙漠地震勘探数据信噪比低,随机噪声主要为非平稳、非高斯的低频色噪声,利用常规噪声压制方法很难有效辨识与表征地震勘探信号,导致弱纹理结构信号的损失。针对此问题,引入分数阶梯度算子,提出空间分数阶复扩散随机噪声压制算法。该算法利用空间分数阶梯度增强地震信号的弱纹理和细节,在复扩散框架下,根据同相轴结构控制扩散强度。实验采用合成地震勘探数据和实际沙漠地震勘探数据评估算法性能,结果表明,提出的空间分数阶复扩散滤波算法可压制沙漠勘探随机噪声并保留有效信号结构。     

鸡源致病性大肠杆菌的分离鉴定及药敏试验

为了解鸡源致病性大肠杆菌的生物学特性和耐药性,试验通过采集病料、细菌分离培养、16S rRNA基因鉴定、致病性试验、药敏试验等方法。结果表明:分离出的20株细菌的培养特征、镜检特征均符合大肠杆菌特征;16S rRNA基因序列经BLAST比对与大肠杆菌同源性达99.9%～100%,确定20株分离菌为鸡源大肠杆菌;20株大肠杆菌的致病力为40%～100%;10株鸡源致病性大肠杆菌对15种抗菌药物均呈现多重耐药,耐药率为33.3%～93.3%,耐药情况较严重和复杂。