一种制备细胞色素C的方法

为了保证细胞色素Ｃ药用的安全性，需要高纯度的细胞色素Ｃ。对新鲜猪心采取提取、吸附、洗脱、去杂、沉淀、树脂纯化等一系列方法，从而制得了纯度较高的细胞色素Ｃ。     

改进Mask R-CNN模型的海洋锋检测

目的 海洋锋的高效检测对海洋生态环境变化、渔业资源评估、渔情预报及台风路径预测等具有重要意义。海洋锋具有边界信息不明显且多变的弱边缘性,传统基于梯度阈值法及边缘检测的海洋锋检测方法,存在阈值选择不固定、判定指标不一致导致检测精度较低的问题。针对上述问题,基于Mask R-CNN（region convolutional neural network）提出一种改进的海洋锋自动检测方法。方法 兼顾考虑海洋锋的小数据量及弱边缘性,首先对数据扩增,并基于不同算法对海表温度（sea surface temperatures,SST）遥感影像进行增强;其次,基于迁移学习的思想采用COCO（common objects in context）数据集对网络模型进行初始化;同时,对Mask R-CNN中残差神经网络（residual neural network,ResNet）和特征金字塔模型（feature pyramid network,FPN）分别进行改进,在充分利用低层特征高分辨率和高层特征的高语义信息的基础上,对多个尺度的融合特征图分别进行目标预测,提升海洋锋的检测精度。结果 为验证本文方法的有效性,从训练数据和实验模型上分别设计多组对比实验。实验结果表明,相比常用的Mask R-CNN和YOLOv3（you only look once）神经网络,本文方法对SST梯度影像数据集上的海洋锋检测效果最好,海洋锋的定位准确率（intersection over union,IoU）及检测平均精度均值（mean average precision,mAP）达0.85以上。此外,通过对比分析实验结果发现,本文方法对强海洋锋的检测效果明显优于弱海洋锋。结论 本文根据专家经验设立合理的海洋锋检测标准,更好地考虑了海洋锋的弱边缘性。通过设计多组对比实验,验证了本文方法对海洋锋的高精度检测效果。     

Partial Label Learning via Conditional-Label-Aware Disambiguation

Partial label learning is a weakly supervised learning framework in which each instance is associated with multiple candidate labels,among which only one is the ground-truth label.This paper proposes a unified formulation that employs proper label constraints for training models while simultaneously performing pseudo-labeling.Unlike existing partial label learning approaches that only leverage similarities in the feature space without utilizing label constraints,our pseudo-labeling process leverages similarities and differences in the feature space using the same candidate label constraints and then disambiguates noise labels.Extensive experiments on artificial and real-world partial label datasets show that our approach significantly outperforms state-of-the-art counterparts on classification prediction.     

扩展BVP振子弱周期扰动下的振荡与同步

针对扩展bonhoeffer-van der pol(BVP)振子易受不确定因素影响的问题,提出了将非线性动力学分析与数值模拟相结合的方法,并考察了弱扰动对混合模式振荡类型和同步行为的影响.根据模拟结果得知,多种类型的混合模式振荡受弱扰动的影响出现了坍塌现象,且从理论上证明了两个耦合bonhoeffer-van der pol振子的膜电压比慢变量到达完全同步时所需的耦合强度要大,在二维参数平面上,膜电压到达同步时所取参数范围应小些.结果表明,与膜电压相比,慢变量更容易达到同步,且变量之间呈现一种线性关系.     

基于稀疏重构的窄带弱信号时延估计算法

提出了一种基于稀疏重构的窄带弱信号时延估计算法.利用信号的互相关谱构造数据矩阵,然后建立时延参数的冗余字典,最后通过矩阵奇异值分解在信号子空间中利用正交匹配追踪算法得到高精度时延估计.理论分析和仿真实验验证了算法的正确性和有效性.相比于传统方法,该算法可将窄带弱信号时延估计精度提高约1倍.     

基于锁相放大算法的微弱光谱分析

由于强噪声背景的影响,在进行光谱探测的过程中收集到的信号很微弱。为了能有效的去除噪声,提出了采用锁相放大算法去除噪声提取光谱特征信号的方法。研制编写锁相放大算法,对收集的光谱数据进行处理,分析处理后的结果,光谱特征获得了放大,进一步进行两种结果的中值归一化对比,该光谱曲线与原始光谱曲线线型基本一致,且具有平滑去噪效果。该成果对微弱光谱信号去除噪声的研究具有实际意义。     

基于随机共振原理的低频弱信号检测方法研究

介绍了双稳系统,讨论了产生随机共振的条件以及输出频谱的特性。针对原双稳系统不能检测中低频率信号的问题,利用参数变换原理,推导出了一种新的模型,阐述与分析了该模型的参数变化对输出混合信号的影响。模型相对于经典双稳系统模型降低了对输入的要求。     

窄带弱信号检测中的随机共振现象研究

针对雷达、声纳和通信等领域中频段信号经常受窄带噪声污染的问题,本文采用随机共振理论,对窄带噪声环境下的弱信号检测及其随机共振现象进行研究。在圆对称概率密度的窄带非高斯噪声环境下,建立了窄带弱信号观测模型,并对局部最优检测器、广义窄带相关检测器和硬限幅窄带相关检测器中的随机共振现象的存在性进行分析与仿真,同时对给定次优系统中的随机共振性能与自适应次优系统最佳性能进行比较。研究结果表明,噪声与检测器结构参数都可视为影响检测器性能的重要因素,在局部最优检测器中不存在随机共振现象;在广义相关检测器中,广义瑞利噪声环境下的次优系统中存在随机共振现象;在硬限幅窄带相关检测器中,非尺度噪声如莱斯噪声环境下也证实了随机共振现象。该研究为提高雷达和通信领域的信号检测性能提供了理论依据。     

北斗导航系统 B1频点弱信号捕获技术研究

针对BDS（北斗卫星导航系统） B1频点的D1导航电文因存在NH码二次调制,导致相干累积时间不能超过1ms,从而影响了增益累积效果,降低了弱信号捕获性能的问题,基于NH码与CB1I码叠加码的自相关性,提出了一种改进的基于全比特累积的差分相干算法来实现BDS弱信号捕获。该算法通过将非相干算法和传统差分相干算法有效结合来解决传统差分相干算法不适用于长时间相干累积的问题。为了验证算法的捕获性能,将改进的算法与基于全比特累积的非相干算法对BDS－B1频点弱信号的捕获性能进行了比较。仿真结果表明,改进算法能够实现信号功率低至－178 dBW的BDS－B1频点弱信号的捕获。     

含软弱夹层的某公路边坡开挖支护数值模拟分析

基于某含有软弱夹层的公路边坡工程,利用有限元软件对其开挖支护过程进行数值模拟分析,计算考虑了2种不同的开挖工况：1）只开挖不支护;2）开挖并及时支护。研究表明：在开挖未支护时,边坡开挖完成后安全系数小于1,边坡整体都发生很大位移,将沿着软弱夹层带发生破坏;在开挖并及时支护时,边坡位移明显减小,软弱夹层附近塑形变形区得到了有效控制,且开挖完成后安全系数为1．87,满足设计要求。