First nuclear transmutation of 237Np and 241Am by accelerator-driven system at Kyoto University Critical Assembly

This study demonstrates, for the first time, the principle of nuclear transmutation of minor actinide (MA) by the accelerator-driven system (ADS) through the injection of high-energy neutrons into the subcritical core at the Kyoto University Critical Assembly. The main objective of the experiments is to confirm fission reactions of neptunium-237 (²³⁷Np) and americium-241 (²⁴¹Am), and capture reactions of ²³⁷Np. Subcritical irradiation of ²³⁷Np and ²⁴¹Am foils is conducted in a hard spectrum core with the use of the back-to-back fission chamber that obtains simultaneously two signals from specially installed test (²³⁷Np or ²⁴¹Am) and reference (uranium-235) foils. The first nuclear transmutation of ²³⁷Np and ²⁴¹Am by ADS soundly implemented by combining the subcritical core and the 100 MeV proton accelerator, and the use of a lead-bismuth target, is conclusively demonstrated through the experimental results of fission and capture reaction events.     

中国散裂中子源靶体研制

中国散裂中子源(CSNS)靶体选用钨为靶材、钽为包覆层，采用包套法结合热等静压扩散焊工艺制备了钽包覆钨靶片。经检测，钨钽界面结合良好，钽层与钨基体平均结合强度大于64.07 MPa。靶体将钨靶片分成厚度不等的11片，散热采用一进一出的并行流结构，利用CFD软件进行了模拟计算，钨靶片间冷却流道间隙为1.2 mm，100 kW满功率运行情况下靶体最高温度为182.3 ℃，冷却水温升为7.1 ℃。经过半年多的试运行，CSNS靶体各参数满足CSNS的要求。     

Topological Characterization of Book Graph and Stacked Book Graph

Degree based topological indices are being widely used in computer-aided modeling, structural activity relations, and drug designing to predict the underlying topological properties of networks and graphs. In this work, we compute the certain important degree based topological indices like Randic index, sum connectivity index, ABC index, ABC₄ index, GA index and GA₅ index of Book graph B_n and Stacked book graph B_m,n. The results are analyzed by using edge partition, and the general formulas are derived for the above-mentioned families of graphs.     

基于压缩感知的移动群智感知任务分发机制

针对移动群智感知任务中区域全覆盖感知成本过高问题，提出基于压缩感知的移动群智感知任务分发（CS-TD）机制。首先提出了感知任务整体成本模型，该模型综合考虑了参与感知任务的节点个数、节点的感知次数与数据上传次数；然后基于成本模型，分析感知节点的日常移动轨迹，结合压缩感知数据采集技术，提出了一种基于感知节点轨迹的压缩感知采样方法；其次通过区域全覆盖最少节点（RCLN）算法，选出最佳节点集合，对节点进行任务分配，利用压缩感知技术恢复节点数据；最后在多次感知任务的迭代中对感知节点的可信程度进行评定，保证任务方案的最优性。对CS-TD分发模型进行多次实验验证，与已有的CrowdTasker算法相比，CS-TD算法平均成本降低了30%以上。CS-TD模型能有效降低感知节点的消耗，能在全覆盖感知任务中降低整体感知成本。     

基于stackelberg多步博弈的无人机协同搜索路径规划

考虑到现有无人机搜索问题研究中无人机、移动目标仅有一方具有远距离探测能力的设定，已经无法体现出战场环境下双方的博弈关系。针对这一不足，基于stackelberg均衡策略，结合多步预测的思想，提出了stackelberg多步博弈策略，实现了无人机、目标都具有远距离探测能力的博弈搜索。通过建立无人机、目标各自的路径收益函数，使双方能够根据不同时刻的博弈状态选择相对应的函数，实现无人机的动态路径规划。仿真结果表明所提出策略完全适用于该博弈模型，比贪婪策略具有更高的搜索效率，大大提高了目标捕获率。     

一种基于雷达图表示的数值型数据的CNN分类方法

卷积神经网络（convolutional neural networks， CNN）是一种广泛用于分析视觉图像的分类方法.由于数值数据存在着非线性、耦合性等复杂的空间关系，因此基于CNN的数值型数据的研究较少.本文的目的是找到一种可行的方法，将CNN的应用领域扩展到数值数据.于是提出了一种基于雷达图表示的数值型数据的CNN分类方法（Radar-CNN）.该算法首先将数值数据表示成雷达图形式，然后将其输入CNN中构建分类模型.为了进一步研究特征尺度和序列对性能的影响，提出了两种改进算法Rank Radar-CNN和SFS Radar-CNN.为了验证所提算法的有效性，引入TE化工过程数据集进行实验测试并比较，实验结果表明Radar-CNN及其改进算法具有优异的性能.     

高斯混合模型结合加权似然的目标跟踪算法

鉴于高斯混合模型对背景变化快时无法精确检测出目标和目标跟踪的适应性差等瑕疵，提出了基于加权似然跟踪器来改进高斯混合模型实现运动目标跟踪算法。主要引入了自适应高斯混合模型来实时检测运动目标，然后空间加权似然来进行视频中的目标定位，引入加权似然期望值来改进高斯混合模型处理视频中的多尺度、多角度变化的目标跟踪不精准问题。通过VOT 2014 dataset对比实验结果表明提出的基于加权似然跟踪（Weighted Likelihood Tracking，WLT）和改进高斯混合模型（Improved Gaussian Mixture Model，IGMM）的目标跟踪算法较传统高斯混合模型跟踪算法在跟踪的精度有较大提高。在应对多尺度、多角度变化的目标跟踪表现出了较大的优势。     

基于改进飞蛾扑火优化算法的MIMO雷达相位编码信号集设计

提出一种MIMO雷达相位编码信号集设计方法，该方法对飞蛾扑火优化算法进行改进，利用改进的飞蛾扑火算法优化相位编码信号集，提高其正交性.在改进方法中，增加对火焰的更新过程，使火焰不仅能够保存最优飞蛾位置还具有搜索最优解的功能.优化过程以自相关函数旁瓣峰值和、互相关函数峰值和，以及自相关函数旁瓣能量、互相关函数能量作为算法适应度函数.仿真实验结果表明，改进方法明显提高了飞蛾扑火优化算法的收敛速度和收敛精度，且优化得到的信号集具有较低的自相关旁瓣值和互相关值.     

采用一维物理光学法的天线罩瞄准误差补偿

针对雷达天线罩瞄准误差的补偿问题，提出了一种适用于各向同性的天线罩瞄准误差修正方法。构建了基于一维物理光学法的天线罩瞄准误差的数学模型，推导了雷达导引头测量目标角度和角速度的误差修正公式。试验结果表明，该方法有效降低了天线罩瞄准误差对目标角速度性能的影响。     

一种基于压缩感知的运动目标检测技术

运动目标检测是计算机视觉、图像处理等相关领域的研究热点，其核心就是对视频图像中的每一帧图像进行相应的研究和处理。本文主要研究思路是从压缩感知技术采样信号的角度出发，将每一帧的二维图像压缩采样成具有少量信息的一维信号，再通过信号重构用少量数据量将图像重构出来，最后通过目标检测技术对每一帧的图像进行运动目标提取。仿真实验表明该方法是可行和有效的，同时可以大大减少目标检测中所记录的数据量，解决海量数据的存储与传输问题。