基于竖缝式鱼道的鱼类上溯试验研究

为分析影响鱼类上溯的影响因素，基于竖缝式鱼道对19～27 cm体长范围内的鲫鱼开展连续上溯试验。通过物理模型和数值模拟相结合的方法，对鲫鱼上溯过程的位置与数值模拟得到池室内部的流速场和紊动能叠加分析，得到鲫鱼上溯所喜好的流速范围。试验结果表明，体长为19～27 cm的鲫鱼上溯所喜好的池室流速范围为0.091～0.524 m/s,试验中水流的紊动能最大值为0.035 6 m²/s²,小于0.050 m²/s²,属于低紊动能区，适合鱼类上溯，鱼类在上溯过程中会寻找流速和紊动能低的地方进行上溯。研究成果可为其他鱼类上溯提供参考。     

地方高校大型分析仪器设备开放共享机制的探索

实验室是高校提高教学质量的前提与基础，通过推进大型分析仪器设备的开放与共享能够切实延伸实验室的育人维度和实践功能。然而在大型分析仪器设备开放共享的过程中存在理念、组织、经费及评价机制等层面上的问题，影响到大型分析仪器开放共享的质量和效率。对此结合我校在大型分析仪器设备开放共享中的具体问题，提出相对应的开放共享机制，促进大型分析仪器设备更好地服务于教学、科研及地方经济。     

变形矩形和V形微屏蔽线传输特性的矢量有限元计算

微屏蔽线在使用过程中难免会产生变形。本文利用矢量有限元法讨论了矩形微屏蔽线和V形微屏蔽线的变形对其传输特性的影响，其中传输特性包括主模截止波长、单模带宽和主模电场结构。计算结果显示，两种微屏蔽线的变形对三种传输特性均有较大影响，这些数值计算结果对两种微屏蔽线在使用过程中出现变形时对整体器件的影响有较强的指导意义。     

静电纺丝法制备PLA/rGO纳米纤维膜及其在油水分离中的应用

使用改进的hummers法制备了氧化石墨烯，并用抗坏血酸还原了氧化石墨烯制备了具有疏水性能的rGO。使用静电纺丝的方法制备了PLA/rGO纳米纤维膜，探究了rGO的加量对PLA纳米纤维膜疏水性的影响。PLA/rGO纳米纤维膜的红外光谱与拉曼光谱图表明PLA与rGO为物理混合，在静电纺丝的过程中没有发生化学变化。研究发现在rGO加量为0.14%时，纳米纤维膜的接触角从118°增加到了139.2°,并且实验证明此膜具有良好的耐酸碱能力，滴定不同pH的溶液时，此膜的接触角均能达到125°以上。从油水分离实验发现PLA/rGO纳米纤维膜的油通量能达到141.3 L/（m²·h）,油水分离效率能达98.6%。     

广义正交码索引调制系统的性能分析

摘 要：为了提高码索引调制（code index modulation，CIM）系统的传输效率，提出了一种具有更低复杂度的单输入单输出（single input single output，SISO）的广义正交码索引调制（generalized orthogonal code index modulation，GQCIM）系统。CIM 系统使用扩频码和星座符号传输信息，但只能激活两个扩频码索引和一个调制符号。而 GQCIM 系统以一种新颖的方式克服了只激活一个调制符号的限制，同时充分利用了调制符号的正交性，增加扩频码索引以传输更多的额外信息位，提高了系统的传输效率。此外，分析了GQCIM系统的理论性能，推导了误码率性能的上界。通过蒙特卡罗仿真验证了GQCIM系统的性能，对比发现GQCIM系统的理论和仿真性能一致。而且在相同的传输效率下，结果显示GQCIM系统的性能优于同样具有正交性的调制系统，如广义码索引调制（generalized code index modulation，GCIM）系统、CIM系统、码索引调制-正交空间调制（code index modulation aided quadrature spatial modulation，CIM-QSM）系统、码索引调制-正交空间调制（code index modulation aided spatial modulation，CIM-SM）系统、脉冲索引调制（pulse index modulation，PIM）系统。     

“碳化硅功率半导体技术”专题前言

半导体功率器件(即电力电子器件)是电力电子技术的三大核心基础之一,被比作电力电子装置的“CPU”。现有功率器件多采用Si基或SOI基,但是受限于自身材料特性的影响,在节能与转换效率方面越来越显示出他们的局限性。为解决上述问题,半导体功率器件除了继续对传统器件进行新理论和新结构的创新研究外,也正在遵循“一代材料、一代器件、一代装置、一代应用”的发展趋势,从传统的Si基和SOI基向宽禁带半导体SiC和GaN基进行扩展和延伸。     

基于半监督卷积神经网络的心律不齐分类

心律不齐早期的检测和分类有十分重要的价值.然而,由于心律不齐特征不够明显、不同人体心电信号存在较大的差异性等问题,心律不齐分类技术在现实中的应用存在很大困难.针对上述问题,提出了一种基于半监督卷积神经网络的心律不齐分类方法.首先,对心电信号进行马尔可夫变迁场变换将其变为二维图像;然后,迁移二维卷积神经网络训练得到普通模型;最后,使用半监督训练的方法得到特定模型,使用得到的特定模型对特定病人的心电信号进行分类.该方法从二维图像中提取更高层次的特征来提高分类性能,并有效地克服不同人体心电信号之间的差异性,增强了模型的泛化能力.遵循美国医疗器械促进协会标准,使用麻省理工学院和波士顿贝丝以色列医院心律不齐数据库中的数据,完成了心律不齐五分类,总准确率达到了97.9％,提升了心律不齐分类技术的现实应用价值.