用聚碳硅烷制备柔性疏水型碳化硅纤维毡(英文)

以聚合物先驱体转化法用陶瓷工艺与静电纺丝技术相结合制备了碳化硅(SiC)陶瓷纤维毡。以聚碳硅烷为先驱体,利用静电纺丝技术制备先驱体原纤维毡。原纤维毡经过低温交联和1 000℃以上热解,得到SiC纤维毡。当温度达到1 200℃时,纤维毡为多晶态,保持典型的三维网络结构,纤维直径约为1.1mm。电子探针分析表明,纤维毡化学组成为Si、C、以及少量O元素。SiC纤维毡具有良好的疏水性,疏水角大于130°。1 000℃热解制备的SiC纤维毡的拉伸强度为0.6MPa,断裂伸长率为45%,可应用于高温极端环境。     

贻贝多糖对高脂饮食诱导的载脂蛋白E基因敲除小鼠非酒精性脂肪肝的改善作用

本研究探讨海洋贻贝多糖（mussel polysaccharide α-D-Glucan,MP-A）对高脂饮食（high fat diet,HFD）诱导的载脂蛋白E基因敲除（apolipoprotein E?/?,ApoE?/?）小鼠非酒精性脂肪肝（non-alcoholic fatty liver disease,NAFLD）的改善作用。20只C57BL/6J正常小鼠随机分为两组:正常组、正常+MP-A组,20只ApoE?/?小鼠随机分为两组:模型组、模型+MP-A组,每组10只。ApoE?/?小鼠喂食高脂饮食诱导NAFLD模型,MP-A灌胃干预后,通过血清和肝脏甘油三酯（triglyceride,TG）、总胆固醇（total cholesterol,TC）水平检测,肝组织病理形态学检查等进行疗效评价,同时考察脂代谢和胆固醇代谢相关受体的mRNA和蛋白表达水平。结果显示,与模型组比较,MP-A灌胃7周后,模型+MP-A组小鼠体重增长率（P<0.05）、血清TG水平（P<0.01）、肝脏TG和TC水平显著降低（P<0.05）。组织形态学显示模型+MP-A组小鼠肝脏脂质液泡显著减少。此外,与模型组比较,模型+MP-A组可显著降低小鼠肝脏脂肪酸合成酶（fatty acid synthase,FAS）的mRNA表达水平（P<0.05）,显著上调胆固醇7α-羟化酶（cholesterol 7α-hydroxylase,CYP7A1）的mRNA表达水平（P<0.05）。与模型组比较,模型+MP-A组肝组织法尼酯受体（farnesoid X receptor,FXR）、CYP7A1蛋白表达均显著上调（P<0.05）,固醇调节元件结合蛋白-1C（sterol regulatory element-binding protein,SREBP-1C）、FAS蛋白表达均显著降低（P<0.05）。以上结果表明MP-A对肝脏脂质代谢密切相关的FXR-SREBP-1C-FAS信号通路和CYP7A1受体的表达具有显著影响,可抑制肝脏TG的积累,显著改善HFD诱导的NAFLD,具有重要的开发潜力。     

自支撑硅氧碳纳米镶嵌复合薄膜基板的制备及导热性能研究

利用先驱体熔融纺膜法,经熔融纺膜、氧化交联及900~1 200℃不同裂解温度制得系列自支撑硅氧碳纳米镶嵌复合薄膜。利用红外光谱(FT-IR)分析氧化交联后及高温裂解薄膜的结构变化,通过X射线衍射(XRD)、拉曼光谱(Raman)与扫描电镜(SEM)对薄膜微观结构及形貌进行分析,采用电阻测试仪和激光热导仪对其进行电阻率与热导率进行表征。结果表明,硅氧碳纳米镶嵌复合薄膜具有较好的绝缘性能与热传导能力,随着裂解温度升高,薄膜电阻率减小,热导率大幅度增大。1 200℃制备的样品具有合适电阻率和最佳热导率(46.8 W/(m·K)),薄膜以非晶态相SiOxCy和游离碳为基体,细小等轴β-SiC晶弥散分布在基体中,其表面平整度高通过丝网印刷可获得两条平行的均匀致密高温银浆电路层,有望大规模应用于大功率LED封装散热基板。     

基于时空相关属性模型的公交到站时间预测算法

公交车辆到站时间的预测是公交调度辅助决策系统的重要依据,可帮助调度员及时发现晚点车辆,并做出合理的调度决策.然而,公交到站时间受交通拥堵、天气、站点停留和站间行驶时长不固定等因素的影响,是一个时空依赖环境下的预测问题,颇具挑战性.提出一种基于深度神经网络的公交到站时间预测算法STPM,算法采用时空组件、属性组件和融合组件预测公交车辆从起点站到终点站的总时长.其中,利用时空组件学习事物的时间依赖性与空间相关性.利用属性组件学习事物外部因素的影响.利用融合组件融合时空组件与属性组件的输出,预测最终结果.实验结果表明,STPM能够很好地结合卷积神经网络与循环神经网络模型的优势,学习关键的时间特征与空间特征,在公交到站时间预测的误差百分比和准确率上的表现均优于已有的预测方法.     

截断式原模图低密度奇偶校验卷积码边扩展优化

截断式原模图低密度奇偶校验(LDPC)卷积码(P-LDPC-CCs)结合了原模图LDPC(P-LDPC)码和卷积码的特点,具有多变的编码构造方式和优异的纠错性能,实现了编译码低时延特性.边扩展作为构造截断式原模图LDPC卷积码基础矩阵关键步骤,是影响其性能的重要因素.该文提出了一种边扩展优化方法.该方法利用原模图外信息转移(P-EXIT)算法理论分析基础矩阵的译码门限,引入差分进化思想搜索一定条件下最优的边扩展方式.理论分析与系统仿真结果均表明所提边扩展优化方法比现有的方法具有更好的性能.     

面向多说话人分离的深度学习麦克风阵列语音增强

随着近年来人机语音交互场景不断增加,利用麦克风阵列语音增强提高语音质量成为研究热点之一。与环境噪声不同,多说话人分离场景下干扰说话人语音与目标说话人同为语音信号,呈现类似的时、频特性,对传统麦克风阵列语音增强技术提出更高的挑战。针对多说话人分离场景,基于深度学习网络构建麦阵空间响应代价函数并进行优化,通过深度学习模型训练设计麦克风阵列期望空间传输特性,从而通过改善波束指向性能提高分离效果。仿真和实验结果表明,该方法有效提高了多说话人分离性能。     

面向船载远程会议的麦克风阵列高精度DOA估计

随着船舶智能化水平提高,船载远程会议系统对提高应急处理能力、推进船岸一体化网络建设有重要意义,麦克风阵列是保证远程会议系统语音效果和支持多模态交互的重要语音前端。但船舶舱室狭小尺寸一方面导致只能采用小尺寸麦阵,另一方面小舱室导致的强混响以及嘈杂舱室噪声也使传统麦克风阵列算法性能严重下降。考虑船舶舱室复杂环境下小尺寸麦阵DOA估计场景,提出了一种轻量级Mask-DOA估计神经网络模型。该方法在DOA估计神经网络引入Mask算法降低噪声和混响的干扰,并提取增强后的GCC-PHAT作为网络特征,从而在小尺寸麦阵上实现高精度DOA估计。仿真和实验结果表明,所提出的Mask-DOA模型面对复杂的船舶舱室环境更鲁棒,泛化能力更强。     

基于B/S架构的复杂抽样调查统计推断系统

基于B/S构架的复杂抽样调查统计推断系统采用跨平台设计,与业务系统及数据库无缝链接。系统提供随机抽样、分层抽样、Neyman分层抽样、不等概率抽样(PPS)、多阶段抽样等常用抽样算法。系统用户根据研究目标自定义组合抽样方法,系统根据样本和总体属性及用户抽样方案自动推算统计推断结果及置信区间,实现抽样调查、统计推断的自动化与系统化。