CPM-LFM雷达通信一体化共享信号探测性能研究

为了在现有脉冲体制雷达上同时实现雷达探测和数据通信的功能,提出了基于连续相位调制-线性频率调制的雷达通信一体化共享信号.首先推导了一体化信号模糊函数并与线性调频信号进行对比,然后分析了信号的时延与多普勒分辨力,最后采用加窗反卷积方法实现脉压旁瓣抑制,得到了主副瓣比大于30 d B的脉压输出.理论分析和仿真结果表明,该信号在携带通信信息后雷达探测性能仍然满足探测需求,是一种适用于雷达通信一体化的信号类型.     

COLOURING OF PURE IRON AFTER Ti~＋-O~＋ DUAL ION IMPLANTATION

用电化学的方法对经Ｔｉ~＋－Ｏ~＋二重离子注入后的钝铁表面进行处理，可呈现出深蓝、海蓝、褐、紫、金黄、淡黄等颜色用Ｘ射线光电子能谱（ＸＰＳ）对着色表面进行分析，发现表层有ＴｉＯ＿２富集，证明存在钛的氧化物是着色的必要条件．同时着色后的表面存在Ｔｉ的浓化层，着色的深浅程度与钛的浓度有关     

大型锻钢件质量保证技术

<正> 一、绪言通过热自由锻锻造的大型锻钢件多用作造船、电力、冶金、石油化学等工业用设备部件。日本作为世界上超大型锻钢件制造的先驱,1969年生产的低合金钢钢锭最大为400t,1980年为570t,在1986年首次浇注,锻造了600t 的低合金钢锭。现在世界上每年浇注40余支350t 以上的钢锭用于大型锻钢件的制造。     

用压力直接电检测原理改善三通比例减压阀的性能

本文介绍的三通比例减压阀应用了压力直接电检测原理和PID调节技术并采用滑阀式A型液压半桥作先导级,进一少提高了阀的动静态性能。论文还就这一控制原理的机理作了研究,获得一些有益的结论。     

对偶算法在紧框架域TV-L1去模糊模型中的应用

目的 建立准确的数学模型并获得有效的求解算法是图像恢复面临的“两难”问题,非光滑型能量泛函有利于准确描述图像的特征,但很难获得有效的求解算法。提出一种拟合项和正则项都是非光滑型能量泛函正则化模型,并推导出有效的交替迭代算法。方法 首先,对系统和椒盐噪声模糊的图像,在紧框架域,用L₁范数描述拟合项,用加权有界变差函数半范数描述正则项。其次,通过引入辅助变量,将图像恢复正则化模型转化为增广拉格朗日模型。再次,利用变量分裂技术,将转化模型分解为两个子问题。最后,利用Fenchel变换和不动点迭代原理,将子问题分别转化为对偶迭代子问题和松弛迭代子问题,并证明迭代子问题的收敛性。结果 针对图像恢复模型的非光滑性,提出一种交替迭代算法。仿真实验表明,相对传统算法,本文算法能有效地恢复系统和椒盐噪声模糊的图像,提高峰值信噪比大约0.51分贝。结论 该正则化模型能有效地恢复图像的边缘,取得较高的峰值信噪比和结构相似测度,具有较快的收敛速度,适用于恢复椒盐噪声模糊的图像。     

RFID系统的安全隐患问题综述

RFID技术及应用越来越广泛,但由于成本较高,还存在一些安全隐患的原因,使RFID的应用受到了一些限制。文章分析了RFID系统存在的安全隐患和实现RFID安全机制常采用的方法,提出前人解决方案中存在的问题,给出了解决RFID系统中的安全隐患的方法。     

一种圆柱齿轮测量控制系统研究与设计

该文设计了一种圆柱形型齿轮测量测控系统。该系统由底层接口软件和上层应用软件两大模块组成,可控制齿轮测量仪完成齿轮齿廓、齿距、螺旋线等的测量,并可以对测量后产生的数据进行分析、评定,生成测量报告。     

西班牙灌溉现代化对水质和水量的影响研究

以西班牙埃布罗（Ebro）河流域为例,分析了灌溉现代化过程对水量和水质的影响,旨在对优化农业用水进行深入分析和讨论,研究过程使用了基于水量核算的概念性方法。结果表明,如果灌区的位置和灌溉回流水质允许再次使用回流水,则灌溉现代化仍涉及耗水量增加的问题。另外,灌溉现代化减少了灌溉回流的水量和污染物的含量,提高了接收水体的水质。水管理现代化是使新的灌溉基础设施所产生的经济、社会和环境效益最大化的需要。     

提升机综合后备保护装置减速点的设置方法

依次给出了提升机综合后备保护装置减速点到停车位距离的粗略计算公式、某段(点)到停车位的安全制动距离计算公式、某段(点)到停车位的超速持续判断安全制动距离的计算公式及减速点到停车位的超速持续判断安全制动距离的计算公式,在井口下与井口相距该安全制动距离的点即设置为减速点。该方法适用于提升机电控系统减速点随载重量自动调整时后备保护减速点的设置。应用结果表明,根据该方法设置的提升机综合保护装置减速点可保证在提升机电控系统减速点失效后使提升容器在井口以下安全停车,可靠性高。     

针对ＬＳＢ隐写的语音隐写分析方法

本研究对常用的最低有效位(LSB)隐写技术进行了隐写分析。在目前的网络环境中,检测低嵌入率语音隐写信号仍然是一个非常有挑战性的课题。近年来,神经网络模型在许多课题中都取得了显著的性能。神经网络的主流架构包括卷积神经网络(Convolution neural Networks, CNNs)和循环神经网络(Recurrent neural Networks, RNNs),这两种网络采用了不同的方式来理解各种信号。本文提出了一种合适的方法来结合这两种架构的优点,然后构造了一个新的模型,即CNN-LSTM网络来检测基于LSB的隐写方法。在本文提出的模型中,使用双向长短时记忆循环神经网络(BiLSTM)来捕获信号的长时间上下文信息,然后使用CNN捕获局部特征和全局特征。实验结果表明,该模型相较对比方法对于基于LSB的隐写分析达到了更好的效果。