一种基于抽取LMS的距离旁瓣抑制方法

在噪声雷达中，传统相关处理方法的距离旁瓣受到时宽带宽积的限制，在有限相关处理时间内得到的距离旁瓣较高，会造成微弱目标被强目标、杂波旁瓣淹没的现象。提出一种基于抽取最小均方（Least Mean Square,LMS）滤波的噪声雷达旁瓣抑制方法，将LMS滤波器的系数作为距离压缩结果，从而获取较低的距离旁瓣。对该方法的性能进行了理论分析，并通过数字仿真验证了算法的有效性和理论分析的正确性。     

高面板坝全寿命周期变形控制方法及应用

高面板坝的变形对面板的安全运行有着特别重要的影响，国内外已建的高面板坝工程中，因坝体变形大导致防渗面板挤压破损，坝体渗漏量大的实例较多，不得不降低水库水位进行修复处理，造成较大的经济损失乃至给大坝的长期运行留下安全隐患。通过发生挤压破损的实例分析，发现变形控制缺乏系统性是发生面板挤压破损的主要因素，为预防面板破损，系统提出了“控制坝体总变形，转化有害变形，适应纵向变形”的坝体变形控制方法，并在使用软硬岩混合料筑坝的董箐面板堆石坝中得到的应用，取得了良好效果，该工程运行至今达十余年，未见面板有挤压破损迹象，该方法对建设200 m以上乃至300 m级超高面板坝具有重要借鉴意义。     

高效液相色谱法测定化妆品中依克多因的含量

建立高效液相色谱法测定化妆品中依克多因的分析方法,采用Agilent Poroshell 120 EC-C₁₈色谱柱（100 mm×3.0 mm,2.7μm）分离,以甲醇和p H为3.0的40 mmol/L磷酸二氢钠-10 mmol/L 1-庚烷磺酸钠缓冲溶液梯度洗脱,流速0.8 m L/min,柱温30℃,检测波长210 nm。采用外标法定量测定化妆品中的依克多因含量。结果表明,依克多因在5～800 mg/L的质量浓度范围内呈现良好线性关系,相关系数为0.999 8,方法的检出限和定量限分别为0.3和1.0 mg/L。该方法具有分离效率高、分析时间短、节省溶剂等优点,解决了依克多因在C₁₈色谱柱上保留弱的问题。     

基于电信号特征分析的电机故障诊断技术

介绍了电机故障诊断技术平台的组成,分析了电机常见故障下电信号的特征。利用宜昌和景洪工厂两台电机进行了实际对比测试,宜昌工厂电机定子电流特征频率在49.2Hz时表现出峰值-36.08dB,在50.8Hz时表现峰值则为-37.23dB,表明电机存在转子断条故障;景洪工厂电机在转子特征频率为113.51Hz时,出现峰值-58.47dB,表明电机存在静态偏心故障。经电机现场抽芯检查,验证了电机故障快速诊断平台给出的电机健康状态评估结果,证实了基于电信号特征分析的电机故障诊断技术的准确性。     

超稳光纤链路的理论与实践

超稳光纤链路这个概念包含超稳频率光源和超稳频率传递的光纤链路。从当前看,如何利用已有庞大的公用电信网、专用网的光纤和光网络的资源,选择一个通用的光纤通路改造成超稳光纤链路来实现频率传递,取代基于卫星的频率传递,提高传输的频率精度,这是一个巨大的系统工程。本文对超稳频率光源和超稳频率传递的光纤链路的关键技术进行研究和讨论。     

超高分子量聚乙烯纤维增强中空蜂窝模压复合材料性能研究

为研制车船等壳体所用的轻质、高强复合板材,选用超高分子量聚乙烯(UHMWPE)短纤维纱,制备成单层经纬为120根/(10 cm)的平纹组织,采用多组经纱持续更替交织层的方法制成2L(1+0)型、4L(2+1)型、6L(3+2)型3种多层角联锁结构织物,采用扦插芯棒、模压成型方法制成菱形蜂窝状的热固性环氧树脂基中空板,并与2块真空吸液法制成的面板组成“三合一”复合板,同时测定了复合板材的结构特征及其平拉、平压和弯曲性能。结果表明:3种类型复合板的密度均远小于水的密度,其中6L(3+2)型最小,为0.48 g/cm³;复合板层数越多,环氧树脂越难渗透尤其是在中空板菱形交叉点处,复合板平拉、平压、抗弯曲强度则呈现递增,制成的6L(3+2)型复合板试样平压强度可达到1.03 MPa。     

Fabrication of high-efficiency Yb:Y2O3 laser ceramics without photodarkening

High-efficiency Yb:Y₂O₃ laser ceramics were fabricated using the vacuum-sintering plus hot isostatic pressing (HIP) without sintering additives. High-purity well-dispersed nanocrystalline Yb:Y₂O₃ powder was synthesized using a modified co-precipitation method in-house. The green bodies were first vacuum sintered at a temperature as low as 1430°C and then HIPed at 1450°C. Finally, the samples were air annealed at 800°C for 10 h. Although no sintering aids were used, full density of the samples with excellent optical homogeneity and an inline transmission of 80% at 400 nm could be obtained. Moreover, photodarkening phenomenon was not detected in the ceramics. Preliminary laser experiment with the fabricated ceramics in a two-mirror cavity has demonstrated 32 W continuous-wave (CW) output at ∼1077 nm with an optical-to-optical conversion efficiency of 58.2%. To the best of our knowledge, this is so far the highest CW output power and optical-to-optical conversion efficiency achieved with the Yb³⁺-doped sesquioxide ceramics in a simple two-mirror cavity.     

Omega-6支撑身体，Omega-3支撑大脑：均衡摄入对儿童大脑发育的影响（网络首发、推荐阅读）

人体大脑和身体的发育，需要从食物中摄取均衡的营养物质。人类大脑是区分人类和其他动物的特征。食物中的必需脂肪酸是机体组织结构和功能的必要组成部分。Omega-6（O6）亚油酸（LA6）是皮肤组织的组成成分，且是炎症、血栓形成、免疫和其他信号分子的前体；Omega-3（O3）α-亚麻酸（ALA3），特别是其长链代谢产物——二十二碳六烯酸（DHA3），是大脑、视网膜和部分神经组织中的关键组分。从富含LA6脂肪酸（缺乏O3脂肪酸）的植物籽中提取出的廉价而优质油脂，是20世纪的西方国家食品工业生产的主要脂肪来源。在代谢通路中，高浓度的LA6脂肪酸可拮抗O3脂肪酸代谢，造成O3脂肪酸不足，因此，在给怀孕动物的饲料中，只提供富含LA6但缺乏O3脂肪酸的油脂作为唯一的脂肪来源，会导致幼崽大脑发育不良。过去20~30年的研究表明，低含量LA6且含DHA3的油脂可改善大脑的功能。近年来的研究较多集中在营养因素对大脑发育的影响，最新研究数据表明，脂肪酸平衡对营养不良儿童的大脑发育尤为重要。世界卫生组织（WHO）越来越重视大脑的营养健康，通过其下属的食品法典委员会，建议用于治疗严重急性营养不良儿童的即食治疗食品中，使用含有均衡脂肪酸组成/构成的脂肪。同样，脂肪酸均衡对老年人可能也很重要。目前，业界已经有了调整油脂成分的方法，以确保脂肪酸均衡，从而维持人体整个生命周期的大脑健康。     

Convolutional Neural Network Auto Encoder Channel Estimation Algorithm in MIMO-OFDM System

Higher transmission rate is one of the technological features of prominently used wireless communication namely Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing (MIMO–OFDM). One among an effective solution for channel estimation in wireless communication system, specifically in different environments is Deep Learning (DL) method. This research greatly utilizes channel estimator on the basis of Convolutional Neural Network Auto Encoder (CNNAE) classifier for MIMO-OFDM systems. A CNNAE classifier is one among Deep Learning (DL) algorithm, in which video signal is fed as input by allotting significant learnable weights and biases in various aspects/objects for video signal and capable of differentiating from one another. Improved performances are achieved by using CNNAE based channel estimation, in which extension is done for channel selection as well as achieve enhanced performances numerically, when compared with conventional estimators in quite a lot of scenarios. Considering reduction in number of parameters involved and re-usability of weights, CNNAE based channel estimation is quite suitable and properly fits to the video signal. CNNAE classifier weights updation are done with minimized Signal to Noise Ratio (SNR), Bit Error Rate (BER) and Mean Square Error (MSE).     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。