玻璃钢包扎在煤气管道加强上的应用

介绍了玻璃钢包扎煤气管道的施工材料、施工流程及要点，指出了此方法应用在煤气管道加强上的优点。     

基于高阶累积量的酉变换DOA估计算法

目前将酉变换算法用于奇数阵元均匀圆阵时需要利用模式空间算法进行预处理,而模式空间算法需要阵元数过多,且与酉变换算法结合后只能针对特定俯仰角在方位向上进行一维搜索.针对问题提出利用高阶累积量算法对阵列接收数据进行预处理,为提高测向精度和估角性能,利用酉变换算法将预处理得到的高阶累积量矩阵实数化.与模式空间算法相比上述方法降低了对阵元个数的需要,并且能够直接进行二维谱峰搜索.与经典多重信号分类算法(MUSIC)相比,在不增加特征值分解及谱峰搜索计算量的情况下,提高了算法的分辨力.按照给出的算法原理,通过仿真试验验证了所得的结论的正确性.     

140 GHz回旋管高转换效率准光模式变换器设计研究（英文）

成功实现高转换效率的140 GHz TE22,6准光模式变换器原型设计。基于周期微扰原理设计Denisov辐射器,实现低边缘绕射的初级出射波束。针对三镜面光路系统,采用全矢物理光学积分作为主要计算手段,围绕主极化场分量进行三级相位修正面迭代优化,实现高出射高斯纯度的模式场转换,其中一级镜的修正有效改善了辐射器出射的不理想性。基于全矢数值仿真确认,相比原二次曲面原型设计,相位修正后的变换器系统的出射高斯纯度从92.7%提高到99.6%,结合98.8%以上的功率传递效率,实现了性能优越的高阶回旋管准光模式变换器原型设计。     

广告费花得值不值──电脑网络类广告上海投放效果分析

现代战争已放弃狂轰滥炸,目前流行的精确定位轰炸效果更好,当然钱也省了不少。现代战争的武器杀伤力也越来越强,当然,如果没有瞄准目标,杀伤力再强也是白搭。商场如战场,目前杀声震天的广告战正如火如茶,广告战效果如何．且看本文分解。     

余弦加权抗抖动脉冲分选算法

为了改善直方图算法在雷达信号分选时的抗抖动性能,提出了一种基于余弦加权的分选算法.该方法采用可变长度的交叠箱,收集到的雷达脉冲重复间隔(PRI)落入数个连续的箱体,对这些箱体的直方图增量进行归一化余弦平滑加权,在超过门限的谱峰处得到估计的雷达脉冲重复间隔(PRI).该方法得到的直方图比较平滑,谱峰清晰,且能有效地抑制二次谐波.实验结果表明,该算法具有良好的抗抖动性能.     

基于Toeplitz矩阵的酉变换波达角估计算法

为提高Toeplitz矩阵重构算法的估计性能、降低计算量,提出了基于Toeplitz矩阵的酉变换DOA估计算法UHT-MUSIC。该算法在保持估计性能不变的前提下,先将Toeplitz型协方差矩阵变换为Hermition矩阵,然后利用酉变换将其转换为实数矩阵。在此基础上利用MUSIC算法进行DOA估计,其特征值分解及谱峰搜索的计算量降低到同条件下TOEP-MUSIC算法的1/4。同时该算法还有效降低了信源的相关系数,从而提高了算法的分辨性能。仿真实验验证了该算法的正确性。     

基于噪声子空间特征值重构的DOA估计算法

该文针对非等功率信号波达方向(DOA)估计问题,提出一种基于噪声子空间特征值重构(Eigenvalue Reconstruction of Noise Subspace, ERNS)的超分辨算法。算法对接收信号自相关矩阵进行特征值分解,通过重构噪声空间特征值以及引入虚拟信源来构造新的接收信号自相关矩阵,对该矩阵进行特征值分解得到新的噪声空间特征值。当虚拟信源与实际信源入射方向相同时,新噪声空间特征值与重构后噪声空间特征值保持不变,利用这一特性来估计信源入射方向。该文给出算法的原理及实现步骤,并通过仿真进行原理验证与性能分析,仿真结果表明与其他子空间算法和MUSIC 算法相比,ERNS算法能够提高弱信号估计成功的概率。     

铁镍双金属配合物[Fe(2,2’–bpy)2Ni(CN)4]n的合成、晶体结构及磁性EI北大核心CSCD

使用K3[Fe(CN)6]提供氰基阴离子和Fe2+阳离子,与Ni(Ac)2·4H2O和2,2’–联吡啶(2,2’–bpy)在水热条件下反应制备了氰基桥连的双金属铁镍配合物[Fe(2,2’–bpy)2Ni(CN)4]n(1),用红外光谱、热重分析和X射线衍射对其进行表征。结果表明:在配合物1中,[Fe(2,2’–bpy)2]2+阳离子和[Ni(CN)4]2–阴离子通过氰基桥联形成Fe2+、Ni2+离子交替存在的一维锯齿链[Fe(2,2’–bpy)2Ni(CN)4]n,热重分析显示,双金属配合物[Fe(2,2’–bpy)2Ni(CN)4]n有较好的热稳定性,磁性测量表明,配合物[Fe(2,2’–bpy)2Ni(CN)4]n中金属铁镍离子间存在强的反铁磁相互作用。     

基于PSO-WaveNet的短期风电功率预测

为了应对风电大规模并网给电力系统带来的严峻挑战,同时提高风力发电的市场竞争力,需要对短期风电功率进行准确预测.文中将小波分析和粒子群优化理论引入神经网络——PSO-WaveNet算法.该算法构建了稳定的风电功率预测网络模型,同时利用灰色关联算法确定网络的输入参量.弥补了神经网络容易陷入局部最优值的缺陷,实验结果表明用算法进行风电功率预测提高了预测精度,验证了该混合算法的可行性.