基于AlexNet的自适应杂波智能抑制方法

由于受观测环境以及雷达参数等因素的影响,构造协方差矩阵的杂波样本数据并不满足独立同分布,导致传统的自适应杂波抑制方法性能降低。针对静止雷达平台,本文提出一种基于AlexNet的自适应杂波智能抑制方法,首先,通过分析海杂波幅度分布特性,建立样本数据库;然后,通过迁移AlexNet在ImageNet数据集上的分类模型,并使用杂波数据集微调网络参数,实现对海杂波数据的准确分类,从而获取服从独立同分布的杂波样本数据,提高自适应杂波抑制方法性能。相比现有杂波抑制方法,所提方法具有人工参与度低、杂波分类准确率高、以及杂波抑制效果更好等优点;最后,通过CSIR实测数据验证了本文所提方法的有效性。      

纳米TiO2/碳化植物纤维复合材料的制备与光催化性能

以碳化植物纤维(CPF)为载体,将纳米TiO₂附着于纤维表面,通过浸渍煅烧法和溶剂热法合成纳米TiO₂/CPF复合光催化剂,并对其光催化性能进行了研究。通过SEM、HRTEM、XRD、EDS分析了纳米TiO₂/CPF复合光催化剂的微观结构和化学组成;以光催化降解亚甲基蓝为模型反应,考察复合材料中不同纤维种类和TiO₂负载量对光催化活性的影响。结果表明,在一定范围内随TiO₂负载量的增加,纳米TiO₂/CPF复合材料光催化性能先增强后减弱。纳米TiO₂/CPF复合材料的光催化性能明显提高是由于在TiO₂和碳纤维界面的良好电荷分离能力。降解染料的活性物种有超氧负离子和羟基自由基,但羟基自由基是主要物种。此外,浸渍煅烧法和溶剂热法生成的纳米TiO₂在纤维表面的存在形式不同,浸渍煅烧法生成纳米TiO₂薄膜,包裹纤维;而溶剂热法生成的TiO₂结晶成纳米颗粒,附着于纤维表面。