环己烷脱氢产物苯对苯加氢反应系统的影响

通过对环己烷脱氢产物苯作为原料进入苯加氢反应后的效果进行研究,对苯加氢反应的转化率、选择性和加氢催化剂活性等参数变化进行分析,发现环己烷脱氢产物苯与外购新鲜苯混合使用导致苯加氢反应转化率、选择性、催化剂活性都明显降低.分析发现,环己烷脱氢产物苯组成复杂,杂质种类多达十几种.如果将环己烷脱氢产物苯直接作为加氢反应原料使用,对苯加氢反应将造成严重影响.因此,环己烷脱氢产物苯必须经过精制,脱除其中的重组分杂质后才能用于苯加氢反应生产环己烯.     

联合平移不变子空间的压缩采样及应用

针对有效核函数(active kernel function)未知的联合平移不变子空间(Union of Shift-InvariantSubspaces,USI),提出了一种压缩采样模型,基于稀疏重构理论,该采样模型能够有效降低信号的采样率。首先建立一个多脉冲雷达回波信号模型,在信号的延时-多普勒平面上对延时轴离散化,将回波信号表示为USI信号;然后在根据构建的压缩采样模型降低信号采样率的同时,利用稀疏贝叶斯学习和ESPRIT算法由信号样本值估计出雷达回波信号的延时、多普勒频移和反射系数等参数;最后仿真验证了研究结论的有效性。     

分布式全相参雷达相参性能分析

该文针对多脉冲发射协同结构的分布式全相参雷达,首先建立了全相参模式下的信号模型,然后推导了输出信噪比增益(oSNRg)的解析式,并基于相干参数估计的克拉美-罗界(CRB),利用多项式拟合,获得了oSNRg上界的数值解。结果表明:增加发射天线数或脉冲数能够提高oSNRg;而增加接收天线数能否提高oSNRg取决于输入信噪比大小,输入信噪比较大时则oSNRg随之提高,较小时反而随之下降。最后的仿真实验验证了研究结论的正确性。     

基于相关法的分布式全相参雷达相干参数估计及相参性能

针对一般结构的分布式全相参雷达,研究了基于相关法的时延差和相位差估计性能以及输出信噪比增益(oSNRg)。首先分别建立多输入多输出(MIMO)模式和全相参(FC)模式下的信号模型。然后重点分析估计相位差时的相位模糊问题,并提出一种有效的解模糊方法。数值实验结果表明:当输入信噪比足够高时,相关法能够获得稳健的相干参数估计,且oSNRg接近理想值。     

生物-生态修复技术在景观污染水体治理中的应用

采用生物治理与生态修复技术对昆山市环城北路景观池塘水体因富营养化、流动性差等引起的黑臭现象进行治理。治理后TN、TP的去除率均超过85%,水质达国家地表水Ⅲ类水标准,水体透明度达1.28 m,生物多样性增加,景观效果显著改善。结果表明,生物-生态修复技术对没有或仅有少量污水排入的受污染景观水体较为适宜。     

雪冰孢粉记录研究进展

孢粉作为一种可靠的代用指标,能够反映不同时间尺度古气候和古环境的变化信息。雪冰孢粉研究以雪冰中的植物花粉和孢子为研究对象,结合雪冰研究的特性和孢粉研究的优势,为气候重建提供了一种新的手段。雪冰孢粉是古植被的直接反映,可用于重建湿度、温度和人类活动。归纳了雪冰孢粉的古环境意义,总结了雪冰孢粉研究的空间分布状况,概述了雪冰孢粉记录的研究进展。现阶段雪冰孢粉研究在源区与传播特征、季节变化特征、辅助雪冰定年和古气候重建等方面均取得了良好的进展。北极地区有区域性的雪冰孢粉现代过程研究工作,而山地地区研究主要关注单个冰帽,并有若干学者在孢粉重建古温度以及孢粉重建古湿度等方面进行了定量化尝试。目前研究表明,雪冰孢粉对湿度变化的响应较为敏感,并且在温度重建方面具有极大潜力。特别在青藏高原,藜科、蒿属、禾本科以及莎草科花粉的百分比变化能够较客观地反映湿度变化信息。此外,雪冰孢粉记录的草原、草甸和荒漠植被类型的转变能够提供温度和湿度变化信息。但是,这些孢粉指标均具有一定的局限性,且其古环境指示意义研究也并不深入。青藏高原雪冰孢粉现代过程和古气候重建等应是未来值得关注的研究内容之一。     

浅析北京四合院的文化内涵和建筑特色

简要介绍了北京四合院的形成和类型,从儒家思想的体现,建筑环境学理论研究,民俗民风三方面探讨了北京四合院的文化特色,并阐述了北京四合院的建筑特色,以期指导人们加深对我国传统建筑的了解,更好地传承和发扬我国建筑艺术文化。     

分布式全相参雷达相干参数估计及相参性能分析

针对一般结构的分布式全相参雷达,首先推导了包括时延差及"和相位差"的相干参数估计的克拉美—罗界(CRB)闭式解;然后考虑时延和相位补偿误差同时存在时,分析了全相参模式下的输出信噪比增益(oSNRg),基于相干参数估计的CRB,给出了oSNRg的上界的数值解。结论表明,"和相位差"的CRB与信号载频及有效带宽均无关;oSNRg随着发射天线数的增加而提高;而增加接收天线数,能否提高oSNRg取决于输入信噪比大小,较大时则oSNRg随之提高,较小时反而随之下降。最后仿真实验验证了研究结论的正确性。     

基于稀疏贝叶斯学习的联合平移不变子空间压缩采样

针对一类特殊的有效核函数（active kernel）未知的联合平移不变子空间（Union of Shift-Invariant Subspaces,USI）信号,构建了一种压缩采样模型,将信号的重构过程看作一个线性回归问题, 利用稀疏贝叶斯学习（sparse bayesian learning,SBL）算法求得该回归模型中的权值参数的最优估计,根据权值参数向量集的支撑集实现信号的稀疏重构。理论分析表明,对于由M个核函数（kernel）以T为周期平移生成的平移不变空间（Shift-Invariant Spaces,SI）,若M个核函数中至多有K（1≤K≤M/2）个且未知哪K个有效时,本文构建的压缩采样模型最低采样率能够达到2K/T,这也是利用稀疏度K所能达到的理论上的最低采样率。仿真结果表明,构建的压缩采样模型能够有效降低这类信号的采样率。