分层空时码系统及其检测算法研究

基于V-BLAST系统,对于经典的ZF,MMSE,QR分解,排序及非排序干扰抵消检测算法进行了仿真分析,并对其特点和性能做了详细的比较。结果表明系统性能的改善大都是以提高其复杂度为代价的,需根据具体情况,采取性能和复杂度折衷的方案。     

反应堆烟囱排出物取样的现场实验

本文介绍了在研究性重水反应堆烟囱中进行的取样条件实验。参照国际标准 ISO-2889中推荐的原则,设计与安装了新的取样系统。通过测量烟囱中气体的混合度和气流速度的分布,检验了取样的代表性。还实测了新取样系统的传输损失:微粒和碘的传输系数分别,约为0.8和0.7,与理论估算值相一致。     

一种新的小波去噪算法

介绍了相关去噪和模极大值去噪两种传统的去噪方法的原理,并针对它们在滤除噪声上的明显不足,提出了一种基于区域相关的滤波新算法。它克服了通常相关算法中由于各尺度间小波系数的偏移引起的判断准确率低的缺点,进而对小波域滤波之后的系数进行模极大值处理,以去除残留的噪声系数。这种算法把两种思想截然不同的小波滤波方法合在一起,并作了一些改进,充分考虑了信号相邻系数间的相关性,较好地解决了保护信号局部特征与抑制噪声之间的矛盾。仿真结果验证了算法的有效性。     

国产滤材在气溶胶取样中的过滤特性研究

本文叙述利用天然氡、氢子体气溶胶测定滤材过滤特性的实验及其结果,给出国产滤材的过滤效率、阻力、自吸收系数、表面收集特性和大气灰尘堵塞速率等参数;分析比较了各类滤材的性能,提出选择使用滤材的建议,其中玻璃纤维型滤材具有较多的优点,更适合用于气载放射性物质取样。     

图像—文本多模态指代表达理解研究综述

指代表达理解（referring expression comprehension,REC）作为视觉—语言相结合的多模态任务,旨在理解输入指代表达式的内容并在图像中定位其所描述的目标对象,受到计算机视觉和自然语言处理两个领域的关注。REC任务建立了人类语言与物理世界的视觉内容之间的桥梁,可以广泛应用于视觉理解系统和对话系统等人工智能设备中。解决该任务的关键在于对复杂的指代表达式进行充分的语义理解;然后利用语义信息对包含多个对象的图像进行关系推理以及对象筛选,最终在图像中唯一地定位目标对象。本文从计算机视觉的视角出发对REC任务进行了综述,首先介绍该任务的通用处理流程。然后,重点对REC领域现有方法进行分类总结,根据视觉数据表征粒度的不同,划分为基于区域卷积粒度视觉表征、基于网格卷积粒度视觉表征以及基于图像块粒度视觉表征的方法;并进一步按照视觉—文本特征融合模块的建模方式进行了更细粒度的归类。此外,本文还介绍了该任务的主流数据集和评估指标。最后,从模型的推理速度、模型的可解释性以及模型对表达式的推理能力3个方面揭示了现有方法面临的挑战,并对REC的发展进行了全面展望。本文希望通过对REC...