基于总线系统的信号波形测试方法研究

阐述总线系统的信号波形分析的方法，一类通用接口的硬件设备，实现对总线系统的信号波形测试，并能够覆盖军标中关于总线系统测试的大部分内容。     

基于SCA波形采样读出电子学的CSNS Back-n中子飞行时间测量

中国散裂中子源(CSNS)反角白光中子束线(Back-n)对中子核数据测量和核技术应用等多个领域均有重要意义。为监测其中子束斑轮廓、束流密度及束流能量，研制了由镀硼微网格气体(Micromegas)探测器构成的束流剖面监测装置，并通过测量中子的飞行时间(TOF)来获得能量信息。采用基于开关电容阵列(SCA)专用集成电路(ASIC)的波形采样电子学系统，实现了128路Micromegas探测器阳极条信号的低噪声放大、成形和波形数字化，在现场可编程逻辑门阵列(FPGA)芯片中实现了对信号过阈时间的实时测量，其量程为650 ns～10 ms，电子学时间分辨好于10 ns。在CSNS Back-n上开展实验，成功获得了中子束流剖面及10.65 μs～10 ms范围的飞行时间谱，对应的中子能量范围约为0.16 eV～0.14 MeV。利用钽、钴等吸收体进行了中子共振吸收峰的检验，验证了读出电子学系统的功能及飞行时间测量的正确性。     

FAIMS气体传感器的特性研究

本文针对电晕放电离化FAIMS传感器的主要影响因素进行理论分析与实验研究。首先对离化源电晕放电过程及离子注入过程进行理论分析，找到气流与电场这两个重要因素进行实验研究与分析，观测了保持进入传感器总流量不变(2.5Ｌ/ｍｉｎ)的情况下，调节进入电晕放电区气流(0.5Ｌ/ｍｉｎ~ 2.3Ｌ/ｍｉｎ)对离子注入量和传感器检测的影响，结果表明放电区域气流量增大，离子注入数量显著增加，传感器的总体检测效率单调上升，从2.25％提升至12.5％，提升了约5.5倍，但观测到一个 新的离子峰———电晕放电中间产物离子峰，在离化区施加周期电场，调节离子从离化源注入，通过电压幅度、占空比等参数调整，在频率为1Ｈｚ，占空比为50％，幅度－50Ｖ时，测量样品的离子峰幅度比无电场状况时提高了70％，并且其优势是在于不干扰电晕区域放电及离子反应过程的情况下提高产物离子的注入与使用效率。     

电工钢磁性检测方法国家标准应用问题和解决方案

通过对电工钢交流磁性检测方法现行国家标准（爱泼斯坦方圈法和标准单片法）在应用中存在的问题进行了梳理和解析，认为主要问题包括次级电压波形失真时需修正比总损耗、约定的有效磁路长度并非实际有效磁路长度以及磁性测量系统校准方法缺失等，并提出了采用数字反馈控制技术控制次级电压波形无需修正比总损耗、取向硅钢单片法测量时采用475 mm有效磁路长度以及磁性测量系统综合校准方案等一些解决方案。     

多分量数据全波形反演在气藏检测中的关键问题——以苏里格气田为例

苏里格气田是中国典型的致密砂岩气藏，构造简单、平缓，横向非均质性强，有效储层与围岩声学特征差别小，地震响应不明显，常规地震监测方法预测难度大，但气田含气砂岩泊松比低，是地震气藏检测的有效参数。利用弹性全波形反演精度高和能处理复杂非均质介质的优势，反演地层拉梅常数、剪切模量和密度，并计算泊松比，从而进行气藏预测。重点阐述了苏里格气田多分量数据全波形反演初始模型建模、先验模型建模和地震数据预处理3个关键问题的处理方法。二维三分量数据反演和"甜点"预测结果表明：①对于具有强非均质性的苏里格气田，利用全波形反演获得精度较高的地层弹性参数能显著提高气藏预测的准确度；②苏里格地区构造简单、平缓，利用常规叠加速度并结合构造解释可以建立比较好的初始模型，从而有效地解决了周波跳跃和局部极小的难题；③先验知识的约束和地震数据的预处理是全波形反演成功应用于苏里格气田气藏检测的关键。     

基于SCA射频综合的L波段波形组件研究

文章研究在射频综合系统下传统L波段功能应用由单一应用转向射频系统综合化的设计方法。首先分析了传统典型L波段塔康、ATC的工作原理,然后根据传统超外差式的波形信号处理方法,提取了三种波形的共性并进行小颗粒度组件化分析。同时,针对特定波形的特定功能模块,进行了特定波形组件分析。最后,根据软件通信体系架构(以下简称SCA)设计约束对波形应用进行组件化设计。根据设计完成入波形组件库的波形应用组件,通过对组件管理与波形生成,得到了新的波形应用。采用组件化后的设计,在未来的新波形体制生成、波形应用管理等领域具有广阔的前景,符合未来软件无线电技术的发展。     

栈式降噪自编码器在波形单元识别中的应用

为提高多功能雷达(Multi-Function Radar,MFR)波形单元的识别准确率和鲁棒性,提出一种栈式降噪自编码器(Stacked Denoising Autoencoders,SDAE)与支持向量机(Support Vector Machine,SVM)相结合的波形单元识别方法.首先摒弃传统依赖脉冲序列分析技术对MFR信号进行处理的方法,通过分析波形单元结构并借助参数间的联合变化特征,提出一种MFR波形单元分段识别模型,将传统对脉冲序列的识别转化为对MFR波形单元的识别;然后在该模型的基础上引入SDAE,对训练样本数据、SDAE隐含层神经元节点进行加噪处理,并利用这些加噪后的样本数据训练优化SDAE网络模型,提取出样本数据的深层稳健特征;最后引入SVM算法,借助SDAE挖掘出的样本深层特征,实现SVM模型的优化,得到最终的波形单元识别模型(SDAE-SVM).仿真实验表明:提出的波形单元识别方法在相同样本数目和测试误差的条件下,与SVM算法相比,能够取得较高的识别准确率,具备更优越的识别效果.证实MFR波形单元识别模型是有效的,且通过SDAE网络的引入,使得SDAE-SVM方法能够自主地挖掘原始信号的深层特征,提高波形单元识别的鲁棒性和准确率.