毫米波三维异质异构集成技术的进展与应用

三维异质异构集成技术是实现电子信息系统向着微型化、高效能、高整合、低功耗及低成本方向发展的最重要方法,也是决定信息化平台中微电子和微纳系统领域未来发展的一项核心高技术。文章详细介绍了毫米波频段三维异质异构集成技术的优势、近年来的发展趋势以及面临的挑战。利用硅基MEMS 光敏复合薄膜多层布线工艺可实现异质芯片的低损耗互连,同时三维集成高性能封装滤波器、高辐射效率封装天线等无源元件,还能很好地处理布线间的电磁兼容和芯片间的屏蔽问题。最后介绍了一款新型毫米波三维异质异构集成雷达及其在远距离生命体征探测方面的应用。     

基于双时间点检测的毫米波雷达人流量监测方法

针对现有基于视频监控的人流量统计方案成本高、算法复杂且不利于个人隐私保护的局限性，利用毫米波雷达体积小、成本低、分辨率高的特点，提出了一种基于双时间点检测的人流量监测方法。该方法先获取人体目标散射点位置和多普勒频移信息来构成点云数据，然后根据多普勒频移正负来判断人体的运动方向，并筛选具有高多普勒频移值的点云数据以降低干扰点对聚类结果的影响；在双时间点对特定区域内人员数量进行统计，并根据双时间点之间所获取的点云数据聚类结果对所统计人员数据进行修正。实验结果表明，该方法能够用匿名的方式以较高的正确率统计人员进出。     

八路军规模作战系列之三 掌握行动规律 预伏歼敌——记115师教导3旅第7团潘溪渡伏击战

<正>继晋察冀军区所属的冀中军区17团于1941年1月3日进行南龙岗反袭击战斗5天之后,115师教导3旅第7团又进行了一次出色的伏击战斗,这就是发生于1941年1月8日的潘溪渡伏击战斗,此次战斗有许多值得汲取的经验,但也不乏教训……作战背景115师教导3旅第7团是一支由红一军团部队为基础改编而成的八路军部队,抗日战争时期被冀鲁豫军区首长称为"冀鲁豫的铁拳"。其前身是著名的"模范红五团"——红一军团第2师第5团,该团最早源于被誉为"铁军"的     

论文摘要的撰写要点

1.应包含论文的要点:研究对象(目的),研究方法(所用的设备、材料等),研究结果和结论;2.应简短,尽可能删去课题研究的背景信息;3.出现的数据应该是论文中最重要的数据;4.不要对自己的研究成果做评价;5.摘要应脱离原文而独立存在;6.内容应涵盖正文,不得随意增加对正文起补充或修改作用的内容;7.需要缩写的名称在第一次出现时要有全称。     

心源性猝死一级预防植入心律转复除颤器前非持续室性心动过速与植入后恰当治疗的关系

目的探讨植入型心律转复除颤器(implantable cardioverter defibrillator,ICD)用于心源性猝死一级预防时,植入前发生非持续性室性心动过速(non-sustained ventricular tachycardia,NSVT)与植入后ICD恰当治疗的关系。方法本研究为单中心回顾性队列研究,连续纳入2006年1月至2017年12月在北京协和医院住院植入ICD用于一级预防的心脏病患者,患者在住院期间ICD植入前均完善Holter检查。根据Holter检查是否出现NSVT,将患者分为NSVT组及无NSVT组。门诊或电话随访至2018年8月,随访事件包括全因死亡、植入后ICD放电治疗及抗心动过速起搏(antitachycardia pacing,ATP)治疗情况。结果纳入60例符合入选和排除标准的患者,随访时间37 (14～61)个月,KaplanMeier生存曲线及Log-Rank检验提示,NSVT组与无NSVT组相比,全因死亡率无统计学差异(P=0. 108),NSVT组恰当治疗的风险高于无NSVT组(P=0. 033),NSVT和左心室射血分数与ICD恰当治疗独立相关(NSVT:HR=5. 099,95%CI:1. 399～18. 588,P=0. 014;左心室射血分数:HR=1. 077,95%CI:1. 013～1. 145,P=0. 018)。结论 ICD一级预防患者植入前出现NSVT提示接受ICD恰当治疗的风险增加。     

山东栖霞—大柳行地区金矿找矿靶区地质评价及优选

栖霞—大柳行地区位于胶东中部栖霞—蓬莱金矿成矿带内，是胶东重要的金成矿区，成矿条件优越。为了对圈定靶区进行优选分类，通过对该区地质背景、找矿靶区评价、找矿靶区优选方面展开综合研究，并结合勘查工作程度和矿业权设置情况，划分出3类预测区，选定了5个靶区为今后优先部署勘查工作的方向。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。