基于PVDF薄膜的智能材料回声控制实现

提出了用高分子压电材料——PVDF薄膜作为激励声源，将其内嵌于基体材料聚氨酯橡胶中制成具有特殊功能的消声材料。通过声时延的方法，用布置在消声样件前方的两传声器检测出平面入射声波和反射声波，利用压电材料PVDF薄膜的逆压电性能，对其施加具有一定幅值和相位的电压，实现样件材料的声阻抗和介质声阻抗的匹配，以使得反射声波达到最小或零，从而实现回声控制的目的。最后对不同频率的入射声波进行了基于声阻抗管的回声控制实验测试并对结果进行了分析。     

一种衬底波纹注入的宽频带高PSR无片外电容LDO

基于40 nm CMOS工艺,设计了一种具有高频高电源抑制(PSR)的无片外电容 低压差线性稳压器(LDO)电路。电路采用1.1 V电源供电,LDO输出电压稳定在0.9 V。仿真结果表明,传统无片外电容LDO电路的PSR将会在环路的单位增益 频率(UGF)处上升到一个尖峰,之后才经输出节点处的电容到地的通路开始降低,最高时PSR甚至大于0 dB。采用新型的衬底波纹注入技术的LDO能很好地抑制PSR的尖峰,可以做到全频段都在-20 dB以上,相比传统结构,尖峰处的PSR提高了20 dB以上。该LDO适用于需要低电压供电的射频电路。     

锚注支护技术在裴沟矿34轨下变电所加固中的应用

结合裴沟煤矿井下生产实际,介绍了锚注支护技术在裴沟矿34轨下变电所加固中的应用,以及取得良好的技术、安全、经济效益,为软岩支护提供了借鉴经验。     

基于K-means聚类和LVQ神经网络的OLED缺陷像素识别

提出改进的K-means聚类分割和LVQ神经网络分类的方法，用于有机发光二极管显示面板喷墨打印制程中缺陷像素的识别。首先采用改进的K-means聚类算法对预处理后的打印像素进行分割，然后采用连通域水平矩形确定每一个打印像素的坐标及几何特征，再通过灰度共生矩阵提取其纹理特征，最后通过LVQ神经网络对所述特征进行分类，完成缺陷像素的标记及分类统计。结果表明，本文算法的识别率明显优于其他常用分类识别算法，平均缺陷检测率为100%，分类准确率达到98.9%，单像素检测时间为8.3 ms。     

Name disambiguation in AMiner

Name disambiguation, aiming at disambiguating who is who, is one of the fundamental problems of the online academic network platforms such as Google scholar, mi...     

一种新的全姿态指示画面填充算法

现代飞机座舱主飞行仪显示系统中,全姿态指示天地区域的填充是件非常费时的工作。提出了一种新的区域填充算法。该算法第一步引入分块查找的思想以及基于填充区域的特点确定采用水平线或者竖直线扫描方式,并且对区域轮廓中满足关键码字段的像素点建立坐标数组;第二步根据已确定的扫描方式进行区域填充。此外,求取新旧地平线交点并没有采用通过大量数值计算直接求取的方法,而是采用了比较法。实验结果表明该算法显著提高了填充速度和显示效果,降低了数据存储空间量。     

一种多路卫星节目转播服务器的设计

在MPEG-2TS流播出服务器和多路数字卫星节目收录服务器的基础上,设计了一种基于实时收录系统的多路卫星节目转播服务器,通过卫星节目收录系统,将收到的多路实时卫星节目在服务器内部进行选择、切换和复用,然后通过ASI接口转发到HFC网络.测试表明转播服务器能够稳定地进行节日转播,节目之间切换流畅.     

H.264/AVC编解码器在TMS320C6400上的优化实现

分析了基于TMS320C6400平台的H.264/AVC编码器运算量在各个部分的分布,并且将其中运算量较大的部分进行线性汇编,分析了这些部分在进行线性汇编时需要注意的技术细节,能够提高线性汇编的并行程度.     

吸湿排汗休闲面料开发实践

介绍了一种运动类休闲面料的结构设计及具体开发实践、在阐述吸湿排汗的原理和方法的基础上,详细介绍了生产实践中的编织工艺、染整工艺。测试表明,织物性能达到了一定的标准。     

基于SOANet的圆锥角膜辅助诊断

亚临床期圆锥角膜(subclinical keratoconus, subkc)发病隐匿,现有医疗设备诊断存在局限性,所以提出一种诊断亚临床期圆锥角膜的检测方法是十分必要的。有研究发现圆锥角膜(Keratoconus, kc)力学性能的改变早于形态学,因此从角膜生物力学的角度筛查亚临床期的圆锥角膜更加符合临床实际。本文运用角膜生物力学特征,以点云数据作为网络输入数据,将SO-Net (self-organizing network)和自注意力(self-attention, SA)机制结合构建SOANet,对圆锥角膜、亚临床期圆锥角膜和正常角膜进行分类。首先,利用可视化生物力学分析仪(corneal visualization Scheimpflug technology, Corvis ST)拍摄角膜受力形变视频,对其进行处理得到点云数据集,接着对点云数据进行增强处理,使3种类型的角膜数据量分布均衡。然后按照3∶1的比例划分训练集和测试集,分别对角膜进行二分类和三分类。最终模型在二分类和三分类测试集上的准确率分别达到98.3%和91.26%,即有效识别亚临床期圆锥角膜和圆锥角膜。实验...