有机玻璃中冲击波衰减特性的研究

为了研究等离子冲击波在有机玻璃中的衰减特性,提出了卸载波追赶效应的分析模型。采用自行研制的光偏转测试系统对该冲击波进行了多点测量。得到了强激光诱导的等离子体冲击波在有机玻璃中的传输速度及压力随传输距离的变化关系。结果表明,理论分析模型和实验测试结果能很好地吻合,冲击波在有机玻璃中传输时具有明显的衰减规律,该衰减耗散特性主要源于卸载波的追赶效应。该结论对研究冲击波在介质中传播具有重要的意义。     

一种基于WDM光网络中P圈的启发式算法

针对如何选择一个优化的P圈来达到最小化空闲容量和较高的计算速度这个问题,提出了一种新的启发式算法HPS-RSC(迭代选择和简化一系列P圈),通过在EON和USA两种网络拓扑图中的仿真结果表明,这种新的算法使冗余度的范围控制在3.5％以内,并且在较大的网络中这种算法的优越性更加明显.     

Ag-N共掺杂ZnO电子结构的理论研究

采用基于DFT理论的第一性原理方法研究了Ag-N共掺杂纤锌矿ZnO的晶格结构和电子结构,计算了包括共掺杂体系的晶格常数、杂质形成能和电子态密度等性质。研究结果显示,共掺改善了杂质原子对体相晶格结构的扰动,提高了掺杂的稳定性。此外,电子结构的计算表明共掺形成的受主能级较单掺时更浅,且空穴态的局域性降低,从而改善了p型ZnO的传导特性,表明受主共掺可能是一种比较有潜力的p型ZnO掺杂方式。计算与实验结果符合,为受主共掺形成p型ZnO的机理提供了理论支持。     

输出镜的位置对激光腔稳定性的影响

给出了平一平激光腔稳定区边界的曲线图，并根据它详细地分析了输出镜的位置对激光腔稳的位置对激光腔稳区分布的影响，进而分析了输出镜的位置对激未免顺输出功率的影响，理论分析和实验都表明当输出镜与反射镜以激光棒对称放置时，输出功率曲线为单峰结构，不对称时，输出功率曲线为双峰结构。     

一种新的启发式P圈容量分配算法

文章针对以往启发式P圈容量分配算法资源利用率低和分配不均衡的问题,提出了一种新的启发式算法,该算法首先根据网络拓扑和未保护的工作容量构造一组备选圈,然后再选出保护效率最大的圈分配到网络中.该算法的特点是将未保护的工作容量作为构造备选圈的关键因素之一.仿真结果表明,新算法比以往启发式算法具有更好的资源利用率,同时资源分配更均衡.     

KNO3铁电薄膜极化反转电流实验数据拟合

应用铁电系统关联函数理论,讨论了有限大小铁电薄膜材料极化反转过程中的反转体积比和反转电流,并将结论用于KNO3铁电薄膜反转电流实验数据的拟合。拟合结果表明,考虑薄膜尺寸及厚度影响的结果优于将铁电体视为无限大的KA理论的结果。     

边缘检测与混合高斯模型相融合的运动目标检测算法

针对传统的混合高斯模型不能很好地处理突变的情况,提出了一种新的运动目标检测算法。该算法在时间域上对混合高斯模型的更新机制进行了改进,并对模型加入了帧间处理,提取出初步的运动目标;在空间域上,通过Canny边缘检测算子获得初步的运动目标边缘轮廓,利用图像金字塔的多分辨特性排除背景噪声,经过一定运算再次得到运动目标。将两次得到的运动目标作"与运算",提取出最终的运动目标。实验结果表明,本算法可以较好地处理突变情况,提取的运动目标图像完整、轮廓清晰。     

基于IEEE802.16e协议的无短环的LDPC缩短码设计

IEEE802.16e协议给出的LDPC码是短码时,其校验矩阵存在大量的短环,针对这一问题,设计了一种新的LDPC缩短码方案。该方案在现有的IEEE802.16e标准的LDPC码的校验矩阵设计框架下,提出了一种分块修正子校验矩阵的设计方案,这种方案用准循环矩阵和有限几何法联合优化的方法构造了扩展因子zf=48的校验矩阵,运用同步顺序搜索度数节点的方式,使缩短码情况下的校验矩阵无4环并且仅含有少量6环。在AWGN信道下仿真实验表明,码率为0.5的情况下,改进后的码字不仅保持了IEEE802.16e标准编码的快速编码性能,并且误码率仅比此时的香农限多了1.1dB     

基于熵误差函数的BP算法及其应用

BP算法现在已成为目前最广泛的神经网络学习算法之一,但存在收敛速度较慢和学习不稳定的问题.为了加快收敛,用熵作为误差函数来对BP算法进行改进,在训练过程中加入动量项,并且对样本作归一化处理.通过对函数逼近和异或问题实例的仿真,与通常改进的BP算法所得的结果进行比较,仿真结果表明熵作为误差函数的改进BP算法比通常改进的BP算法有更好的收敛性和稳定性.最后,通过改进的BP神经网络实现对矩形波导匹配负载的结构设计,结果表明网络能很好地达到工程的要求.     

基于改进YOLOV5的火焰检测算法

针对现有的火焰检测算法检测平均精度低、小目标火焰漏检率高的问题,提出一种改进YOLOV5的火焰检测算法。该算法使用Transformer Encode模块代替YOLOV5主干网络末端的CSP bottleneck模块,以增强网络捕获不同局部信息的能力,提高火焰检测的平均精度,并且在YOLOV5网络中增加CBAM注意力模块,增强网络提取图像特征的能力,对于小目标火焰能够较好地提取特征,降低小目标火焰的漏检率。将该算法在公开数据集BoWFire、Bilkent上进行实验,结果表明,改进YOLOV5网络的火焰检测平均精度更高,可达83.9%,小目标火焰漏检率更低,仅为1.6%,检测速率为34帧/s,相比于原YOLOV5网络,平均精度提升了2.4个百分点,小目标火焰漏检率降低了4.1个百分点,改进后的YOLOV5网络能够满足火焰检测的实时性和精度要求。