渫水皂市水利枢纽导流隧洞出口洞室及边坡变形机制与加固处理

皂市水利枢纽导流隧洞出口段洞室及边坡在施工期间曾经出现较大的变形 ,并对工期产生较大影响。本文对该地段的工程地质条件及其变形失稳机理、加固设计方案及处理效果作了全面介绍。     

用不同碳源对LiFePO_4的碳包覆改性

采用共沉淀方法结合原位碳包覆合成了LiFePO4/C复合正极材料.对碳化过程和包覆LiFePO4进行了研究.结果表明:在不同碳源的热解过程中,由于分子量和结构的不同,分解温度和碳化产物的结构也不相同;不同碳源的碳包覆对LiFePO4的晶体结构有一定的影响,而且由于碳包覆层结构的差异所包覆改性的LiFeO4表现出不同的电化学性能.文中还讨论了不同碳源对碳包覆后LiFePO4/C的电化学性能的影响.     

中子辐照后6Li-Al合金靶片中氚的测量方法研究

建立了流气式系统捕集和化学转移法测量^6LiAl合金靶片在中子辐照过程中的渗漏氚和辐照后靶片中总氚量的方法。渗漏氚的捕集方法是：在流气式系统中，用含少量氢的惰性载气将渗漏氚载带出来，经高温催化氧化后被乙二醇鼓泡器捕集；靶片中的氚转移法是用NaOH溶液将合金靶片溶解，气相中的氚采用渗漏氚的捕集方法捕集，液相中的氚则蒸馏到馏分中。最后用液体闪烁计数器分别测量乙二醇鼓泡器和馏分中的氚量。测量结果与理论氚产量基本相符。     

氧化层对钛吸附与解吸氘的动力学影响研究(Ⅰ)--吸氘动力学

应用反应速率分析方法,测定了钛片和表面有氧化层的钛片在恒容体系和475～680℃范围内吸氘反应的速率常数,得到钛片和400℃氧化5h和2h的钛片吸氘反应的表观活化能分别为(112±2)、(181±4)和(115±3)kJ/mol;钛表面氧化层越厚,表观活化能越大;氧化层具有阻氘性能。     

脑功能显像剂99Tcm-Memantine的初步研究

用~(99)Tc~m标记N-[2-(N-(2-巯基乙基))氨基甲酰甲基]-N-(2-巯基乙基)-3,5-二甲基金刚烷胺基乙酰胺(N_2S_2-Memantine),生成了~(99)Tc~m(V)-Memantine。采用纸层析对此标记物进行质控并检测其体外稳定性。结果显示,湿法的标记率>90%,药盒化标记的标记物经乙酸乙酯萃取纯化后,放化纯度>95%,体外稳定性良好,有望成为一种新的脑功能显像剂。     

高拱坝非对称泄洪消能布置优化试验研究

白鹤滩水电工程具有窄河谷、大泄量的特点,泄洪消能问题突出.为了避免有限空间内的水舌重叠,采用泄洪表孔3组非对称排布的泄洪消能布置方式.模型试验表明,原布置方案中在坝身泄洪孔口表、深孔单独泄洪时能有效分散水舌,但在坝身表、深孔联合泄洪时,水垫塘内冲击压力峰值超过常规标准,可能影响水垫塘安全运行.通过分析表、深孔水舌的空中...     

基于块空间中低维流形恢复的图像去噪

针对基于块处理的图像去噪,最近出现一种新的假设:真实无噪的图像块在块空间中的分布有一定的规律,即会形成若干个低维流形,而在带噪图像中这些流形受到噪声污染而变形,若能恢复这些低维流形便可去噪.若干真实图像的二维块分布表明了该假设的正确性.接下来根据该假设给出了在块空间中通过复原受噪声污染流形来去噪的一个迭代算法.最后还考察了基于该假设图像去噪的最优化模型,即最小化这些流形所对应矩阵的秩.初步实验表明,该算法能取得良好的去噪效果,与当今最好的去噪算法有可比性.     

一种快速鲁棒的LOG-FAST角点算法

基于高时间效率的FAST算法,提出了一种快速鲁棒的FAST-LOG角点算法。使用直方图均衡化方法对图像进行增强,提高图像成分的清晰度并消除图像中光照强度的影响;运用拉普拉斯-高斯函数对图像进行卷积,实现图像的高斯平滑和增强边缘,及对噪声最大化的抑制;最后使用FAST算子检测角点。对比实验证明,新算子对于添加高斯噪声的分辨率为640*480的图像,其检测时间可达到0.05s;对光照不同的图像具有相近的检测性能;角点重复率可达98%。该算子可应用于实时视频图像的处理,为开发基于视觉的实时智能车辆预警系统提供了新的研究思路。     

H.264去块滤波算法在众核结构上的并行优化

在H.264视频解码中,去块滤波是运算量很大的一部分.由于去块滤波过程中,数据之间存在复杂的依赖性,现有的很多去块滤波并行方案存在着并行度小、同步互斥开销大的缺点.本文结合去块滤波算法及众核处理器Godson-T的结构特性,提出了一种可以减少数据依赖的去块滤波算法并行优化方案.相对于以前的很多方法,此并行方案首先在算法上增大了并行度,减少了同步开销,同时,我们通过片上众核处理器Godson-T的硬件支持,采用计算与通信重叠等优化策略,使得优化后的算法达到了数倍的性能提升.     

基于知识蒸馏和生成对抗网络的远场语音识别

为了进一步利用近场语音数据来提高远场语音识别的性能,提出一种基于知识蒸馏和生成对抗网络相结合的远场语音识别算法.该方法引入多任务学习框架,在进行声学建模的同时对远场语音特征进行增强.为了提高声学建模能力,使用近场语音的声学模型（老师模型）来指导远场语音的声学模型（学生模型）进行训练.通过最小化相对熵使得学生模型的后验概率分布逼近老师模型.为了提升特征增强的效果,加入鉴别网络来进行对抗训练,从而使得最终增强后的特征分布更逼近近场特征.AMI数据集上的实验结果表明,该算法的平均词错误率（WER）与基线相比在单通道的情况下,在没有说话人交叠和有说话人交叠时分别相对下降5.6%和4.7%.在多通道的情况下,在没有说话人交叠和有说话人交叠时分别相对下降6.2%和4.1%.TIMIT数据集上的实验结果表明,该算法获得了相对7.2%的平均词错误率下降.为了更好地展示生成对抗网络对语音增强的作用,对增强后的特征进行了可视化分析,进一步验证了该方法的有效性.