“高电压工程”课程思政教改探索与实践

针对“高电压工程”课程思政教学改革的要求,分别从教学目标、教学内容、教学方法和考核手段四个方面,挖掘课程中蕴含的思政元素,通过教学创新,有机融入思政内容,使学生不仅学到专业知识,更体会到专业内容蕴含的社会主义核心价值观。最后,通过课堂教学对“高电压工程”课程思政的改革效果进行了实践和检验,为其他电气类专业课的课程思政教学改革提供参考。     

基于紫外光刻的双轴张应变Ge/SiGe多量子阱电吸收调制器北大核心CSCD

采用紫外光刻工艺(ultraviolet lithography technique,UVL),在互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)兼容的硅基平台上制作了基于悬空微桥结构在Ge/SiGe多量子阱材料中引入双轴张应变的低偏振相关电吸收调制器。利用拉曼光谱测试了器件引入双轴张应变的大小,并对器件在横电(transverse electric,TE)偏振和横磁(transverse magnetic,TM)偏振下的光电流响应、调制消光比和高频响应等性能进行了测试。器件的低偏振相关消光比在0 V/4 V工作电压下可达5.8 dB,3 dB调制带宽在4 V反向偏置电压时为8.3 GHz。与电子束光刻工艺(electron beam lithography technique,EBL)相比,采用UVL制作的器件在调制消光比、高频响应带宽等性能上略差一点,但具有曝光时间短、成本低和可大批量生产等优势,应用前景广阔。     

透明吸波体综述北大核心CSCD

吸波体是一种带有损耗特性的周期结构,能够吸收电磁波,将电磁能转化为热能,降低反射的电磁波能量。随着应用场景的特殊化,吸波体朝着特殊领域、特定功能、更具针对性的方向发展。由于各类含有光学窗口的应用环境对抗电磁干扰需求的不断提高,吸波体光学透明化成为研究的重点方向。为了对透明吸波体的发展状况有系统的认识,文章以制造材料为脉络梳理了近年来可见光透明吸波体的研究现状,包括氧化铟锡(ITO)、金属网栅、石墨烯等,综述了以它们为材料制备的透明吸波体优缺点以及发展趋势,最后对透明吸波体的未来发展进行了展望。     

跨谱段SAR散射中心多维参数解耦和估计方法

微波光子雷达发射大带宽跨谱段的信号,为目标的精细电磁特性描述和准确识别提供基础的同时,也亟需与之相应的大带宽大转角情况下的电磁模型参数提取方法.相比窄带条件,跨谱段信号数据量大,所含物理量信息维度高且复杂,大转角情况下距离和方位向耦合.该文提出跨谱段SAR散射中心多维参数解耦和估计方法,首先结合极坐标格式算法(PFA)和属性散射中心模型构造2维解耦波数域散射中心模型,再结合坐标下降法(CDA)将复杂的高维耦合参数估计方法简化为循环迭代的1维参数估计方法,有效降低字典维度和估计复杂度,并引入Hooke-Jeeves算法提高估计精度.最后根据各个散射中心的参数估计结果对它们的结构和位置进行识别,对仿真数据的处理实验验证了该文方法的有效性.     

一种密码专用可编程逻辑阵列的分组密码能效模型及其映射算法

密码专用可编程逻辑阵列(CSPLA)是一种数据流驱动的密码处理结构,该文针对不同规模的阵列结构和密码算法映射实现能效关系的问题,首先以CSPLA的特定硬件结构为基础,以分组密码的高能效实现为切入点,建立基于该结构的分组密码算法映射能效模型并分析影响能效的相关因素,然后进一步根据阵列结构上算法映射的基本过程提出映射算法,最后选取几种典型的分组密码算法分别在不同规模的阵列进行映射实验.结果表明越大的规模并不一定能够带来越高的能效,为取得映射的最佳能效,阵列的规模参数应当与具体的硬件资源限制和密码算法运算需求相匹配,CSPLA规模为4×4～4×6时映射取得最优能效,AES算法最优能效为33.68 Mbps/mW,对比其它密码处理结构,CSPLA具有较优的能效特性.     

基于全相位陷波器解析设计的啸叫去除

为了快速且精准地抑制助听器中的啸叫效应,该文提出一种中心频率可以精确控制的全相位有限脉冲响应(FIR)陷波器解析设计.首先,为了获得较高的陷波精度,引入了整数部分m和小数部分λ来控制陷波的中心频率.然后,设计了一个偶对称的闭式解析式来计算陷波器系数.最后,为了保证输出信号的连续性和线性相位,进行数据延拓和截取操作.该陷波器具有线性传输特性,避免了非线性失真.为了检验陷波器的滤波性能,将其应用在助听器中去除啸叫.实验结果表明,该滤波器在啸叫频率下的衰减值可达–330 dB,信噪比达22 dB,输出波形质量好,算法复杂度低,鲁棒性高,具有一定的应用前景.     

基于HAGA的D2D-NOMA资源分配优化算法

针对无线系统带宽资源有限、基站负载压力大、传输时延长等问题,提出一种基于非正交多址接入技术的D2D系统吞吐量最大化资源分配算法。在不同用户的服务质量约束条件下,建立D2D系统吞吐量最大化资源分配模型。该模型的优化目标是一个混合整数非线性规划问题,将其解耦为信道匹配与功率分配2个子问题并分别进行处理,利用自适应惩罚函数法处理约束条件并提出一种基于爬山策略的自适应遗传算法以对问题进行求解。仿真结果表明,与GA、AGA算法相比,该算法能够有效提高D2D系统的吞吐量,且收敛性能更好。     

基于改进多嵌入空间的实时语义数据流推理

将语义数据流处理引擎与知识图谱嵌入表示学习相结合,可以有效提高实时数据流推理查询性能,但是现有的知识表示学习模型更多关注静态知识图谱嵌入,忽略了知识图谱的动态特性,导致难以应用于实时动态语义数据流推理任务。为了使知识表示学习模型适应知识图谱的在线更新并能够应用于语义数据流引擎,建立一种基于改进多嵌入空间的动态知识图谱嵌入模型PUKALE。针对传递闭包等复杂推理场景,提出3种嵌入空间生成算法。为了在进行增量更新时更合理地选择嵌入空间,设计2种嵌入空间选择算法。基于上述算法实现PUKALE模型,并将其嵌入数据流推理引擎CSPARQL-engine中,以实现实时语义数据流推理查询。实验结果表明,与传统的CSPARQL和KALE推理相比,PUKALE模型的推理查询时间分别约降低85%和93%,其在支持动态图谱嵌入的同时能够提升实时语义数据流推理准确率。     

一种基于YOLOv4-TIA的林业害虫实时检测方法

针对现有基于深度学习的林业昆虫图像检测方法存在检测精度低和检测速度慢的问题,提出一种结合改进PANet结构与三分支注意力机制的目标检测方法YOLOv4-TIA。通过对样本数量较少的昆虫类别进行数据增强,实现样本均衡分布。利用三分支注意力机制改进YOLOv4中的CSPDarkNet53骨干网络,同时通过旋转操作和残差变换建立维度间的依存关系,以提高有效的特征通道权重,在PANet结构上增加将跳跃连接与跨尺度连接相结合的特征融合方式,从而获取更丰富的语义信息和位置信息。在此基础上,采用Focal loss函数优化分类损失,解决正负样本不均衡的问题。实验结果表明,该方法的精确率和召回率分别达到85.9%和91.2%,相比SSD、Faster R-CNN、YOLOv4方法,其在保证检测速度的同时,能够有效提高检测精度,且实现对林业害虫的实时精确监测。