含B闪锌矿三元系半导体BxIn1-xP和BxGa1-xP带隙理论预测

利用第一性原理计算方法,用广义梯度近似 (GGA) 处理电子之间的交换关联能,计算了BxIn1-xP,BxGa1-xP的带隙结构.BxIn1-xP的带隙弯曲参数b _Eg (Γ)=4.32eV,b_Eg(X) =1.8eV,它从直接带隙转变为间接带隙时B的含量为0.47;在小量B的掺入下,可使BxIn1-xP的带隙变小,在x=0.15时带隙达到最小值1.33eV.BxGa1-xP的带隙弯曲参数b_Eg(Γ)=1.37eV,b _Eg(X)=2.46eV,在整个组分内是间接带隙.BxIn1-x-P,BxGa1-xP有较大的带隙弯曲参数,是由于组成它们的二元系之间存在较大的晶格失配.     

双极场引晶体管:Ⅱ.飘移扩散理论(双MOS栅纯基)

本文描述双极场引晶体管(BiFET)飘移扩散理论,包括薄纯基上两个等同金属氧化物硅(MOS)栅.把两维晶体管分解成两个一维晶体管,以表面势为参变量,得到解析方程.提供实用硅基和氧化层厚度范围内,随直流电压变化,输出和转移电流和电导总量和飘移扩散分量.显著部分的飘移电流来自横向电场平方的纵向梯度.     

基于小波变换的独立分量分析及其在图像分离中的应用

提出了一种新的基于小波变换的独立分量分析方法,对混合图像进行分离。研究表明,当各个源信号的概率密度分布相同时,自然梯度算法的稳态误差与源信号峭度成反比。因此,对峭度更大的小波域高频子图像进行独立分量分析可以获得更高的分离精度。同时混合图像在小波变换的过程中,可以利用小波阈值对混合图像进行去噪,提高图像的信噪比。最后通过实验证明该方法是有效的。     

基于梯度向量流的医学图像自动分割

提出了一种基于梯度向量流的自动图像分割算法，该算法首先将梯度向量流场转化为一个标量场，该标量场能够显著简化种子点选取和区域增长的步骤。在得到图像的初始分割后，再使用基于区域邻接图的算法来将相似区域合并得到最终分割结果。试验结果表明，该算法能够有效地解决医学图像中多目标区域的自动分割问题。     

铒镱共掺梯度折射率玻璃Judd-Ofelt理论分析

用高温熔融法制备了Er3+Yb3+共掺的梯度折射率玻璃.在室温下,用976 nm半导体激光器泵浦该掺铒玻璃,在1 550 nm波段实现强的荧光发射,中心波长为1.539 9 μm,荧光半宽高为57.4 nm,并应用Judd-Ofelt理论计算了Er3+离子在玻璃中的强度参数Ωt(t=2、4、6).研究结果表明,所制备的梯度折射率玻璃能接受非常高的Er3+、Yb3+掺杂率,有较宽的荧光线宽,且具有良好的离子交换性能,是铒镱共掺梯度折射率光纤用理想的候选材料.     

船舶尾流目标识别的随机梯度遗传算法研究

船舶尾流形貌包含着船舶类型、船舶吨位、船舶航速等方面的信息,对尾流目标的识别是船舶识别的一种有用途径.论述了随机梯度遗传算法的原理、特点及运算步骤,将该算法应用于船舶尾流目标的识别问题,对三个航速下船舶尾流目标的分类及识别.随机梯度遗传算法进化代数从5增加到10以及从10增加到15时,三个航速下的目标识别率按照接近20%的比例增加.而当进化代数从15增加到20及以上时,目标识别率增加缓慢,即进化代数达到15时,算法基本收敛.识别结果表明随机梯度遗传算法可用于船舶尾流目标的识别.标准遗传算法逼近全局最优值比较慢,有时会陷入局部最优,在全局最优值附近出现波动现象,算法收敛性较差.     

Perona-Malik模型离散格式的改进

Perona和Malik给出的离散格式是原Perona-Malik模型的近似模型的离散形式.这个离散格式用差商代替梯度,并略去了原模型的一项,本文通过理论分析发现这些简化影响了平滑的速度和效果.文中将省略的一项也加以离散,并将差商绝对值替换为梯度模,最终得到一个隐式的离散格式.实验结果表明,本文的离散格式提高了平滑速度,改进了平滑效果.     

井下金属磁记忆检测仪的设计和实现

金属磁记忆技术可有效判断井下套管应力集中区域.利用铁磁材料的磁记忆性,研制井下在役套管检测系统.通过采集到的由应力集中区所产生的磁记忆信号,可以快速、准确地确定套管的应力集中区.首先设计了磁记忆检测仪的软硬件结构,给出了关键电路和软件流程的实现,以适应井下高温的复杂环境;对于含有噪声的磁记忆信号很难提取梯度值用来评价设备的寿命,则在软件中采用了数字限幅平滑和能量小波去噪方法,有效提高磁记忆信号的信噪比,并准确提取了磁记忆信号中的梯度.最后,通过数据实验证实了所提方案的有效性.     

基于信号奇异性检测的行波启动元件算法的探讨

行波启动元件是超高速暂态量保护中必不可少的组成元件.在总结小波变换与信号奇异性检测理论的基础上,分析了现有的基于Lipschitz指数的行波启动元件算法,指出其在弱故障下灵敏度不足,可能造成启动元件的拒动,并阐明基于二次B样条小波的小波变换模极大值的求取算法是导致出现这一问题的原因.针对上述问题,提出改进的梯度算法,将梯度的模极大值应用于行波启动元件.大量ATP仿真测试验证了该启动算法的性能优于现有启动算法,可有效地提高反应故障的灵敏度.     

量子门Elman神经网络及其梯度扩展的量子反向传播学习算法

针对Elman神经网络的学习速度和泛化性能, 提出一种具有量子门结构的新型Elman神经网络模型及其梯度扩展反向传播(Back-propagation)学习算法, 新模型由量子比特神经元和经典神经元构成. 新网络结构采用量子映射层以确保来自上下文单元的局部反馈与隐藏层输入之间的模式一致; 通过量子比特神经元输出与相关量子门参数的修正互补关系以提高网络更新动力. 新学习算法采用搜索然后收敛的策略自适应地调整学习率参数以提高网络学习速度; 通过将上下文单元的权值扩展到隐藏层的权值矩阵, 使其在与隐藏层权值同步更新过程中获取时间序列的额外信息, 从而提高网络上下文单元输出与隐藏层输入之间的匹配程度. 以峰值检波为例的数值实验结果显示, 在量子反向传播学习过程中, 量子门Elman神经网络具有较快的学习速度和良好的泛化性能.