迭代法解析核信号成形电路数字解

针对从时域推导电路模型、递推法只有在取恰当输出电压初值时才得到正确输出波形的问题,提出迭代的方法.根据基尔霍夫电流定律和节点电压法建立电路电流等式,通过等效替代将抗性器件转换为非抗性器件,利用迭代法得出其迭代解.对常用核电子学电路C-R微分电路、R-C积分电路数值递归解和迭代解间的误差进行分析,并对递归法初值问题进行了...     

超高分子量聚乙烯纤维的发展状况

介绍超高分子量聚乙烯纤维的结构性能,发展历程和现状.描述了纤维的生产工艺方法和用途,介绍了国内外主要生产厂商产品,以及国内外对超高分子量聚乙烯纤维的改性方法和应用.     

基于毛纽扣的垂直互连技术研究进展

垂直互连技术具有互连路径短、空间利用率高、速度快等诸多优点,对星载、舰载、弹载等实现微型化、轻量化、多功能化具有重要战略意义。毛纽扣连接器作为一种弹性连接器,常用于低矮化多层印制板间的垂直互连,其自身体积小、微波性能好、工作频段宽、易拆卸、低延迟,且可以有效抑制连接器内部信号的互感效应,减小信号传输的路径长度和高频信号的趋肤效应,在射频微波领域具有重要用途。重点综述了材料类型及电镀金厚度对毛纽扣连接器性能的影响,归纳了通过建立理论模型分析毛纽扣连接器的电学性能及力学本构模型的方法,并揭示了高、低温（-55～85℃）冲击下毛纽扣连接器的可靠性,总结了其在印制电路板和微型连接器中的应用。总体来说,我国对毛纽扣垂直互连技术研究较少,特别是在宇航领域,还需积极地进行技术攻关,确保其在真空、温度交变、辐射及原子氧等苛刻复杂的宇航服役环境中的可靠性。对此,综述了基于毛纽扣连接器的垂直互连技术的基本原理,以及影响毛纽扣性能及可靠性的服役环境,分析了近年来国内外在毛纽扣连接器领域取得的研究进展,并展望了毛纽扣连接器的发展方向,可为基于毛纽扣连接器的垂直互连技术的发展提供有益的参考和启示。     

硅基MEMS微同轴的工艺技术

采用硅基MEMS工艺技术制备了具有微同轴传输线与垂直转接结构的微同轴芯片。制备工艺采用先干法刻蚀形成硅立体结构,再进行侧壁选择性金属化工艺,形成了包裹金属的线芯与无金属的硅支撑梁。采用上、中、下3层晶圆分别制备了TSV、悬置线芯等结构,并通过晶圆级键合形成了完整的微同轴结构。微波测试结果表明其具有较低的损耗特性。与其他工艺路线相比,硅基MEMS微同轴工艺技术具有工艺简单、结构可靠的优点。     

用热压法制造高性能人造花岗石

树脂质人造花岗石广泛用于橱柜、洗面台、墙面等,原用树脂组成物多为不饱和聚酯树脂类,也就是在不饱和聚酯树脂中配合无机填充料、促硬剂、内部脱模剂和脱泡剂以及按需要添加的颜料,制备混合料,热压成形.但热压成形时,特别是在高温下,存在因硬化收缩或硬化发热引起的裂纹的缺陷.为防止裂纹形成,在树脂组成物中可添加低收缩剂即热膨胀性聚...     

基于LF-NMR技术对不同鸡汤制品的营养品质分析及区分

以原味鸡汤、浓缩鸡汤(吴太婆牌和史云生牌)和勾兑鸡汤(家乐牌浓汤宝和太太乐牌浓缩鸡汁)为研究对象,对不同鸡汤制品普通营养成分(粗脂肪、粗蛋白和固形物)含量、色差和感官评分等进行分析比较;并利用低场核磁共振(LF-NMR)技术结合主成分分析法对上述鸡汤进行检测区分。结果表明：原味鸡汤营养成分含量和感官评分最高;LF-NMR数据结合主成分分析的结果,可使不同种类鸡汤得到明显的区分;且LF-NMR弛豫特性数据与食品感官评分、鸡汤的理化营养成分参数3者之间具有较好的相关性。该研究结果说明低场核磁共振技术应用于食品品质的区分识别具有可行性。     

一种低开销的异构可变相联度二级Cache结构

V-Way Cache结构利用存储访问在组之间分布的不均匀性,根据需求动态调整组相联度,具有比传统Cache结构更有效的资源利用率。然而,V-Way Cache结构组相联度调整以增大Tag阵列容量为代价,增加了面积、功耗等开销,且Tag阵列利用率不高。对V-Way Cache结构进行优化,提出一种低开销的异构可变相联度Cache结构HV-Way Cache。HV-Way Cache采用异构Tag阵列组织,通过允许多个组共享Tag项资源以缩减Tag路容量;Tag项替换信息以组为单位组织,挑选最久没有被使用的项作为被替换项。使用Cacti和Simics模拟器进行模拟实验,结果表明HV-Way Cache结构能以很少的性能损失实现面积、功耗开销的极大降低。     

一种改进的自适应滑模控制及其在航天器姿态控制中的应用

针对刚体航天器的鲁棒姿态控制问题,提出一种改进的自适应滑模控制(ASMC)算法.该算法除了不需要事先知道扰动及系统参数不确定性的上界外,还有效地解决了现有ASMC设计中对切换增益的过度适应问题.该算法具有以下优点:1)自适应的切换增益更接近扰动及参数不确定性的上界,能够产生低抖振的控制信号;2)控制力矩更为平滑,适于工程应用.仿真结果验证了所提出算法的有效性.     

低秩稀疏图嵌入的半监督特征选择

目的 特征降维是机器学习领域的热点研究问题。现有的低秩稀疏保持投影方法忽略了原始数据空间和降维后的低维空间之间的信息损失,且现有的方法不能有效处理少量有标签数据和大量无标签数据的情况,针对这两个问题,提出基于低秩稀疏图嵌入的半监督特征选择方法（LRSE）。方法 LRSE方法包含两步：第1步是充分利用有标签数据和无标签数据分别学习其低秩稀疏表示,第2步是在目标函数中同时考虑数据降维前后的信息差异和降维过程中的结构信息保持,其中通过最小化信息损失函数使数据中有用的信息尽可能地保留下来,将包含数据全局结构和内部几何结构的低秩稀疏图嵌入在低维空间中使得原始数据空间中的结构信息保留下来,从而能选择出更有判别性的特征。结果 将本文方法在6个公共数据集上进行测试,对降维后的数据采用KNN分类验证本文方法的分类准确率,并与其他现有的降维算法进行实验对比,本文方法分类准确率均有所提高,在其中的5个数据集上本文方法都有最高的分类准确率,其分类准确率分别在Wine数据集上比次高算法鲁棒非监督特征选择算法（RUFS）高11.19%,在Breast数据集上比次高算法RUFS高0.57%,在Orlraws10P数据集上比次高算法多聚类特征选择算法（MCFS）高1%,在Coil20数据集上比次高算法MCFS高1.07%,在数据集Orl64上比次高算法MCFS高2.5%。结论 本文提出的基于低秩稀疏图嵌入的半监督特征选择算法使得降维后的数据能最大限度地保留原始数据包含的信息,且能有效处理少量有标签样本和大量无标签样本的情况。实验结果表明,本文方法比现有算法的分类效果更好,此外,由于本文方法基于所有的特征都在线性流形上的假设,所以本文方法只适用于线性流形上的数据。     

基于低秩表示的非负张量分解算法

为了提高图像分类准确率,提出了一种基于低秩表示的非负张量分解算法。作为压缩感知理论的推广和发展,低秩表示将矩阵的秩作为一种稀疏测度,由于矩阵的秩反映了矩阵的固有特性,所以低秩表示能有效的分析和处理矩阵数据,本文把低秩表示引入到张量模型中,即引入到非负张量分解算法中,进一步扩展非负张量分解算法。实验结果表明,本文所提算法与其他相关算法相比,分类结果较好。