一种新型现场多道核能谱数据采集系统的设计

介绍了一种新型现场多道核能谱数据采集系统的设计，详细阐述了设计思路，提出了可行性方案，给出了重要功能模块及采取的关键技术，并重点针对现场核能谱数据采集系统的低功耗、实时性和高性能设计进行了研究，最后给出了其主要技术指标及实测Cs标准源谱线，结果表明该系统功能完善，功耗低、性能可靠。     

对辐射感应闭锁窗口现象的解释

中、大规模CMOS器件受到瞬态辐射时，出现了闭锁单窗口、多窗口现象。为了获得闭锁窗口的出现原因，借助对窗口现象的有关参考文献的研究，利用计算机电路模拟软件，分析了CMOS器件多个闭锁路径之间的相互作用。在此基础上，提出了解释窗口现象的“三径”闭锁模型。应指出的是，该闭锁模型还需要试验上的进一步验证与支持。     

脉冲中子组合测井在胜利油田中的应用

碳氧比能谱、脉冲中子衰减-能谱、注硼中子寿命以及氧活化测井均属于脉冲中子测井方法.简单介绍了这些测井技术各自的测量原理及应用.针对胜利油田地质情况的复杂性、多解性,阐述了应用组合测井方法可以更好地解决油藏的剩余油分布等问题.使用脉冲中子衰减-能谱测井仪(PND)进行PND和硼中子寿命测井的组合测井方法,利用PND获得的俘获截面曲线作为注硼中子寿命测井的基线.该方法既可缩短施工时间,又可解决单一测井方法无法解决的某些特殊测井问题.介绍了应用这种组合测井在正确识别低压储层、确定储层窜通情况、获得剩余油饱和度、确定储层水淹程度等方面的测井实例.     

核阀密封面激光熔覆层稀释率控制研究

采用5KW横流CO2激光器对1Cr18Ni9Ti核阀密封面进行了Co基合金激光熔覆处理，测定了激光熔覆层的受基体成分稀释的稀释率，并将其微观组织形貌、稀释率与等离子喷焊处理的同种试件进行了对比分析，结果表明：在保证与基体良好冶金结构的条件下，激光熔覆层的稀释率远小于等离子喷焊层，激光熔覆层还具有组织细密、晶粒度高和硬度高的特点，进而分析探讨了对激光熔覆层的稀释率控制。     

核测井仪器关键元器件可靠性测试

论述了核测井仪器关键元器件可靠性测试的目的、内容、原则、方法以及测试数据的处理方法，给出了核测井仪器部分关键元器件的可靠性测试结果，这一结果对核测井仪器关键元器件的选型、筛选及后续测试具有指导作用。     

核阀密封面激光熔覆层耐磨性能研究

采用 5KW横流CO2激光器对 1Cr1 8Ni9Ti核阀密封面进行了钴基合金激光熔覆处理 ,测试了激光熔覆层的耐磨损性能 ,并将其微观结构及质量、耐磨损性能与等离子喷焊处理的同种试件进行了对比分析 ,结果表明 :激光熔覆层具有更高的抗擦伤磨损和抗高温冲击滑动磨损的性能 ,具有组织细密均匀、晶粒度高、硬度高与稀释率低的特点。在此基础上对激光熔覆层的耐磨损性能进行了分析探讨     

核磁共振陀螺反馈环路中滤波器的影响研究

为了分析核磁共振陀螺中129Xe自旋振荡器的振幅和频率特性,建立了相应的半经典模型,其中分别采用密度矩阵和经典电磁理论描述核自旋系综和反馈系统。然后,根据自激振荡的自洽条件推导了用于描述自旋振荡器的振荡方程。进一步,利用旋转波近似和慢变振幅近似将振荡方程化简为自洽方程组,它由分别用于描述自旋振荡器振幅和频率的振幅方程和频率方程构成。基于上述自旋振荡器的半经典模型,研究了带通滤波器对自旋振荡器振幅和频率的影响。仿真结果表明,对核磁共振陀螺的典型参量,反馈环路设计不当导致的自旋振荡器频移可达亚μHz。该研究对提高基于自旋振荡器的核磁共振陀螺性能具有一定的参考价值。     

基于卷积神经网络的随机因子重采样图像检测

图像重采样检测是图像取证领域的重要任务,其目的是检测图像是否经过重采样操作。现有的基于深度学习的重采样检测方法大多只针对特定的重采样因子进行研究,而较少考虑重采样因子完全随机的情况。本文根据重采样操作中所涉及的插值技术原理设计了一组高效互补的图像预处理结构以避免图像内容的干扰,并通过可变形卷积层和高效通道注意力机制(efficient channel attention, ECA)分别提取和筛选重采样特征,从而有效提高了卷积神经网络整合提取不同重采样因子的重采样特征的能力。实验结果表明,无论对于未压缩的重采样图像还是JPEG压缩后处理的重采样图像,本文方法都可以有效检测,且预测准确率相比现有方法均有较大提升。     

双重JPEG压缩图像篡改区域检测与定位

对JPEG(joint photographic experts group)图像实施篡改往往会产生双重JPEG(double JPEG,DJPE) 压缩痕迹,分析该痕迹有助于揭示图像压缩历史并实现篡改区域定位。现有算法在图像尺寸较小和质量因子(quality factor,QF) 较低的时候性能不佳,对两个QF的组合情况存在限制。本文提出了一种端到端的混合QF双重JPEG压缩图像取证网络,命名为DJPEGNet。首先,使用预处理层从图像头文件中提取表征压缩历史信息的量化表 (quantization table,Qtable) 特征,将图像从空域转换至DCT(discrete cosine transform)域构造统计直方图特征。然后,将两个特征输入到由深度可分离卷积和残差结构堆叠而成的主体结构,输出二分类结果。最后,使用滑动窗口算法自动定位篡改区域并绘制概率分布图。实验结果表明,在使用不同Qtable集生成的小尺寸数据集上,DJPEGNet所有指标均优于现有最先进的算法,其中ACC提高了1.78%,TPR提升了2.00%,TNR提升了1.60%。     

一种缩放情况下区分原始区域和篡改的方法

为了在检测结果中区分出原始区域和粘贴区域,提出一种基于尺度不变特征转换(SIFT)和重采样痕迹的图像盲检测算法。该算法首先将图像分成互不重叠块,利用SIFT算法找出每个块中的关键点,对关键点匹配;然后在每个块中以匹配关键点的中心为种子进行区域生长得到篡改区域;最后分析每个图像块的频谱图,计算出缩放因子,区分原始区域和复制区域。实验结果表明,该算法简便快捷,在能够对篡改区域进行准确定位的同时,并能区分原始区域和复制区域。