光伏电站直流单导线载波通信信号提取方法

由于传统方法在实际应用中对于光伏电站直流单导线载波通信信号提取得不够全面,提取率较低,为此提出光伏电站直流单导线载波通信信号提取方法。使用GUHN-2554无线传感器读取到载波机上原始通信信号;通过对原始通信信号进行经验模态分解,得到不同时间尺度下的特征参数;再根据特征参数,通过独立分量分析计算出逼近特征参数值的通信信号,将其从混淆信号中分离出来,从而完成了光伏电站直流单导线载波通信信号提取。经实验证明,应用此次设计方法可以基本全面提取到载波通信信号,提取率远高于传统方法,更适用于光伏电站直流单导线载波通信信号提取。     

基于深度学习的自闭症谱系障碍fMRI数据分类研究

与健康儿童对照相比，自闭症谱系障碍（ASD）患者的脑结构和功能存在显著异常，因此文中采用脑影像的方法实现ASD的辅助诊断。由于基于传统的脑图谱构建脑网络节点依赖于人为的先验知识和假设，因此将由受试者的数据通过数据驱动的方法即独立成分分析（ICA）进行全脑独立成分（ICs）分析，并将提取的ICs作为感兴趣区域（ROI）提取时间序列，随后用计算得到的相关性矩阵构建脑网络并通过Node2vec方法将脑网络的节点向量化以生成节点特征，最后通过图卷积网络（GCN）刻画脑网络连接水平状态，并通过多层感知机（MLP）实现对ASD的识别。所用方法 ICA+GCN在79名ASD患者和105名典型对照组中取得了86.1%的分类精度。综上，文中所用方法有望用于ASD辅助诊断。     

纳米颗粒掺杂的聚合物稳定液晶微管随机激光器性能研究

为了优化液晶类微管激光器的性能,拓展其应用领域,本文研究了银纳米颗粒和氧化锌纳米颗粒对染料掺杂聚合物稳定液晶微管激光器出射激光的影响。通过掺杂不同浓度的银纳米颗粒和氧化锌纳米颗粒在聚合物稳定液晶的微管随机激光器中,探究其对微管激光器出射激光特征的影响,并对比两种纳米颗粒的影响效果。实验结果表明:当在聚合物稳定液晶微管激光器中掺入0.1%的银纳米颗粒后,随机激光出射强度增强,其激光阈值从23.2μJ/pulse减小至10.9μJ/pulse。当氧化锌纳米颗粒的掺杂浓度达到1.0%时,在随机激光出射强度增加的同时,激光出射阈值会减小至21.2μJ/pulse。然而,过量纳米颗粒的掺杂均会造成随机激光出射光强的降低和激光阈值的增加,其原因在于纳米颗粒团簇的产生,降低了纳米颗粒的散射作用。实验结果还表明,银纳米颗粒掺杂对微管激光器性能的提升明显优于氧化锌,这归因于银纳米颗粒所引发的局域表面等离共振效应会增强其散射作用。通过掺杂纳米颗粒,微管随机激光器的性能得到了提升,为其在通讯、加密以及液晶显示等领域奠定了基础。     

基于深度学习的运动想象脑机接口研究综述

近年来，随着脑机接口（Brain-Computer Interface,BCI）技术的进一步发展，对特征提取技术的鲁棒性的需求也持续增加。深度学习（Deep Learning,DL）作为多层次的神经网络模型具有从高维数据中进行特征提取并从分层表示中学习的能力，在分类识别任务领域中的表现优于手工选择特征的传统机器学习方法。深度学习模型可以自动学习高维的EEG数据集从而提取有效特征，因此基于深度学习的脑机接口成为该领域新的研究趋势。卷积神经网络（Convolution Neural Network,CNN）、深度信念网络（Deep Belief Network,DBN）和递归神经网络（Recurrent Neural Network,RNN）是深度学习中对脑电信号进行分析的三大主流算法。主要介绍了这三大主流深度学习算法的基本原理。为了探索能更好契合脑电数据特点的分类模型，还探讨了它们在BCI中集成其他方法的实际运用。