光波束形成中色散延时的非线性修正

光波束形成网络是光控相控阵雷达中的重要组成部分，有助于提升系统的宽带宽角扫描能力。利用光开关的切换，改变各收发通道间的相对延时量，从而实现波束指向的变化。在常用的技术中，色散延时是一种简洁的光波束形成实现方法，而色散线性项仅适用于色散量小且通道数少的情况。随着延时量的增加，非线性色散延时积累，会引起波束畸变。因此引入相对色散斜率（RDS）作为其非线性因子，并通过调整商用激光器波长来抵消色散介质的非线性效应。当RDS为0.003 nm?1时，激光器阵列的最大波长间隔从0.796 nm “拉伸”到0.862 nm，波长也整体“平移”?0.31 nm，修正波长与商用激光器波长的最大调整量为0.2 nm，可满足商用波分复用器的通带带宽，大扫描角时主瓣与副瓣之比从5 dB提升至12.9 dB。通过分析，RDS数值越小，激光器波长的修正量越小。因此，RDS是选择色散介质和调整激光器波长的重要参数，从而能够恢复波束畸变，以提升相控阵系统的成像、识别能力。     

小型双级活塞推料离心机主要运行参数设计

针对小型化工厂废水处理中,双级活塞推料离心机固液分离产能过大,从而要求设计生产能力在300 kg/h～500 kg/h,残余含湿率≤5%的双级活塞推料离心机的问题,研究了影响生产能力的推料行程、滤饼厚度、推料次数以及影响残余含湿率的分离因数、分离时间等相关参数。采用了P-40双级活塞推料离心机的实际运行和分离效果参数,应用换算法对P-25小型双级活塞推料离心机的推料行程、推料次数、转鼓过滤长度、转鼓转速等运行参数进行了设计,确定了转鼓直径。研究结果表明:生产能力和残余含湿率在理论上可满足用户的要求;P-25双级活塞推料离心机在实际运行中生产能力达到300 kg/h～550 kg/h,残余含湿率在4.5%～5%之间,达到了预期效果。     

基于密度聚类的光条中心线提取方法

为了解决线结构光3维测量中噪声光斑对提取精度的影响，采用了密度聚类灰度重心提取算法提取激光光条中心线。该方法由中心线预提取以及中心线最终提取两阶段组成，预提取阶段实现对激光与光斑两者中心线的同时提取，最终提取阶段采用基于连通性的密度聚类算法完整保留激光中心线并剔除噪声光斑。在仿真实验阶段，对大小为600pixel×600pixel、含有激光中心线的图像进行了加噪处理，并使用提取结果与真实中心线之间各点的均方根误差以及运行时间作为考察标准进行了实验研究。结果表明，该方法与传统灰度重心法相比，在高亮度各向异性光斑、高亮度小面积光斑、高亮度点噪声图像的均方根误差分别降低了12.59pixel，15.12pixel和83.36pixel，时间复杂度分别提高了0.383s, 0.412s和0.416s。该方法与传统灰度重心法相比具有更高的提取精度、近似的时间复杂度，且对噪声光斑具有较好鲁棒性，可以在噪声光斑图像中完整提取出光条中心线。     

锐声音

<正>建立角膜联盟,搭建信息共享平台,能让紧急的患者及时得到救助,保住光明。——暨南大学眼科教授、成都爱迪眼科名誉院长姚晓明成人渐进验配技术真的没那么复杂;禁忌症(人群)真的没那么多。相比技术更关键的是沟通,如何让消费者更好地接受、更愿意配戴,才是更大的挑战。——天津万里路视光培训学校王冬     

电感耦合等离子体原子发射光谱法测定高铋铅中铜、铁、镍、镉、砷、锑、铋

采用硝酸-酒石酸溶解高铋铅样品,保持10%硝酸介质浓度,对不同浓度范围的元素进行分液,实现了电感耦合等离子体原子发射光谱仪对高铋铅中铜、铁、镍、镉、砷、锑、铋7种元素的同时测定。通过试验,比较了不过滤直接测定以及过滤-滤渣补正两种方式,滤渣中待测元素含量极低,选择不过滤直接测定的方法。进行了干扰元素试验,并界定了最大干扰量。7种元素在一定的质量浓度范围内与其发射强度呈线性关系,测定值的相对标准偏差(n=7)在0.56%~9.78%之间。     

激光焊接裂纹磁光成像频域特征分析

为了研究旋转磁场激励下激光焊接裂纹磁光成像在频域内的特征, 采用对激光焊接裂纹磁光图像进行2维离散傅里叶变换的方法, 进行了理论分析和实验验证, 取得了旋转磁场不同励磁强度下激光焊接裂纹的频谱图数据。结合裂纹磁光图的空域特征, 对所获裂纹频谱图灰度值为255的点进行统计分析。结果表明, 激光焊接裂纹磁光图像的频域特征和空域特征有一定的对应关系; 在一个变化周期内(885帧磁光图), 对应频谱图上会出现先变小再变大、再变小再变大或相反的变化过程, 最终回到初始状态。这一结果验证了旋转磁场下裂纹磁光成像规律的正确性, 对激光焊接缺陷的无损检测是有帮助的。     

基于语音人工智能的“黑广播”监测方法研究

"黑广播"会扰乱正常信号,破坏空中电波秩序,对社会危害极大,因此,对"黑广播"进行监测与打击是无线电管理的重要工作之一。根据广播语音内容甄别"黑广播"是最可靠的识别方式,传统的"黑广播"识别依靠人工听取广播内容,成本高、效率低,基于自动语音识别技术的方式大多依托在线网络语音服务,难以应对离线实时监测场景。本文提出一套基于语音人工智能的"黑广播"监测识别技术,提取语音声学矩阵信息并利用神经网络进行识别,可在离线情况下实现"黑广播"的实时侦测。