双波段紫外光合成维生素D3实验研究

报道了双波段紫外光照射7脱氢胆甾醇合成维生素D₃的放大实验研究,发现它与激光两步照射合成法产物随时间变化曲线非常相似,维生素D₃的前身P₃的转化率约为61%,远高于传统的高压汞灯连续照射的产率.     

Tavis-Cummings模型中原子运动时光场的非经典特性

用全量子理论研究了原子运动时双原子Tavis-Cummings模型中光场的非经典特性. 分析了原子的运动、光场的初态和谐振腔的腔模结构对光场的压缩和反聚束效应的影响. 关键词： Tavis-Cummings模型 原子运动 压缩 反聚束效应     

Makarov势的Dirac方程的束缚态解

给出了Makarov型标量势与矢量势相等条件下的Dirac方程的束缚态解. Dirac方程的角向方程用因子分解方法求解，在得出角向波函数的过程中，自然地得到了属于同一本征值的不同角向波函数间的递推操作. 径向束缚态波函数用合流超几何函数表示，束缚态的能量方程可由径向波函数满足的边界条件得到. 关键词： Makarov势 Dirac方程 束缚态 因子分解方法     

这两个数列的通项公式能求出来吗?

对两道数列试题进行分析,给出其通项公式的求法.     

高中数学“阅读与思考”栏目的教学实践与思考——以“孟德尔遗传规律”为例

人教A版高中数学新教材中设置了“阅读与思考”栏目,对提高学生学习数学的兴趣、积累数学活动经验、培养探究创新能力、提升数学核心素养都有极大的好处.本文基于“孟德尔遗传规律”设计教学案例,谈谈高中数学新教材中学科交叉知识运用的“阅读与思考”栏目的使用和体会.     

深海远程正交频分复用水声通信簇约束的分布式 压缩感知信道估计*

在深海远程正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)水声通信中,信道时延较长,导致信道频率选择性衰落严重,传统的压缩感知信道估计算法性能大幅下降。为此,本文利用深海远程信道在一定时间内具有相关性并呈较稳定簇状分布的特点,在分布式压缩感知信道估计中引入簇区域信息,进行簇约束的多数据块联合稀疏信道估计,提出一种簇约束的分布式压缩感知信道估计方法,并在深海开展了定点远程水声通信实验进行验证,实验结果表明,与传统的分布式压缩感知信道估计算法相比,本方法的能够降低50%左右的误码率。     

资源受限下森林火灾应急救援多目标调度优化

许多森林火灾由于救援资源受限而不能在第一时间扑灭,导致火灾扩大蔓延,进而造成更大的森林资源损失。因此,在救援资源受限情形下,如何对消防救援车辆进行合理的调度安排以快速和低成本地扑灭火灾已成为亟待解决的现实问题。本文研究了一类资源受限下森林火灾应急救援多目标调度优化问题,为该问题构建了多目标混合整数非线性规划模型,优化目标为同时最小化总灭火救援时间和救援车辆总行驶距离。为有效求解该问题,首先将上述非线性模型等价转化为线性模型。然后提出ε-约束法和模糊逻辑相结合的算法对问题进行求解。最后,以大兴安岭山发生的火灾案例和随机生成仿真算例对模型和算法有效性进行验证,结果表明所提出的模型和算法能够有效解决资源受限下森林火灾应急救援问题,并为决策者提供最优的消防调度方案。     

不同能量质子辐照诱发CCD图像传感器性能退化实验与分析

为了评估电荷耦合器件(CCD)在空间科学探测以及航天卫星成像等空间辐射环境中应用的可靠性,揭示了CCD转换增益以及线性饱和输出等重要性能参数的退化机制及其实验规律。辐照实验在质子回旋加速器上进行,质子能量为60 MeV和100 MeV,质子注量分别为1×10¹⁰ cm^-2、5×10¹⁰ cm^-2和1×10¹¹ cm^-2。将CCD的主要性能参数在两个不同能量质子辐照后进行比较,实验结果表明,CCD的性能参数对质子辐照产生的电离损伤和位移损伤非常敏感,辐照后转换增益和线性饱和输出明显下降,且暗信号尖峰和暗电流明显增大。此外,分析了质子辐照CCD诱发的电离损伤和位移损伤,给出了CCD性能参数退化与质子辐照能量和注量的变化关系曲线。     

双波段全天空云量观测系统研制及数据分析

为实现全天时、全天空云量观测,提出并研制了一种双波段全天空云量观测系统。该系统在可见光波段通过内置遮光装置和高动态范围（HDR）图像合成技术,可采集清晰完整的全天空图像,同时,其在红外波段的一次成像可获取160°视场范围天空图像,较传统扫描拼接式红外观测模式更加简单快捷。主要阐述了该系统在不同波段的全天空成像原理以及云图分割方法。从双波段云量观测数据的一致性和准确性两方面进行分析,验证了该系统在云量观测上具有较高的准确性。     

基于神经网络的可见光通信系统信道估计方法

针对现有的非对称限幅光正交频分复用（ACO-OFDM）可见光通信（VLC）系统中信道估计方法存在导频数量过大、精度低、估计效率不高的问题,提出一种基于深度神经网络（DNN）的VLC信道估计方法。利用梯度集中化（GC）方法进行模型优化,并采用端到端的方式跟踪信道信息并恢复失真信号。仿真结果表明：所提方法的误码率（BER）和均方误差（MSE）性能均优于传统方法;在使用较少的导频和省略循环前缀（CP）进行信道估计时,所提方法具有更强的鲁棒性。此外,在DNN训练过程中引入GC方法,可以加快网络的收敛速度,提高其优化能力。