低温等离子体对材料的表面改性

 冷等离子体对材料的表面改性,通过放电等离子体来优化材料的表面结构,是一种非常先进的材料表面改性方法。冷等离子体的特殊性能可以对金属、半导体、高分子等材料进行表面改性,该技术已广泛应用于电子、机械、纺织等工程领域。等离子体是“物质的第四态”,它是由许多可流动的带电粒子组成的体系。等离子体的状态主要取决于它的化学成分、粒子密度和粒子温度等物理化学参量,其中粒子的密度和温度是等离子体的两个最基本参量。实验室中采用气体放电方式产生的等离子体主要由电子、离子、中性粒子或粒子团组成。     

超声三维成像技术

1 三维成像 从二维空间向三维空间发展，可以获取组织器官的立体结构和病理特点的信息，这对于病变的诊断和定位是十分有用的．自20世纪90年代初推出全数字化技术以来，在10多年期间，该技术已成为现今超声诊断系统最先进的平台．目前三维超声成像主要采用适合于二维B超和彩色多普勒血流图的体元成像．因为体元成像有表面成像和透明成像两种形式，还可加入旋转方式显示，更增强立体感．     

非球面镜加工

近10年来，非球面镜加工技术有了相当大的改进。可模压加工出非常精密的光学表面，并有极高的质、量，但加工成本与普通光学件相比仍然很高，限制了大规模生产的商业应用。模压非球面镜主要用于商业光学系统中，如生产规模达数十万甚至数百万台的数字相机。     

光折变法制备的As2S8条形波导的光阻断效应

实验研究了As2S8薄膜光折变现象.提出并采用紫外光激励的方法试制了As2S8条形波导,导模激励显示该波导具有良好的导波特性.在此基础上,考察了As2S8条波导的光阻断效应,实现了光-光效应的开关功能.     

第三代战争武器装备技术的特点

当今乃至未来一个历史时期,美俄仍然是世界军事大国,2国的武器装备技术走向，基本可以反映第三代战争武器的特点。美国未来军事装备的发展趋势比俄罗斯未来军事装备发展趋势多了2个方面的内容，即：“远程投送平台无人化”和“杀伤与毁伤能量控制”。这2项内容，不仅表示了美俄对未来武器装备技术发展方向认识上的差异。区分了2国最高军事当局对未来武器装备技术发展思路的开阔度，更重要的是显示了2国最高军事当局对于第三代战争样式和理念认识上的差别。     

大电流两电极气体开关研究

 由于引燃管难以满足现在能源系统对放电开关承受大电流的要求，因此研制了大电荷转移量两电极气体开关。这种新型气体开关电极间距可调，无触发极，采用同轴结构，并将主电极置于金属腔体内，减少了放电对绝缘支撑的污染。主电极为铜钨合金材料，设计为平顶圆柱状，以提高烧蚀均匀度和热传导效率，减少电极材料喷溅，延长其寿命。绝缘支撑采用碗状结构，提高了机械强度，增加了沿面击穿距离。该开关工作电压达25 kV，放电电流超过100 kA（脉冲宽度600 μs），单次脉冲电荷转移量达50 C。实验结果显示该气体开关触发性能稳定，电极表面烧蚀均匀，多次大电流实验后电极表面保持完好，可应用于强激光能源系统。     

今日美国的科研关注与经费投向

 美国是当今世界唯一的超级大国,也是世界第一科技强国。美国政府长期执行重视科学、重视教育的政策,在科研上给以庞大的经费支持,并引入积极的竞争机制,近百年来,成果斐然、人才辈出。由于战争(特别是伊拉克战争)、反恐以及赤字的大幅增加限制了布什政府近年来的研发(R&D)预算。最近几年,PhysicsToday等有代表性的科学杂志经常刊登一些美国科学家、有关的国会议员以及政府官员关于美国政府科学和研究经费预算的评论和讨论。通过这些文章,可以了解今天美国的科研关注、经费预算规模以及各领域科学研究的经费投向,也可以看到今天战争、恐怖主义和巨大赤字对美国研发政策的影响。     

基于包层旋转折变型光纤光栅的动态增益均衡器

提出并利用高频CO₂激光脉冲在普通单模通信光纤上写出了包层旋转折变型长周期光纤光栅(R-LPFG). 在分析R-LPFG波导结构和双折射特性的基础上，对光栅周期数和折变旋转度分别为50和7.2°/周期的R-LPFG进行了实验研究.结果表明，这种类型的光栅可极大地降低其谐振波长对横向负荷不同作用方向所表现出的方向相关性，并且其谐振峰幅度横向负荷灵敏度在任意方向下均高达0.37dB/(g·mm^-1) ，是普通LPFG横向负荷灵敏度的9倍左右.利用R-LPFG的温度线性响应特性和独特的横向负荷特性，设计并实验研究了一种动态增益均衡器，用其平坦掺铒光纤放大器增益谱，在C波段32nm范围内，其平坦度小于±0.5dB，可满足实际环境对通信系统的平坦应用要求. 关键词： 光纤通信技术 长周期光纤光栅 动态增益均衡 旋转折变     

An Electrocardiogram Signal Classification Algorithm Based on Improved Deep Residual Shrinkage Networks北大核心CSCD

心电信号分类是医疗保健领域的重要研究内容.针对大多数方法不能很好地降低样本数量少的类别漏诊率,以及降低预处理操作的复杂性问题,提出了一种基于改进深度残差收缩网络(IDRSN)的心电信号分类算法(即DRSL算法).首先,使用合成少数类过采样技术(SMOTE)扩充数量少的类别样本,从而解决了类不平衡问题;其次,利用改进深度残差收缩网络提取空间特征,其残差模块可以避免网络层加深造成的过拟合,压缩激励和软阈值化子网络可以提取重要局部特征并自动去除噪声;然后,通过长短期记忆网络(LSTM)提取时间特征;最后,利用全连接网络输出分类结果.在MIT-BIH心律失常数据集上的实验结果表明,该算法的分类性能优于IDRSN、DRSN、GAN+2DCNN、CNN+LSTM_ATTENTION、SE-CNN-LSTM分类算法.