椭球粒子声辐射力计算及分析

针对水下椭球粒子,以声散射理论为基础,采用分波序列的方法,建立了椭球粒子声辐射力的理论计算模型。进而根据声辐射力计算公式,以刚性椭球粒子和液体椭球粒子为例,计算并分析不同Bessel波束作用下椭球粒子的轴向声辐射力函数特征。数值仿真计算结果表明,对于刚性椭球粒子,扁平椭球粒子相对于细长椭球粒子更有助于激发负声辐射力；对于液体椭球粒子,细长椭球粒子相对于扁平椭球粒子更加容易产生负声辐射力；对于不同介质的椭球粒子,不同的入射波束激发的负声辐射力的效果也存在明显的差异。该结果为复杂的尺寸和介质粒子声操控技术提供了理论的可行性。     

桉树杂交种与其亲本的近红外光谱判别

研究桉树控制授粉后目标性状的基因作用方式是探索其基因重组规律的重要内容。常规的数量统计分析精度往往不高,而DNA分析的专业要求高,且费时费力。该研究利用近红外光谱(NIRs)研究不同基因型桉树杂交种、亲本及杂交种与亲本间近红外光谱信息的关系,探索NIRs用于桉树杂交种与其亲本判别的可行性和准确性。以控制授粉的桉树亲本及其杂交F1代材料为对象,每种基因型从各自田间试验分别选取10个单株,采集树冠中上部新鲜健康叶片。用手持式近红外仪Phazir Rx(1624)采集桉树杂交种与其亲本叶片的NIRs信息。每单株选10片完全生理成熟的健康叶片,避开叶脉扫描其正面光谱5次,以50条NIRs信息的均值代表单个叶片的NIRs信息,最终每个基因型获得10条NIRs信息。对原始NIRs采用二阶多项式S.G一阶导数预处理。预处理后的NIRs用于多元统计分析,首先对桉树杂交亲本和子代样本进行主成分分析(PCA),直观展示不同基因型的分类情况。然后运用簇类独立软模式(SIMCA)和偏最小二乘判别分析(PLS-DA)两种有监督的判别模式验证NIRs用于桉树杂交种与其亲本树种的分类判别效果。PCA结果显示,不同的亲本间、杂交种间及杂交种与亲本间样本的主因子得分可以清晰地将各基因型分开。SIMCA模式判别分析中,桉树杂交种样本到亲本PCA模型的样本距离显示,待判别样本能够形成单独的聚类,且能直观反映两者的遗传相似。PLS-DA判别结果显示,桉树杂交亲本的PLS模型能通过预测其杂交子代的响应变量将其与亲本准确分开。结果表明,桉树叶片的NIRs信息可以准确地反映桉树杂交子代遗传信息的传递规律,NIRs判别模型可以准确地将各种基因型予以区分。因此,NIRs信息不仅可用于桉树杂交种和纯种的定性判别,还可以分析桉树基因重组过程中加性遗传效应的大小,从而为桉树遗传基础分析及其育种改良研究提供理论支撑。     

熵的一种通俗教法

熵如力、能量和动量一样是物理学中一个重要概念,若能用一种通俗易懂的方法设计熵的教学,对文科物理的教学有重要意义.为此本文提出了一种通俗的熵的教法,这一教法不需要学生学习热力学第二定律也可以建立熵的概念.具体教学设计如下:通过日常生活例子引入熵的概念(也就是玻尔兹曼熵),设计两个例子让学生会计算熵,通过具体问题的讨论让学生充分理解熵的意义,通过一个实例由玻尔兹曼熵引入克劳修斯熵公式,设计一个演示实验强化教学效果,将熵与环境保护联系起来融入人文情怀,最后还强调了熵计算的不同层次.教学设计完全采用基于问题学习(PBL)的教学模式.     

语音通信降噪研究

语音通信系统中，语音通过信道传输将不可避免地引入码间串扰和信号畸变，同时受到噪声污染。本文在分析自适应盲均衡算法CMA(constant modulus algorithm）和改进盲均衡算法的基础上，考虑到自适应盲均衡技术在语音噪声控制方面能力有限，将自适应盲均衡技术与小波包掩蔽阈值降噪算法联合使用，形成一种基带语音增强新方法。仿真试验结果显示自适应盲均衡技术可以使星座图变得清晰而紧凑，有效减小误码率。研究证实该方法在语音信号ISI和畸变严重情况下，在白噪及有色噪声不同的噪声环境中都具有稳定的降噪能力，消噪同时可获得汉语普通话良好的听觉效果。     

基于阵列MEMS磁传感器的测量与标定方法

针对MEMS磁传感器存在测量噪声大的问题,利用MEMS磁传感器体积小的特点,设计了阵列形式的MEMS磁传感器测量模块,减小了测量噪声对标定结果的影响。通过合理的硬件设计,实现同一时刻采集32个MEMS磁传感器信号。在硬件设计基础上,通过对阵列MEMS磁传感器建模与分析,设计了基于阵列MEMS磁传感器的标定方法。通过仿真及实物系统实验,验证了所提出方法的有效性。系统实验结果表明,采用阵列MEMS磁传感器标定结果的归一化模值标准差较单个磁传感器减小了70%。     

一道调研试题的多视角求解

一、试题呈现题目(南京、盐城2014届高三年级第二次模拟考试第17题)如图1,经过村庄A有两条夹角为60°的公路AB、AC,根据规划拟在两条公路之间的区域内建一工厂P,分别在两条公路边上建两个仓库M、N(异于村庄A),要求PM=PN=MN=2(单位:千米).如何设计,使得工厂产生的噪声对居民的影响最小(即工厂与村庄的距离最远).     

基于大规模高维线性回归模型的分布式计算方法研究

大数据背景下挖掘大规模高维数据所隐藏的信息备受关注.本文主要目的是采用分布式优化方法解决加SCAD和Adaptive LASSO惩罚的高维线性回归中的参数估计和变量选择问题.主要方法是通过构造全局损失函数的一个交互有效的正则化替代损失函数,把基于全局损失函数的优化问题转化为基于替代损失函数的优化问题.本文设计的修正的ADMM算法,在计算上,只需要子机器基于局部数据计算梯度,而主机器进行参数估计和变量选择.在主从机器交互复杂度上,基于替代损失函数所得的估计误差收敛于基于全局损失函数所得的估计误差.通过模拟和实证研究进一步验证本文提出的分布式计算方法在实际生活中的可行性和实用性.     

基于自适应参数估计的三轴磁传感器实时校正方法

针对传统基于椭球模型三轴磁传感器无法实时校正的问题,设计了基于自适应参数估计的三轴磁传感器实时校正方法,通过对参数的实时估计与处理,实现了三轴磁传感器误差的校正。首先,对三轴磁传感器全误差模型进行分析与处理,建立了基于模值的参数估计方程;其次,详细分析了参数模型的噪声特性,针对非高斯状态相关噪声,提出了采用自适应参数估计方法;最后,设计仿真与实验分析,完成三轴磁传感器误差校正。实验结果表明,所提出的算法可以实现误差参数的实时校正,提升了磁传感器误差校正的自主性。同时,基于自适应参数估计方法,使得校正结果模值标准差相较于传统方法减小了3倍。     

一种基于自适应单元删除率的BESO方法

在ESO中采用动态删除率能有效地提高优化效率和稳定性，但现有的动态删除率策略都含有经验参数，确定删除率的过程较为复杂。本文提出了一种用于BESO的无经验参数自适应单元删除率确定方法。通过分析单元删除率对优化稳定性的影响，得到了结构优化过程中单元删除率的理想变化规律和单元灵敏度均匀化信息对删除率的影响情况，并据此分析了经验参数引入的原因，从而构造了评价单迭代步的单元灵敏度均匀化程度指标。然后，基于单迭代步的单元灵敏度均匀化程度指标，构造了全部迭代步信息下的单元灵敏度均匀化程度相对指标，结合单元删除率的推荐范围值，给出了一种自适应于结构优化进程的单元删除率自适应函数。最后，给出了基于自适应单元删除率的BESO方法实现流程。经典算例的结果对比说明，本文方法在保证优化质量相近的情况下，具有更好的优化效率和稳定性。