一维可调谐非磁化等离子体光子晶体的滤波特性

用时域有限差分(Finite-Different Time-Domain,FDTD)的分段线形电流密度卷积(Piecewise Linear Cur-rent Density Recursive Convolution,PLCDRC)算法研究了含单一介质缺陷层的一维非磁化等离子体光子晶体的滤波特性.从频域角度分析得到微...     

基于法布里-珀罗标准具的532 nm多普勒测风激光雷达系统设计和分析

 设计了采用532 nm 种子注入稳频钇铝石榴石（YAG）激光器作为辐射源的基于四通道法布里-珀罗标准具的瑞利和米散射测风激光雷达系统。介绍了激光雷达的多普勒测量基本原理;给出了雷达系统的主要参数,重点对基于分子后向散射信号的外侧双通道标准具的带宽、自由谱间距、峰值间距等指标进行了详细设计与分析,确定了内侧双通道标准具参数;对全系统速度灵敏度、信噪比与探测距离的关系进行了理论模拟。结果表明,可以实现从边界层至对流层高低空一体化探测。     

具有边界摄动的非线性奇摄动椭圆型问题(英文)

研究了一类具有边界摄动的非线性奇摄动椭圆型问题.并证明了边值问题解的渐近展开的一致有效性.     

小型荧光激光雷达测量六种典型生物战剂模拟物二维荧光光谱

对成团泛菌(Pan)、金黄色葡萄球菌金黄亚种(Sta)、球芽孢杆菌(BG)和大肠杆菌(EH)四种生物战剂模拟物进行了培养和生长曲线测定,四种菌的代时分别为0.99,0.835,1.07和1.909 h;设计研制了近场小型荧光测量激光雷达,266和355 nm波长分别用于测量生物战剂模拟物氨基酸段和NADH段二维荧光谱;在可控的荧光测量腔室,测得了分辨率为4 nm的营养态细菌液态气溶胶以及牛血清(BSA)、卵清蛋白(OVA)两种毒素类模拟物液态气溶胶的二维荧光谱;二维荧光谱数据表明,Pan,Sta,BG,EH,BSA和OVA气溶胶,在氨基酸段的荧光谱形与标准荧光组分色氨酸较为一致,FWHM为60 nm,受培养生化环境、细菌内部荧光组分及比例的影响,荧光分子激发态与基态间的能量差增大,荧光谱带均存在不同程度的蓝/紫移;在Pan,Sta,BG和EH营养细菌气溶胶中均检出了较弱的NADH荧光组分,且水、氮等的拉曼散射不能完全扣除,光谱锯齿严重,FWHM为100 nm;二阶求导后的二维荧光谱表明,荧光谱的高阶处理和分辨识别是可行的。     

模糊(Fuzzy)定量排序在炮兵指挥院校管理工作中的应用

<正> 随着国防现代化的飞速发展,炮兵指挥院校的管理系统变得越来越复杂而庞大、模糊而抽象;如何将模糊现象分明化?抽象问题数量化?怎样将分散储存在各类专家和有识之士头脑中的模糊或明晰的见识、经验、意向、通过适当的数学模型,予以定量的转化,得出与客     

温度、密度对磁化等离子体光子晶体缺陷模的影响

采用等温近似,用磁化等离子体的分段线形电流密度卷积(Piecewise Linear Current Density Recursive Convolution,PLCDRC)时域有限差分(Finite-differentce Time-domain,FDTD)算法研究了具有单一缺陷层的一维磁化等离子体光子晶体的缺陷模特性;以高斯脉冲为激励源,用算法公式计算所得的电磁波透射系数,讨论了温度和等离子体层密度对其缺陷模的影响。结果表明:改变温度和等离子体层密度可以获得不同的缺陷模。     

声光调制实验的一种CCD成像改进方法

提出了声光调制实验的一种CCD成像改进的实验方法,即声光调制的入射光和衍射光成像于CCD上,对光斑图像进行编程处理,计算机给出光斑的位置。给出了实验步骤、图像处理算法和实验结果。     

时变非磁化等离子体光子晶体缺陷态研究

采用非磁化等离子体的分段线形电流密度卷积(Current density convolution,JEC)时域有限差分(Finite-dif-ferent time-domain,FDTD)算法研究了具有单一缺陷层的一维时变非磁化等离子体光子晶体的缺陷模特性。以高斯脉冲为激励源,通过由算法公式得到的电磁波透射系数讨论了等离子体上升时间对其缺陷模的影响。结果表明,改变等离子体的上升时间和密度可以获得不同的缺陷模。     

区域创新能力的F-聚类和F-识别研究——以河南省地市为例

根据河南省2017年统计数据,应用F-分析法对河南省11个地市区域创新能力进行聚类分析,验证了以专利授权数和发表论文数作为衡量区域创新能力指标的合理性;提出标准模型库的概念,构建F-识别模型,借助格贴近度和最大隶属原则,为其它城市区域创新能力的归类和识别提供了一种新的参考方法.     

基于双流融合网络的单兵伪装偏振成像检测

单兵伪装目标与背景之间在颜色上有高度的相似性,目标具有高度复杂的姿态,而且存在遮挡问题,这些问题使得单兵伪装目标检测较传统目标检测有很大的挑战性。针对上述问题,提出基于偏振信息和RGB(Red, Green, Blue)信息的深度学习算法,同时构建单兵伪装目标偏振图像数据集CIP3K(Multicam型迷彩伪装数据集和Woodland型迷彩伪装数据集)。基于Faster R-CNN(Faster Region-Convolutional Neural Network)提出一种双流特征融合网络TSF-Net,其能够融合目标偏振特征信息和RGB特征信息。在CIP3K数据集上进行大量实验,用来测试TSF-Net模型与其他检测模型的性能。实验结果表明,相较于Faster R-CNN,TSF-Net模型在两个数据集上的平均检测精度分别提高了8.2个百分点和8.8个百分点,且优于一些主流目标检测模型。