人脑默认模式网络的动力学行为

大脑具有自适应、自组织、多稳态等重要特征,是典型的复杂系统.人脑在静息态下的关键功能子网络--默认模式网络(DMN)的激活处于多状态间持续跳转的非平衡过程,揭示该过程背后的动力学机制具有重要的科学意义和临床应用前景.本文基于功能磁共振获得的血氧水平依赖(BOLD)信号,建立了DMN吸引子跳转非平衡过程的能量图景、吸引子非联通图、跳转关系网络等;以高级视觉皮层和听觉等皮层活动为例,通过对应激活DMN状态空间的分布,以及XGBoost、深度神经网络等算法验证了DMN状态变化与外部脑区状态的密切依赖关系;通过偏相关、收敛交叉映射等方法分析了DMN内各个脑区之间的相互作用.本文结果有助于理解静息态下大脑内在非平衡过程的动力学机制,以及从动力学的角度探索具有临床意义的脑功能障碍生物标志物.     

纳秒脉冲下变压器油两相流注放电仿真研究

为揭示液体电介质击穿过程中形成的气体放电通道对液体电介质放电过程的影响,以针—板电极间隙变压器油为研究对象,基于等离子体流体力学模型,引入了液体电介质放电过程中气相放电通道对电离机制及自由电荷迁移率的影响,建立了用于模拟脉冲电压下液体电介质放电过程的两相流体模型,仿真研究了纳秒脉冲下针板电极流注放电的起始与发展过程。仿真结果表明:采用Heaviside方程可以在模型的不同区域同时实现气相物理过程和液相物理过程的模拟与计算。气相物理过程的引入导致流注尾部电场显著降低,流注头部电场进一步增强,使流注通道的发展速度要高于传统液相模型,有助于加深对纳秒脉冲下液体电介质中预击穿流注的起始、发展过程的认识和理解。     

HgCdTe晶体的缺陷吸除效应

利用二次离子质谱测量HgCdTe晶体杂质时发现:杂质在晶片表面附近有富集现象,实验证明该现象属缺陷吸除效应,分析了杂质富集的机理,并利用缺陷吸除工艺成功地减少了HgCdTe晶体内剩余杂质,低温电学参数、光学透过率测量结果表明:该工艺能提高HeCdTe材料的光、电性能。     

实验条件对纳米多孔SiO2薄膜结构及特性的影响

关键词：     

静态分簇下的大规模分布式天线系统用户调度算法

在大规模分布式天线系统中，静态分簇和用户调度带来的簇间干扰问题会导致系统和速率下降。针对这个问题，提出了一种两阶段贪婪用户调度算法。首先，每个簇内并行实施贪婪用户调度；然后，从全局上再次利用贪婪算法来剔除簇间干扰较大、服务质量较差的用户，使得系统和速率进一步提升。仿真结果表明，随着不同系统参数的改变，两阶段贪婪用户调度算法可有效提高系统和速率。     

中国伽利略测试场总体及其关键技术研究进展

本文以中国伽利略测试场（CGTR）项目为背景，详细介绍了基于微波暗室的室内测试环境、基于伪卫星网络的室外测试环境、基于软件接收机和仿真设施的多媒体综合应用推广平台的整体方案，并介绍了这些系统的最新研究进展．以及主要的技术突破情况。本文对卫星导航接收机测试、室内外测试环境建设、软件接收机研究．以及相关应用推广仿真具有重要的参考价值。     

有线宽带(EPON)的网络设计建设和维护

随着EPON技术的不断发展,电信运营商越来越看重它独有的优点.本文主要概述了有关EPON技术的特点及发展,同时,对以该技术为基础的有线宽带网络的架设以及维护措施进行了相关的研究.     

快速传递对准中机翼弹性变形估计方法比较

传递对准是机载主惯导对子惯导进行初始化的过程,机翼变形对快速传递对准滤波精度有显著影响。讨论了传递对准中机翼变形的不同估计方法,通过分析建模过程比较了各种方法的特点及其适用范围。然后建立快速传递对准仿真环境,用"速度加姿态"匹配方式进行仿真,比较了不同方法所能达到的精度。最终从对准精度、快速性、模型依赖度、计算量等方面,对各种传递对准中机翼弹性变形的处理方法进行了比较总结,结果表明,将弹性变形当作有色噪声且使用卡尔曼滤波量测扩增法进行传递对准滤波器设计时,在估计精度和计算量方面达到最好折衷。所得结论为快速传递对准弹性变形的处理提供了工程应用参考。     

硅气凝胶和它的分形结构

硅气凝胶是从溶胶－凝胶工艺衍生出来的非晶态纳米多孔性物质。它是研究分形结构最理想的材料。研究分形结构最有效的实验手段是小角散射。小角散射实验表明，硅气凝胶由尺寸为ａ（ａ～１ｎｍ）的颗粒组成。这些颗粒组成分形网络，分形结构持续到尺度．在以上的长度范围，材料可视为均匀的。介绍了硅气凝胶的制备、结构及结构测量。     

离子性指数、极化效应指数与醇13C NMR δC的关系

通过对64个饱和醇类化合物中348个碳原子的¹³C NMR谱化学位移与其部分结构参数关系的研究，发现各个碳原子的¹³C NMR谱化学位移与离子性指数(INI)、极化效应指数(PEI)以及结构信息参数[Nⁱ_H(i=α、β、γ)和γ_OH]的关系可表示为： 
δ_C=[-2.3-0.8577(INI)+10.623 3(∑PEI)+0.563 0(INI/∑PEI) -0.420 8(∑PEI/INI)