在普通物理教学中应用初等数学推导物理公式

在现行的普通物理学及医学院校等所专用的物理学教材中,许多物理公式的推导,大都采用高等数学,而对于物理意义的阐述则是比较简略的。某些院校开设普通物理作为必修课时,并没有设置高等数学课,郎或开设高等数学课,不少内容也常是在学生学习积分学之前讲授的,因而课堂讲授往往不能应用高等数学推导某些物理公式。而自学普通物理者,因缺乏高等数学知识,也不能很好地了解某些物理公式的由来。在讲授物理时,对于物理公式完全不加推导,将会导致学生盲目死背公式或者生硬的搬用公式。学生在学习物理学的过程中,也常迫问公式的来源,以要求对公式有较彻底     

广角成像系统光学畸变的数字校正方法

光学系统的畸变除了利用像差理论来实现校正外，还可以利用数字图像处理技术来进行校正。这为某些受其他条件的限制，很难用像差校正方法来实现其畸变校正的光学系统，如内窥镜光学系统和机器视觉光学系统等，提供了另一种畸变校正的方法。在讨论利用数字图像处理技术进行畸变校正的理论后。接着详细介绍了点阵样板校正方法，并给出校正实例。最后，为了评价校正的精度，文中分析了校正的主要误差来源，并通过比较校正前后视场各位置     

13，15－苯并－1，4，8，11－四硫杂环十六烷及其钯（Ⅱ）络合物的合成和结构测定

报导了硫冠醚１３，１５－苯并－１，４，８，１１－四硫杂环十六烷（ＴＴｍＸ）及其钯（Ⅱ）络合物（ＴＴｍＸ·２ＰｄＣ＿ｌ２）的合成，并通过Ｘ射线衍射分析测定了该配体及其络合物的晶体结构。ＴＴｍＸ属单斜晶系，Ｐ＿２＿１／ｎ空间群，晶胞参数：ａ＝９．５４５（３），ｂ＝９．０６５（１），ｃ＝１９．６４５（３）Ａ，β＝９５．３８（１）°，Ｖ＝１６９２．３（５）Ａ￣３，Ｚ＝４，μ＝５．２６ｃｍ￣（－１），Ｄｃ＝１．３０ｇ·ｃｍ￣（－３）。ＴＴｍＸ·２ＰｄＣｌ＿２属正文晶系，Ｐｂｃａ空间群，晶胞参数：ａ＝１１．３９２（２），ｂ＝１４．５８０（４），ｃ＝２７．１４６（９）Ａ，β＝９０．００（０）°，Ｖ＝４５０９（２）Ａ￣３，Ｚ＝８，μ＝２４．１２ｃｍ￣（－１），Ｄｃ＝２．０２ｇ·ｃｍ￣（－３）。     

互相关算法在Cortex-M3平台上的实现和优化

互相关算法在多传感器测量仪器中有重要用途,FFT算法可以用于加速互相关计算,尤其在序列点数较大的时候,FFT计算互相关的速度优势明显.然而即便如此,FFT计算对于CPU的速度要求仍然很高.直接计算FFT一般需要使用带有浮点协处理器的CPU,这对于设备成本和功耗提出了要求;CPU执行一次浮点运算所需要的时间一般高于整数计...     

万兆网卡设计中PCIE 4.0接口信号完整性仿真分析

由于目前已有的PCIE接口信号完整性仿真精度和可靠性较低,建立了一种新的PCIE 4.0信号通道链路模型和仿真分析方法。通过仿真软件POWERSI对万兆网卡PCB建立×4 PCIE 4.0信号通道链路模型;利用已建立的模型在ADS软件中进行时域、频域和回环仿真;对仿真得到的回波损耗、插入损耗和眼图进行分析,判断PCIE 4.0信号走线是否满足设计要求。通过该方法得到的8对PCIE4.0差分信号的回波损耗均小于-6 dB,插入损耗均大于-28 dB,眼图的眼宽和眼高均大于0.3 UI和15 mV,满足PCIE 4.0协议规范的要求,与已有的仿真结果相比,该方法的可靠性更高。     

计及排斥力损失的密集堆垛钢管识别方法

针对待检测的密集堆垛的钢管数量大、背景杂乱、拍摄角度和光照条件不一致、钢管截面形状和堆垛不整齐等复杂场景,在研究分析现有方法的不足的基础上,提出了首先利用变分自编码器模型实现目标物体的自动标注,构造训练图像集,然后利用计及排斥力损失的目标检测算法对密集堆垛图像中的钢管截面进行识别的方法。现场图像进行识别实验的结果证明,对于复杂场景下的钢管识别,此算法具有很高的精度和鲁棒性。相对于现有的方法,本算法具有更好的识别效果和工程实用性,具有很高推广意义。     

分布式计算下基于差分隐私保护的参数估计

在大数据分析中,由于数据量巨大,储存于不同的机器中,常用的统计分析方法不能直接适用.因此需要对数据进行分布式计算.无论是分而治之还是多中心数据都需要对数据或计算中间结果进行传输.传输中不仅需要对数据进行隐私保护,也需要保证传输的高效性,同时传输次数过多不仅影响计算的效率,对数据的隐私保护也更有挑战.受此启发,本文在差分隐私模型下,提出了用于高效通讯的分布式参数估计算法中的隐私保护方案,并且严格证明了该方案既能有效保护数据安全,又不影响参数估计的有效性.最后,本文就线性模型下基于差分隐私保护算法的参数估计进行了模拟和实例验证.     

用于卫星遥感图像的多尺度目标检测算法

为解决在卫星遥感图像的多尺度目标检测中出现的背景混乱、小目标检测精度低、漏检率高等问题，提出一种用于卫星遥感图像的多尺度目标检测算法。在主干网络中使用通道和空间注意力模块，并重新设计特征融合网络，实现上采样-下采样-上采样的多重融合，并在其中加入通道权重参数，让网络更加关注重要的层次，实现不同层次特征信息的充分利用，使细节特征信息得到增强。在DIOR数据集中的实验结果表明，所提算法不仅显著提升对小目标的检测效果，而且提高对复杂场景中目标的检测精度，与YOLOv5m相比，对部分较小或者复杂的目标检测效果提升明显，精度提升4.5个百分点以上，整体精度提升3.1个百分点。