Au2Ag和AuAg2团簇对CO催化氧化反应的理论研究

本文采用密度泛函理论,对Au₂Ag和AuAg₂团簇催化CO的氧化反应机理进行了系统的研究.对CO+O₂→CO₂+O和CO+O→CO₂两个氧化反应,文中分别讨论了ER反应机理和LH反应机理,结果发现在CO+O₂反应中倾向于LH反应机理,而在CO+O反应中则倾向于ER反应机理.此外,在完整的CO氧化反应中,Au₂Ag团簇两个催化氧化反应过程中的势垒都很低,说明其有望成为良好的CO氧化催化剂.     

基于轻量化网络的车载雷达目标分类方法

针对现有车载毫米波雷达目标分类方法存在静止杂波干扰和网络模型复杂度高的问题,本文将Ghost模块和MobileNet相结合设计了G?MobileNet轻量化神经网络,并提出了一套完整的车载毫米波雷达目标分类流程。首先对雷达原始AD采样信号进行向量均值相消处理,滤除静止杂波,再进行二维快速傅里叶变换（FFT）得到目标的距离?多普勒（RD）图像,最后使用G?MobileNet对RD图像特征进行提取及分类得到分类结果。实测数据处理结果表明,所提方法能够消除静止杂波对多普勒特征产生的干扰,且分类网络模型复杂度低,在具有较高的分类准确率的同时节省了网络模型储存空间和运行网络所需内存。     

基于协方差矩阵重构的阵元失效MIMO雷达DOA估计

在实际应用中由于恶劣环境或人为干扰等因素而导致多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达部分阵元失效,使得其接收数据缺失及其协方差矩阵秩亏,从而导致子空间类算法的波达方向(Direction of Arrival,DOA)估计性能恶化甚至完全失效。针对上述问题,提出了一种接收阵元失效下基于协方差矩阵重构的MIMO雷达DOA估计方法。该方法根据MIMO雷达协方差矩阵中以接收阵元数划分的子方块矩阵具有Toeplitz特性,利用正常工作接收阵元的协方差矩阵元素来恢复相应的缺失元素,从而重构出完整的数据协方差矩阵,提高阵元失效MIMO雷达的DOA估计性能。仿真结果验证了所提方法的有效性。     

空域色噪声下基于张量Vandermonde因子矩阵重构的MIMO雷达角度估计

本文提出了一种空域色噪声环境下基于张量Vandermonde因子矩阵重构的多输入多输出(Multiple Input Multiple Output, MIMO)雷达角度估计方法。该方法首先将不同脉冲的匹配滤波输出进行互相关以实现对接收信号的去噪处理;然后,根据因子矩阵先验结构信息建立具有Vandermonde约束的四阶张量典范分解/并行因子分析(Canonical Decomposition/Parallel Factor Analysis, CANDECOMP/PARAFAC)模型,并推导了基于约束交替最小二乘(Alternating Least Squares, ALS)的迭代求解方法,在交替迭代过程中充分利用因子矩阵的Vandermonde结构,通过构造Toeplitz矩阵并进行Vandermonde分解的方式获得因子矩阵估计值;最后,通过最小二乘拟合方法估计目标角度。仿真结果表明本文算法能够有效提高MIMO雷达在空域色噪声下的角度估计性能。     

基于多姿态角模型的SAR图像分类方法

针对传统合成孔径雷达(SAR)图像目标识别存在精度低、效率差的问题,提出一种多姿态角模型SAR图像分类方法。根据SAR图像姿态角敏感特性,首先将数据集按照不同方式和间距进行划分,得到不同的数据集组合,其次利用卷积神经网络训练划分后的数据集得到不同组子模型,并将效果最好的一组子模型融合成一种多姿态角模型,最后使用稀疏表示的方法对待测样本进行姿态角的角度估计,获取其姿态角信息后送入多姿态角模型中进行模型匹配,得到图像分类结果。实验结果表明,所提方法的目标识别准确率高于传统算法,在姿态角变化较小的数据集中训练得到的模型能够对目标群体进行更精确的目标类别估计。     

基于树莓派和YOLOv5算法的路面裂缝检测系统

路面裂缝检测对于大规模公路的保养意义重大,然而传统的路面裂缝检测装置存在成本高、结构复杂以及影响交通的正常运行等问题.为此,文中设计了一款基于YOLOv5算法和树莓派的路面裂缝检测系统,基于PyTorch深度学习框架对系统进行开发,同时采用JAVA语言对手机客户端进行开发.系统通过树莓派上连接的摄像头采集路面图像,采用...     

基于迭代近端投影的MIMO雷达多快拍DOA估计

传统基于压缩感知的MIMO雷达DOA估计算法将非凸非平滑稀疏表示问题近似成凸或平滑函数问题进行求解,稀疏表示模型误差的存在导致DOA估计性能不理想。为此,提出了一种基于迭代近端投影的MIMO雷达多快拍DOA估计方法。该方法首先将高维回波数据转换至低维空间以降低空域维度,并对降维后的数据进行奇异值分解(Singular Value Decomposition,SVD),提取信号子空间以降低时域维度,利用近端函数优化模型来表示MIMO雷达多快拍DOA估计中的非凸非平滑稀疏表示问题,然后采用SCAD(Smoothly Clipped Absolute Deviation Penalty)函数获得近端算子以求解该模型。仿真结果表明,该方法在低快拍和低信噪比下相干信源的DOA估计性能优于现有算法。     

基于LS迭代熵值穿墙雷达墙体杂波抑制

在穿墙成像雷达中，建筑物前后墙体的回波是杂波抑制的主要问题。此类杂波往往会强于目标信号数个量级，对所需目标的回波信号检测与成像造成严重干扰。针对墙体类强杂波问题，提出了一种基于拉普拉斯平滑迭代处理的墙体强杂波抑制算法。首先对回波信号进行离散化，然后在计算离散信源的概率空间时对概率进行拉普拉斯平滑处理，然后对其进行迭代熵值处理，通过迭代过程，有效地提高信杂比增量。为了验证算法的可靠性，采用时域有限差分法进行实验建模，并对结果进行严谨的分析，算法能够达到预期效果。     

基于扩展信源熵值的穿墙成像雷达墙体强杂波抑制

提出了基于扩展信源熵值理论的超宽带穿墙成像雷达墙体强杂波抑制方法. 首先将回波信号离散化, 计算离散信源的概率空间并对该离散信源进行扩展, 计算得到扩展后含有墙体强杂波和目标回波的新信源的熵值. 然后根据墙体杂波熵值与目标信号熵值的差异设定门限, 自适应选取最佳门限调节因子, 对回波信号进行杂波抑制处理. 经过墙体强杂波抑制处理后, 利用后向投影方法对目标进行成像. 以基于时域有限差分方法(Finite Difference-Time Domain, FDTD) 的仿真软件GprMax2D/3D所获得的穿墙雷达数据进行仿真实验, 分别通过基于信源熵值的方法与本文所提方法来抑制墙体强杂波并成像, 通过对比结果可知, 前者的目标-杂波比增量为15.51 dB, 后者的目标-杂波比增量为19.74 dB. 因此, 本文所提方法能够在相同测量方式下得到更为精确的成像, 而且可以在保证成像效果的前提下大大减少天线扫描次数.     

阵元失效条件下MIMO雷达成像方法研究

为了提高天线阵元失效条件下非均匀采样MIMO雷达的成像性能,提出了一种基于失效阵元丢失数据重构的MIMO雷达成像方法。该方法先对失效阵元丢失的数据上叠加幅度微小的随机扰动量,利用矩阵填充技术恢复成均匀采样整体数据,并采用迭代加权lq方法获得低精度的目标场景向量估计值,然后根据该目标场景向量估计值和感知矩阵重构出失效阵元所丢失的回波数据,最后利用矩阵填充和迭代加权lq方法以获得更接近最佳稀疏度的目标场景向量估计值。仿真结果表明,该方法能有效降低天线阵元失效情况下MIMO雷达的目标场景向量估计误差,提高目标的三维成像质量。