双金属氰化物络合物催化环氧烷烃开环聚合的特征

合成了Co Zn双金属氰化物 (DMC)络合物催化剂 ,以X 射线衍射、元素分析、红外光谱等手段进行了表征 ,考察了该催化体系下环氧丙烷开环聚合的反应特性 ,并初步探讨了聚合反应的机理 .研究发现 ,Co Zn双金属氰化物催化剂具有很高的催化活性 ,适合于中高分子量聚醚的合成 ,但是碱性起始剂起阻聚作用 ;在该催化体系下聚合物分子量可控 ,不饱和度很低 (<0 .0 14meq g) ,分批加料聚合所得到的聚合物分子量分布较窄 (Mn Mw <1.4 ) ,而一步加料聚合所得到的聚合物分子量分布变宽 ;1 3C NMR分析表明聚合物主链具有无规立构分布的特点 ,且链节分布几乎都为头 尾方式 .聚合过程中活性链与非活性链之间可能存在一个交换反应 ;虽然聚合反应有终止 ,但与聚合物链长没有关系 ,聚合物链的终止是可逆的 .     

抗卟啉抗体与卟啉的协同作用

meso -四 (α ,α ,α ,α - 0 -苯乙酰苯 )卟啉诱导的单抗 (MAb)导致meso -四 (α,α ,α ,α - 0 -苯乙酰苯 )卟啉Soret带来巨大红移 ,并且在meso -四 (α ,α ,α ,α - 0 -苯乙酰苯 )卟啉上产生巨大的诱导Cotton效应 (ICD) .借用ICD定量分析meso -四 (α ,α ,α ,α - 0 -苯乙酰苯 )卟啉同抗体的结合 ,表明在抗体超过meso -四 (α ,α ,α ,α - 0 -苯乙酰苯 )卟啉的情况下 ,既有 1∶1结合 ,又有 2∶1结合〔结合位点 :meso -四 (α ,α ,α ,α - 0 -苯乙酰苯 )卟啉〕     

STRUCTURE AND PROPERTIES OF P(MMA-MAA)/PEO INTERMACROMOLECULAR COMPLEX FORMED THROUGH HYDROGEN BONDING

The superstructure and properties of polymers might be improved and enhanced througl intermolecular complexation. In this paper, the preparation, structure and properties of P(MMA-MAA)/PEO intermolecular complex through hydrogen bonding are studied. By acid hydrolysis of PMMA, a series of P(MMA-MAA) copolymers have been prepared, the MAA content of which depends on the temperature and time of hydrolyzation. In case the MAA content in P(MMA-MAA) is beyond 0.4 mole fraction, the hydrogen bonding between P(MMA-MAA) and PEO is strong enough to form intermolecular complex. The supermolecular structure of the complex is quite different from that of its constituent, which was observed by an X-ray diffraction and transmission electron microscope. The crystallization of PEO is confined owing to complexation. The complex exhibits quite a lot of good properties in thermal stability, gas permeability as well as mechanical strength, and could be used in many fields.     

335 GHz非平衡式肖特基二极管三倍频器

基于混合集成的方式,采用对称锥形渐变线匹配结构设计了335 GHz非平衡式三倍频器。在保证单模传输的条件下,该匹配结构不仅能够固定二极管位置,而且可以增大匹配效果,解决了高频段倍频器3 dB带宽较窄的问题。实测结果表明,该倍频器在330~356 GHz频率范围内输出功率均大于5 mW。驱动功率为220 mW时,有最高输出功率11.2 mW,由它作为核心器件组成的固态太赫兹本振源,能够驱动超外差接收机中670 GHz二次谐波混频器。     

引入自上向下特征融合的小目标检测算法

针对原始SSD(Single Shot Multibox Detector)算法未充分利用各特征层之间关系导致浅层特征层缺乏小目标语义信息的问题,为了提高对小目标的检测能力,提出了一种结合PANet多尺度特征融合网络和自上向下特征融合路径的TTB-SSD(Top to Bottom SSD)改进算法。首先,使用PANet多尺度特征融合网络对特征进行反复提取,从而获得丰富的多尺度语义信息;然后,使用一种深层特征融合模块将浅层特征层的空间信息传递到深层特征层,进而更准确地对小目标进行定位;最后,为了增强浅层特征层的语义信息,构造了自上向下的特征融合路径,从而强化浅层对小目标检测的准确率。实验结果表明,在PASCAL VOC2007测试集检测的mAP(Mean Average Precision)值达到80.5%,对目标的mAP较原始SSD提高了5.7%,证明了该算法对小目标检测的有效性。     

基于FMCW雷达的呼吸模式分类技术研究

针对当前使用调频连续波雷达的呼吸模式分类算法准确度不高的问题,本文提出一种基于一维卷积神经网络（1DCNN）结合长短时记忆（LSTM）网络的多呼吸模式分类方法。方法共分为四步：第一步,对雷达提取的呼吸信号进行预处理;第二步,使用快速傅里叶变换（FFT）与连续小波变换（CWT）提取呼吸信号特征;第三步,根据呼吸特征对五种呼吸模式信号（正常呼吸、呼吸过速、呼吸过缓、呼吸深大、呼吸暂停）打标签制作数据集;第四步,使用数据集训练网络得到模型,并使用新数据测试模型。实验结果表明,此方法分类准确度要比现有使用CNN网络方法高5%左右。     

基于强化学习的频控阵-多输入多输出雷达发射功率分配方法

当前电磁环境日益复杂多变,新式干扰手段层出不穷,对雷达系统带来了极大的挑战和威胁。该文引入频谱干扰模型并提出了一种在频控阵-多输入多输出(FDA-MIMO)雷达与干扰机动态博弈框架下基于强化学习(RL)的发射功率分配优化方法,使雷达系统能够获得最大的信干噪比(SINR)。在此基础上,构造了频谱干扰模型。其次,雷达和干扰机之间存在一种Stackelberg博弈关系,且将雷达作为领导者,干扰机作为跟随者,建立动态博弈框架下的发射功率分配优化模型。采用深度确定性策略梯度(DDPG)算法,结合功率约束设计了奖赏函数,对雷达发射功率进行实时分配来获得最大的输出SINR。最后,仿真结果表明,在雷达与干扰机博弈的框架下,所提优化算法能够有效地对雷达发射功率进行优化,使雷达具备较好的抗干扰性能。     

云应用程序编程接口安全研究综述:威胁与防护

云时代,云应用程序编程接口(API)是服务交付、能力复制和数据输出的最佳载体。然而,云API在开放服务和数据的同时,增加了暴露面和攻击面,攻击者通过数据劫持和流量分析等技术获取目标云API的关键资源,能够识别用户的身份和行为,甚至直接造成背后系统的瘫痪。当前,针对云API的攻击类型繁多,威胁与防护方法各异,缺乏对现有攻击和防护方法的系统总结。该文梳理了云API安全研究中云API面临的威胁和防护方法,分析了云API的演化历程和类别划分;讨论了云API的脆弱性以及云API安全研究的重要性;提出了云API安全研究框架,涵盖身份验证、云API分布式拒绝服务(DDoS)攻击防护、重放攻击防护、中间人(MITM)攻击防护、注入攻击防护和敏感数据防护6个方面相关研究工作综述。在此基础上,探讨了增加人工智能(AI)防护的必要性。最后给出了云API防护的未来挑战和发展趋势。     

基于云模型的基本概率赋值生成方法及应用

针对证据理论应用中基本概率赋值(BPA)生成模型难以确定问题,该文提出一种基于云模型的BPA生成方法。首先基于样本属性的正态云模型构建单子集命题的BPA模型函数,并将复合子集的模型函数表示为高斯函数乘积融合。其次提出一种根据测试样本动态度量属性权重的方法来兼顾信息源的可靠性。最后,用属性权重修正模型函数输出的结果得到BPA。鸢尾花等数据集分类识别实验表明,该方法识别准确性高,且适用于样本较少的情况。     

基于单通道多尺度图神经网络的自动调制识别

针对自适应可见性图(AVG)算法复杂度过高且精度提升不明显的缺点,该文提出一种基于单通道多尺度图神经网络(SMGNN)的自动调制识别(AMR)框架,并对框架各个部分进行了可解释性研究。首先利用多层感知机和1维卷积自适应地实现了单通道信号序列和图之间的映射,有效降低了AVG算法的复杂度;其次,设计了一种多尺度图神经网络,将不同分辨率的特征进行融合,提升了模型识别准确率。实验表明,该文提出的SMGNN算法相比于AVG算法节省了近1/2的参数量,且识别精度得到了较大的提升。