非理想MHD效应与m=1内扭曲模本征方程

对非俘获粒子与俘获粒子分别采用流体和单粒子模型，推导了同时包含各种非理想ＭＨＤ效应的ｍ＝１内扭曲模本征方程，这些效应包括有限电阻，反磁漂移，俘获离子引起的增大的极化漂移与横向粘滞，沿力线电子热导，反常电子横和粘滞，俘获离子香蕉轨道宽度及自举电流等效应，所得到的ｍ＝１内扭曲模本征方程，为研究不同情况下各种非理想ＭＨＤ效应的相对重要性及可能以ｍ＝１内扭曲稳定性的影响，提供了一可靠的基础。     

中子与90,91,92,94Zr反应的理论计算和分析

根据中子与天然Zr及其同位素反应的总截面,去弹截面和弹性散射角分布的实验数据,得到一组普适的光学模型势参数;应用得到的光学模型势参数,光学模型,Hauser-Feshbach理论,预平衡反应的激子模型和扭曲波玻恩近似理论,系统计算和分析了中子与^90,91,92,94Zr反应的非弹散射角分布和双微分截面,理论结果与实验很好的一致.     

小波变换在信号奇异性检测中的应用

本文利用Marr小波变换探测信号的奇异性，得到了奇异点的位置和阶数a，以及相应的平滑因子σ和幅度k，推导出了σ满足的方程．对h(t)=l1—｜0．5-t｜^λ,λ＜2，进行了数值计算，相对误差都在1％以内．达到了比较好的效果．     

二维卷积及其在色谱峰纯度鉴定中的应用

光电二极管阵列检测器与色谱仪的联用 ( HPLC- DAD)为复杂体系中多组分的定性定量分析提供了可能 .Savitzky等 [1]提出了以简单的卷积运算完成数值微分方法 .Gorry等 [2 ]曾以 Gram正交多项式替代幂级数拟合 ,让卷积技术可以覆盖到谱图包括起讫部分的任一点 .Edwards[3]与 Kuo[4 ]等提出的二维卷积法对处理和利用二变量数据矩阵具有普遍意义 ,但理论推导繁琐 .我们曾完善了推求二维卷积整数的普遍方法 [5] ,并研究和解决了一维和二维卷积中的信息丢失问题 [6 ,7] .本文提出了一种简化的求算二维卷积整数的方法 .理论推导表明 ,二维卷积…     

SAW卷积器在扩频通讯中的应用

本文介绍了SAW卷积器在扩频通讯中实现快捕的原理及一些实现方法,并对目前SAW弹性卷积器的性能、水平及国内外应用情况作了概述。     

超大型二维循环卷积的FPT和FNT混合算法

本文将FPT和FNT相结合提出了一种计算超大型二维循环卷积的迭代算法,它的基础是应用了FPT.与二维循环卷积的FPT算法相比,乘法量减少了一个数量级,同时实际取消了FNT算法中卷积规模所受到的字长的限制.     

采用GAF-D3Net深度学习网络的水下目标有源识别方法

提出一种基于格拉姆角场(GAF)和卷积神经网络(CNN)的水下目标有源识别方法。该方法利用GAF将目标回波信号编码为二维图像,使用空洞卷积构建轻量级的卷积神经网络GAF-D3Net实现对目标的特征提取与分类识别。实验表明,与基于传统图像特征的分类方法相比,所提方法的分类精度有显著提高,达到99.65%。在泛化性测试中,对比了经典CNN使用声呐图像的迁移学习方法,本文方法的曲线下面积(AUC)达到89%,具有更好的泛化性能以及抗干扰能力,为实现水下目标有源识别提供了一种可靠方法。     

声学时域边界元法的时间卷积计算方法研究

核函数中保留Dirac函数的原型,形成关于时间的卷积积分,是声学时域边界元法中一种稳定、有效的时间数值积分计算方法 (CQ-BEM)。然而,传统CQ-BEM中卷积积分系数的获取有计算量大、耗时长,且对不同单元需要重新计算的问题,极大地降低了CQ-BEM法计算时域声场的效率。针对传统CQ-BEM积分系数计算效率低的问题,本文利用多项式展开定理给出了待求函数泰勒系数的解析表达与数值计算方法,建立了不同单元间待求系数的转换理论,可以在一次循环迭代内完成不同单元的积分系数的计算,大幅降低了计算量,提高了CQ-BEM方法的声场计算效率。脉动球源数值算例结果表明,在相同要求下,本文方法计算时间较传统方法减少50%以上,相对误差小5个数量级以上,且计算时间随单元数的增长率仅为传统方法的2.34%。因此,本文提出的系数计算方法能够有效提高CQ-BEM方法的时域声场计算效率,拓展了CQ-BEM在大型机电设备时域声场模拟的计算规模。     

基于Mel频谱值和深度学习网络的鸟声识别算法*

为了增强网络对鸟鸣声信号的特征学习能力并提高识别精度,提出一种基于深度残差收缩网络和扩张卷积的鸟声识别方法。首先,提取鸟鸣声信号的对数梅尔特征及其一阶和二阶差分系数组成logMel特征集作为网络模型的输入;其次,通过深度残差收缩网络自动学习噪声阈值,减少噪声干扰;然后,引入扩张卷积增大卷积核感受野并利用注意力机制使网络更关注关键帧特征;最后,通过双向长短时记忆网络从学到的局部特征中学习长期依赖关系。以百鸟数据birdsdata鸟声库中的19种中国常见鸟类作为实验对象,识别正确率可以达到96.58%,并对比模型在不同信噪比数据下的识别结果,结果表明该模型在噪声环境下的识别效果优于现有模型。     

基于改进1D-VD-CNN与近红外光谱数据的金银花产地溯源研究

金银花是清热解毒必备良药,市面上金银花来源复杂,最著名的山东平邑产金银花在市场上常遭造假。已有的鉴别方法大多耗时长、成本高且操作复杂,亟需一种快速高效的金银花产地溯源方法。针对应用在金银花鉴别中的近红外光谱(NIRS)数据的一维卷积神经网络(1D-CNN)鉴别模型存在参数量过大、模型效率过于低下、计算复杂度高,同时易产生过拟合问题,对传统1D-CNN结构作出改进。使用效率较高的VD(Very Deep)结构替代传统1D-CNN中隐含层结构,并针对NIRS数据适应性改进,使其可直接应用于一维NIRS数据。改进分为三步：(1)将特征层的设计转为2个约束优化设计：第一约束条件设每个卷积层C值(卷积核与感受野的大小比值)为1/6,可提高网络模型效率;第二约束条件取顶层感受野大小为数据向量大小,实现更深层数据特征提取,并减小过拟合。(2)通过降采样把特征层输出特征向量缩小至较小的尺寸;(3)使用两个1×5大小的卷积层和一个带有Dropout的池化层将数据大小降采样到只有一个矢量的向量替代分类作用的全连接层,进而减小参数量。采集河南、山东、河北、重庆主要产地出产的金银花为样品500份。测试光谱范围...