一种新型时间测量探测器──多气隙电阻板室

介绍了具有6层气隙的电阻板室的结构和工作原理.用动量7GeV/c的粒子束测量了该探测器的性能,得到时间分辨为60—70ps,探测效率大于97%.在动量为3GeV/c的正电荷粒子束流测试中,用该探测器获得了p和π的时间谱,实现了很好的粒子分辨.     

红外光谱与人工神经网络相结合识别栽培、野生黄芩和粘毛黄芩

为了识别栽培黄芩、野生黄芩和粘毛黄芩，采用非线性－线性、线性－线性、非线性－非线性三种模式的人工神经网络（ANN）分别分析各种黄芩的红外谱。我们采用42个样本作训练集，34个样本作检验集，用各种模式的ANN进行了监督性训练。当训练目标误差平方和定为0.01时，各类ANN对训练集中三类黄芩样本识别的正确率均为100%，但对检验集样本识别的结果各不相同，其识别的正确率与隐含层节点数S1有关。我们发现当S1较大时，识别正确率反而下降，可能此时网络的非线性程度过高，使其不适合于该类样本集的训练。线性－线性型ANN识别的结果随S1的变化不很大，但识别的正确率不高，基本在85％左右。非线性－线性型ANN识别的结果最佳。当S1为3时，其识别正确率超过了97％。因此该法可用以简便、快速、准确地识别这三种黄芩药材。     

模糊对向传播网络数据融合目标识别方法

重点研究了模糊对向传播网络 (FCPN)模型。针对数据融合和目标识别的特点 ,提出了基于模糊对向传播网络的融合目标识别方法和改进的模糊对向传播网络 (MFCPN)融合结构。利用仿真数据对网络的训练算法和融合结构进行了实验研究。结果表明 ,模糊对向传播网络较误差后向传播网络 (BPN)能够有效地实现融合识别 ;改进的模糊对向传播网络融合结构是可行的。同时还对FCPN和MFCPN应用于前视红外 (FLIR)和可见光摄像机目标跟踪系统进行了应用研究。     

基于光学小波微分预处理的联合变换相关目标识别

提出了一种基于光学小波变换微分预处理的光电混合联合变换相关系统,该系统利用同一光路可实时实现对输入图象的小波变换微分预处理和联合变换相关识别.实验结果表明:该系统能得到很尖锐的互相关峰,可显著提高联合变换相关器的识别能力.     

基于线性调频Z变换和短波语音通话的飞机类型识别研究

研究用短波语音通话携带的飞机舱室噪声对飞机类型进行识别的方法。分析了飞机舱室内噪声在短波信道和语音通话干扰下的物理特性,定义了估计语音段的飞机噪声信噪比的公式,提出了自适应的抑制语音增强飞机噪声的模型,通过CZT变换分别提取目标信号不同频段的功率谱密度级特征,并设计了用支持向量机进行分类识别的二叉分类树。对8类现场实测数据进行实验:增强后语音段的平均信噪比提高约22 dB,分类树对语音应答间隔噪声、语音段信号和增强后的信号的平均识别率分别为82.79%,15.25%,50.18%。实验表明:应答间隔噪声可用于飞机类型识别;语音抑制算法带来较大的信噪比和识别率增益,证明语音段蕴含有助于飞机类型识别的重要信息,可为后续的研究奠定基础。     

螺吡喃光响应的汞、铬、银离子探针及相互作用光谱

合成并表征了1-羟乙基-3,3-二甲基-6′,8′-二叔丁基吲哚啉苯并螺吡喃配体1及其衍生物配体2。由于苯并螺吡喃6′,8′-二叔丁基斥电子基团的电子效应,开环体部花菁酚氧负离子上的负电荷难以分散,使其结构不稳定,配体1在紫外光照射下不直接开环,只有在极性较强的甲醇溶剂中受适当金属离子诱导才能形成有色开环体部花菁结构形式。配体1能较好地选择识别Hg2+,Cr3+和Ag+。当其相互作用时,不但紫外可见光谱及荧光光谱有明显“turn-on”变化,而且体系颜色明显地由无色变成黄色,目视识别效果直观明显。其他金属离子的存在对Ag+,Cr3+和Hg2+的识别几乎没有干扰。配体1与Ag+,Cr3+和Hg2+络合的化学计量比均为1∶1,检出限分别是：7.435 8×10-6, 6.126 8×10-6, 3.452 4×10-6 mol·L-1。通过配体2进一步证明了配体1和金属离子识别的结合模式。即螺吡喃结构中N1位取代侧链上的羟基,和其开环体酚氧负离子相互协调并与金属离子结合。     

传声器阵列对高频弱声源的声成像识别方法

研究了传声器阵列对高频弱声源的识别定位方法。该方法根据高频声源的指向性和阵列探测特性等特点,提出了利用信噪比加权方法提高有效阵元对声成像的贡献,根据信噪比的大小对每个阵元添加不同的权值,可以显著提高传声器阵列对高频弱声源的声像清晰度。仿真分析了阵元加权和不加权两种方法对阵列声成像结果的影响,以某型号笔记本电脑电路板噪声为对象进行的实验表明,在阵列测量中充分利用有效阵元信号可以实现对声压级低达10~20dB的微弱噪声源的精确测量。     

识别运动声源随机阵列生成法研究

针对随机阵列结构设计方面欠缺高效的生成方法这一问题,在保证阵列对声源识别精度的前提下,提出一种在极坐标下用于识别运动声源的随机阵列生成方法。根据声阵列识别运动声源的原理,推导了非等间距基本同轴圆环的半径,再通过降列分区、极坐标下条件筛选和模拟评价三个步骤,生成适用于识别运动声源的目标随机阵列,最后进行数值模拟和运动汽车噪声源识别实验进行验证。研究结果表明,用该方法能够高效地生成目标随机阵列,与常用规则阵列相比具有更良好的声源识别特性,并且具有准确的运动声源识别性能。     

EMD与神经网络在气液两相流流型识别中的应用

本文提出了EMD与Elman神经网络相结合的气液两相流流型识别的新方法.将压差波动信号经验模态分解(EMD)后的固有模态函数(IMF)进行分析、提取IMF能量作为Elman神经网络的输入特征向量,对水平管内的气液两相流流型进行识别.实验结果表明:该方法优于BP网络且稳定、识别率高,具有可行性.