反射式微光机电系统(MOEMS)的研究现状与展望

反射式微光机电系统是微光机电系统中的重要组成部分,近年来得到了较快的发展。介绍了反射式微光机电系统(MOEMS)的研究现状和最新进展。根据反射式微光机电系统的分类,列举了一些具有代表性的反射式MOEMS器件。简要介绍了反射式MOEMS的加工工艺;阐述了反射式MOEMS的应用领域;展望了发展前景。     

聚焦慢速高荷态重离子束微束斑X射线源

利用电子束离子源(EBIS)或者电子束离子陷阱(EBIT)产生的慢速高电荷态重离子束轰击金属靶面,离子束与靶面作用并复合辐射特征X射线;并将高荷态离子束采用离子光学系统会聚为微细束后再与靶面作用,能够辐射出微米甚至亚微米级、纳米级的微束斑X射线.本文介绍这一新型微束斑X射线源的结构、机理及其特性等.     

基于径向基函数神经网络的Lorenz混沌系统滑模控制

针对受参数不确定和外扰影响的混沌Lorenz系统，提出一种基于径向基函数（RBF）神经网 络的滑模控制方法.基于被控系统在不稳定平衡点处状态误差的可控规范形，设计滑模切换 面并将其作为神经网络的唯一输入.单入单出形式的RBF控制器隐层只需7个径向基函数，网 络的权值则依滑模趋近条件在线确定.仿真表明该控制器对系统参数突变和外部干扰具有鲁棒性，同时抑制了抖振. 关键词： 混沌控制 滑模 径向基函数神经网络 Lorenz系统     

浅谈GSM系统

 GSM原意为移动通信特别小组(GroupSpecialMobile)。该组织成立于1982年,旨在制定一个欧洲移动通信系统的特性规范,以便使整个欧洲采用一个统一的移动通信制式,让移动通信用户在欧洲各国的移动通信成为可能。今天,所谓的GSM,就是泛欧数字移动通信系统(GiobalsystemforMobileCommunication),它有效地克服了模拟制式移动通信系统存在的频谱利用率低、容量小、制式不统一、联网漫游困难、不能提供数据等非话业务以及话音失真、保密性差等缺点。GSM的发展,弥补了有线电话的严重不足,解决了人们在任何地点、任何时间的通信联络。     

耦合非线性Schrdinger系统的多辛差分格式

近年来,Bridges等人在Hamiltonian力学意义下,直接把有限维Hamiltonian系统推广到无穷维,通过引入新的函数坐标,使得偏微分方程在时间和空间的各个方向上都有各自不同的有限维辛结构,这样原偏微分方程就由各个有限维辛结构以及右端的梯度函数决定,称这样的方程为多辛Hamiltonian系统.多辛Hamiltonian系统满足多辛守恒定律,满足多辛Hamiltonian系统的多辛守恒律的离散算法称为多辛算法.以耦合非线性Schr dinger方程为例,研究无穷维Hamiltonian系统的多辛算法,验证了两孤立子碰撞后会发生相互通过、反射及融合现象.     

微全分析系统检测方法的研究进展

综述了不同类型的检测方法在微全分析系统的应用，并简述了各类型的检测方法的优缺点。引用文献92篇。     

必要与可能(下)--四谈高中开设"模糊数学初步"选修课

1　“数学怎能模糊”2　“教材应该成熟”3　“中学生学习模糊数学 ,会不会太难”4　家长的看法5　从集合到模糊集合“数学就是要精确、严密 ,怎么与模糊混为一谈了 ,真是乱弹琴 !”这是一般人看到“模糊数学”的第一反应 .确实 ,长期以来人们一直把模糊看成贬义词 ,而只对精密与严格充满敬意 .在模糊数学的初创时期 ,它曾被美欧的许多专家权威认为是伪科学 ,是头脑发热的产物而遭到排斥 ,应用模糊数学的研究也不得不转入“地下” .模糊数学的先驱L A 扎德教授曾感叹地说 :“有一段时间 ,我觉得自己就象生活在狗窝里…”但这一页 ,早在十几…     

一种改进的自适应模糊阈值图象分割方法

自适应模糊阈值图象分割方法的关键和困难在于隶属函数窗宽的自动调整和阈值搜索范围的确定.依靠图象灰度的统计特性初步确定阈值搜索范围，提出了一种改进方法，进而得到隶属函数的窗宽.实验表明这种方法避免了确定图象灰度直方图峰位置的困难，对较低亮度图象分割效果良好.     

Birkhoff系统的Hojman定理的几何基础

研究了Birkhoff系统的Hojman定理的几何基础.建立了系统的运动微分方程和Hojman守恒 定理，利用现代微分几何给出了Birkhoff系统的Hojman定理的一个证明. 关键词： Birkhoff系统 Hojman定理 对称性 微分几何     

Local Prediction of Chaotic Time Series Based on Support Vector Machine

Based on phase space delay-coordinate reconstruction of a chaotic dynamics system, we propose a local prediction of chaotic time series using a support vector machine （SVM） to overcome the shortcomings of traditional local prediction methods. The simulation results show that the performance of this proposed predictor for making onestep and multi-step prediction is superior to that of the traditional local linear prediction method and global SVM method. In addition, it is significant that its prediction performance is insensitive to the selection of embedding dimension and the number of nearest neighbours, so the satisfying results can be achieved even if we do not know the optimal embedding dimension and how to select the number of nearest neighbours.