碳纳米管被“激光镊子”牵鼻走

~~碳纳米管被“激光镊子”牵鼻走@汪道友~~     

垂直水声通信中的伪随机序列精确定时算法*

针对垂直水声通信中时变多普勒引起的定时偏差问题,研究一种基于伪随机序列的迭代定时估计及补偿算法。该方法利用伪随机序列作为同步信号,分三步估计时变多普勒：采用低复杂度的模糊函数法粗补偿接收信号内的平均多普勒;通过迭代插值法实现残留时变多普勒的精确估计及补偿;利用基于信道相关函数的相位信息,纠正均衡后信号的偏转相位。为实现高阶海试数据的有效解调,采用基于伪随机序列均方误差的多通道加权合并方式,获得空间分集增益。仿真及海试数据处理结果证明所提方法具有良好的时变多普勒估计及补偿性能,同时对30个通道内的1024QAM数据进行合并处理,在500 m的通信距离下,误码率为0.04,信道容量达到7.6 bits/symbol。与传统数据帧结构相比,无需使用线性调频信号,可以提高有效数据传输率。     

多维度单分子成像研究进展

单分子成像方法被广泛应用于亚细胞结构的三维空间定位。点扩散函数是分析单分子信息的重要窗口,除了能反映空间坐标外还蕴含着丰富的额外信息。本文介绍了从点扩散函数中解析空间位置、荧光波长、偶极子朝向及干涉相位等多维度单分子成像研究进展,简要地概括了目前主流定位方法,并对该技术的发展方向进行了展望。     

乘除简易快速定位法

古人云：“学其发，先识其位。”乘除算题即便计算正确，而定错了位，其结果还是错误的。因此，定位是何其的重要。乘除法积商的定位，既是教学的重点，也是教学的难点，有“珠算易学，定位难”的说法，尤其是没有学过代数，不懂得正数、负数的同志或小学生，     

改进的时序多重稀疏贝叶斯学习冰下水声信道估计方法

针对时序多重稀疏贝叶斯学习信道估计方法计算复杂度高且在低信噪比时估计精度低的问题,本文提出了一种改进的时序多重稀疏贝叶斯学习正交频分复用冰下水声信道估计方法。首先,采用奇异值分解方法对接收导频矩阵进行去噪;随后利用去噪后的接收导频矩阵结合最小二乘信道估计方法获得时序多重稀疏贝叶斯信道估计的超参数矩阵、感知矩阵等先验知识;最后,利用冰下水声信道的稀疏特性和多途结构较为稳定的特点,采用时序多重稀疏贝叶斯信道估计对不同符号的冰下水声信道进行联合重建。仿真结果显示,在能量系数为0.03时,改进方法信道估计均方误差相比较于原始方法至少降低了约2.87×10^-5,运算时间至少下降了约为90%。第11次北极科学考察冰下试验结果显示,改进方法的平均原始误码率略微低于原始方法,平均运算时间降低约75%。研究结果表明,利用冰下水声信道的特点,改进方法可以实现高精度冰下水声信道估计,并且有效降低系统计算复杂度。     

HL-2M 磁体系统安装中的定位与测量

为提高磁体系统安装精度,在 HL-2M 集成大厅建立 63 个基准点构成测量基准网,并利用激光跟 踪仪等高精度测量设备建立每个磁体的局部坐标系,测量特征点的局部坐标;基于测量基准网和公共测量点,采 用最佳拟合得到坐标转换矩阵,以此得到特征点在测量基准网的位置,指导磁体安装。完成安装后的中心柱同支 撑基础的同轴度为∅2.03mm;PF1~PF4 线圈安装标高偏差为±0.5mm,与中心柱的同轴度为∅2.60mm;PF5/6/7/8 线圈与中心柱的同轴度偏差小于∅3.00mm,标高偏差在[−1mm, 1mm]区间内。基于以上方法所得到的线圈安装精 度都满足设计需求。     

HL-2M 装置磁测量传感器的定位安装

通过数值计算评估了 HL-2M 装置磁测量传感器安装精度的要求,其中磁通环坐标(R, Z)的安装偏差 要求达到±2.0mm 以内,磁探针的(R, Z)偏差要求在±1.0mm 以内、角度偏差在±0.1°以内。定位安装采用高精度激 光跟踪仪和关节测量臂结合,设备定位精度在±0.3mm。根据不同种类的磁测量传感器的定位安装特点,优化设 计了包括磁通环、磁探针阵列、逆磁同心圆等的定位结构,将 HL-2M 磁测量传感器的安装精度控制到在±0.5mm 水平。      

圆合成孔径声呐多点定位运动补偿

圆合成孔径声呐(CSAS)的成像性能受平台运动误差影响而下降,利用单侧回波可估计CSAS基阵的斜距误差,但单侧回波在小测绘带时无法估计升沉误差,针对此问题,提出了一种利用单侧回波信号的声呐平台三维运动估计和补偿方法。首先,对CSAS在不同观测角度的目标回波取极大值获得目标回波的到达时间;其次,基于多个点目标的到达时间建立CSAS三维定位模型;然后利用列文伯格-马夸尔特方法对声呐三维坐标进行估计;最后将位置估计结果与时域反投影成像方法结合实现对目标的成像.仿真结果表明:该方法能精确估计声呐平台运动误差,其空间坐标的估计误差小于仿真信号波长的1/8,从而精确补偿了CSAS在不同空间采样点上的阵元回波时间差,显著提高了目标成像质量。湖上试验结果表明,该算法能够实现对CSAS的运动误差补偿。仿真和试验结果均验证了方法的可行性和有效性。