新体制引信干扰机理分析

为应对新体制无线电引信带来的威胁,从引信对抗角度以超宽带无线电引信为研究对象,研究干扰作用下其失效机理。揭示了超宽带无线电引信敏感干扰波形响应机理,理论推导了周期调制干扰信号作用下引信响应特性,仿真计算了在射频噪声、正弦波调幅、正弦波调频以及扫频正弦波调幅干扰信号作用下超宽带引信接收机相关器输出响应特性。以干信比增益为表征参量,通过理论计算、仿真及试验验证得出结论：周期类调制干扰中调幅类干扰对超宽带引信干扰效果最好。     

基于多维时空分析的LiDAR测深系统去噪方法

为了提高激光雷达海洋测深系统探测精度,提出了一种基于时空联合分析的去噪方法.利用激光雷达系统在多个脉冲触发采集周期内的回波信号之间较强的时空相关性,对任意一个周期内的回波信号,通过匹配分析找到多组相似的回波序列,把各组高度相关的回波序列转换成矩阵形式进行多维时空相关分析,在2-D变换域应用硬阈值收缩算子衰减噪声,以加权...     

联合精确比值掩蔽与深度神经网络的单通道语音增强方法

针对目前有监督语音增强忽略了纯净语音、噪声与带噪语音之间的幅度谱相似性对增强效果影响等问题,提出了一种联合精确比值掩蔽(ARM)与深度神经网络(DNN)的语音增强方法。该方法利用纯净语音与带噪语音、噪声与带噪语音的幅度谱归一化互相关系数,设计了一种基于时频域理想比值掩蔽的精确比值掩蔽作为目标掩蔽;然后以纯净语音和噪声幅度谱为训练目标的DNN为基线,通过该DNN的输出来估计目标掩蔽,并对基线DNN和目标掩蔽进行联合优化,增强语音由目标掩蔽从带噪语音中估计得到;此外,考虑到纯净语音与噪声的区分性信息,采用一种区分性训练函数代替均方误差(MSE)函数作为基线DNN的目标函数,以使网络输出更加准确。实验表明,区分性训练函数提升了基线DNN以及整个联合优化网络的增强效果;在匹配噪声和不匹配噪声下,相比于其它常见DNN方法,本文方法取得了更高的平均客观语音质量评估(PESQ)和短时客观可懂度(STOI),增强后的语音保留了更多语音成分,同时对噪声的抑制效果更加明显。     

在COIL中碘量变化与激光功率波形的关系

针对碘量在一定范围内变化对激光功率影响不敏感,采用碘量变化的方法,通过对大量的250mmol/s列管式射流氧发生器的出光实验的分析,得到了激光功率波形随碘量变化的实验规律。这一实验结果可用于根据功率波形变化来调节最佳碘量。并对其机理进行了理论分析。     

基于水分掺杂的高场非对称波形离子迁移谱检测硫化氢的研究

高场非对称波形离子迁移谱(FAIMS)是一种芯片级高灵敏度快速分析检测技术,其在大气压环境下工作的特点使之受环境影响明显,其中气体的湿度是显著影响因素,湿度的变化可引起迁移区离子反应机理以及迁移过程的变化。该文研究了干燥条件下痕量硫化氢的定量检测方法,确定了DF=33%时的检测线性范围与回归方程。利用PTFE管渗透作用,设定水浴温度为40～90℃,考察了不同含量水分对FAIMS检测硫化氢的影响。通过考察不同湿度下硫化氢的FAIMS特征谱图以及特征离子峰,研究了掺杂水分对于硫化氢谱峰峰值、补偿电压以及检测分辨率的影响。结果表明,FAIMS对于硫化氢的检测谱图清晰可见,能够准确定位其特征离子峰。随着气体中水分增多,不同分离电场下的产物离子峰峰值增大,说明湿度增大在一定程度上提高了灵敏度,DF=35%时的检出限为1.43×10^-3 mg/m³。     

岩石冲击凿入过程的随机分析

利用一个典型凿岩机的测试结果,对其入射应力波形的随机特性进行了分析,给出了各类凿岩机入射波的最大应力和冲击能量的随机分布,从而揭示了各类凿岩机品质特性的物理实质。还对岩石凿入过程的随机特性进行了分析,导出了凿深的随机分布特征,揭示了输出方差和的相关性,可以作为凿入系统合理匹配的依据。     

PVDF在动态应变测量中的应用

研究了用PVDF压电薄膜进行动态应变测量的原理和方法,在单向应变块上对两种PVDF应变片的应变电荷常数进行了标定,并对一维应力杆中的应变波形进行了测量。实验给出了较好的测量精度。研究结果表明,PVDF应变片在动态应变测量中具有很好的应用潜力。     

一种岩石损伤本构模型在地下强爆炸中的应用

为了描述地下爆炸波的传播,建立了一种考虑塑性硬化、剪胀和损伤软化效应的岩石本构模型,并应用于地下强爆炸自由场的数值计算,获得的速度和位移波形以及峰值速度衰减曲线等与国外地下试验测量数据和同类计算相比十分接近,从而验证了本构模型的有效性。     

锗酸铋声表面波沟槽栅脉冲压缩滤波器

声表面波沟槽栅脉冲压缩滤波器(RAC器件)是一种优良的色散延迟线.它利用声表面波在沟槽栅阵上的反射,形成色散时延,具有时延长、带宽大、寄生信号小、可以内加权、脉冲压缩性能好等特点.制作在锗酸铋材料上的RAC器件除这些特点外,由于声表面波速度比一般材料约低一倍,因而更适于制作小体积、大时延     

一种基于SSM的HMM训练算法

在Baum-Welch(BW)算法的基础上提出了一种基于态相关方法(State—Specific Method：SSM)的隐马尔可夫模型(Hidden Markov Mode：HMM)参数估计算法(简称SBW算法)．该算法在估计HMM不同状态的概率密度函数(probability density function：PDF)的参数时使用了与状态有关的维数较低的特征集合．与传统的BW算法相比，新算法避免了直接估计高维的PDF参数．仿真实验表明，在训练数据量不足的情况下，采用SBW算法的误识率明显低于BW算法．