用光线矩阵元描述X射线激光输出特性

采用矩阵光学方法，研究了串接多靶，弯曲靶加反射镜“双程放大”Ｘ射线激光输出特性，给出了发散角普遍公式，分析了电子密度梯度分布，反射镜角失调对Ｘ射线激光输出场分布的影响，所得结果与已有实验符合较好，最后，对如何从靶，Ｘ光学元件空间排布来实现衍射极限的输出发散角提出了新的设想，作了半定量的探讨。     

基于Turbo码的量子高斯密钥分发的数据协调

为了使加密系统中两个合法用户Alice和Bob从量子信道传送的相关的高斯连续变量X和y中获取出密钥,通过一个理想公共授权信道传送部分信息进而从不一致的X和y中得到一致的二进制密钥,这一过程称为协调.本文在样条纠错(Sliced Error Correction,SEC)和多级编码/多路译码(Multi Level coding/Multi Stage Decoding,MLC/MSD)方案的基础上,构建了一套以Turbo纠错码为基础的连续变量量子密钥分发系统的反向数据协调方案.提出了以Turbo码的校验比特流为协调信息的Slepian-Wolf编译码方案.仿真结果表明可在信道信噪比7 dB以上实现20000个连续变量序列的协调.     

含不同形状内热源的圆管内纳米流体自然对流及换热数值研究

采用格子玻尔兹曼方法对有三种恒温热源(圆形、三角形、方形)参与的圆管内纳米流体(铜-水)自然对流进行数值研究.主要研究瑞利(Ra)数,纳米颗粒体积分数以及热源几何形状等控制参数对纳米流体的流动与传热的影响.结果发现纳米颗粒体积分数的增加有利于强化传热,且在Ra数较小时,平均努塞尔(Nu)数增加的幅度要优于Ra数较大的情...     

导向相应功率定位中时延不确定项的影响

在分布式传声器网络应用中,可控波束形成器导向相应功率(SRP)声源定位算法受到导向时延不准确的影响导致定位不稳定.将导向时延不确定项引入SRP定位模型,并对引起不确定项的主要干扰因素进行了分析建模,同时提出了应对导向时延不确定项的SRP定位算法.蒙特卡罗仿真和分析表明该算法具有抑制噪声和降低定位误差的效果,实际实验数据...     

偶极子声波测井仪发射声系性能快速检测方法*

该文提出了一种针对偶极子声波测井仪发射声系性能进行快速检测的方法。通过实验测量方法,采用专门设计的简易装置测量偶极子声波测井仪发射声系激发的声场波形,并提取声场强度、声源主频以及空间分布对称性等特征参数。如果准确掌握了仪器处于完好状态时的这些特征参数,以此为参考依据与实验测量结果进行对比,通过设定可接受的相对偏差,就可完成对偶极子声波测井仪发射声系性能的快速评价。相对于现有的声波测井仪器检测方法,该方法具有高效、便捷的优势,便于在测井前线基地应用。     

子带t分布的快速独立向量分析在语声盲源 分离中的应用*

为了提高独立向量分析算法在盲语声分离任务中的分离性能,降低算法计算复杂度,并改善目前尚未完全解决的顺序模糊性的问题,该文提出一种基于子带t分布的快速独立向量分析算法。在声源模型方面,该算法首先利用语声信号重尾分布的特性,假设声源概率密度函数服从t分布,同时采用子带建模的方法来增强同一声源相邻频点的高阶依赖性,进而减轻频点间的顺序不一致问题。在空间模型方面,该算法采用秩1更新的方式估计声源信号,避免矩阵求逆操作和分离矩阵的估计,从而降低计算复杂度。实验结果表明,与现有的基于独立向量分析的盲源分离算法相比,该算法能够在相同的迭代次数下取得更优的语声分离性能。     

含氘电极真空弧等离子体空间分布特性诊断研究

真空弧放电等离子体含有多种离子成分,并且各离子在空间上具有不同的分布规律.本文针对金属氘化物电极真空弧离子源,搭建了一台紧凑型磁分析装置,用来研究放电等离子体中氘离子与金属离子的空间分布.当离子源弧流为100 A左右时,该装置能有效地传输引出束流,并且具有较好的二次电子抑制效果,可准确获得各离子流强.利用该装置测量并获得了氘化钛含氘电极真空弧放电等离子体内氘离子和钛离子空间分布规律,结果表明:径向上,氘离子和钛离子都呈高斯分布,但氘离子分布均匀,而钛离子相对集中在轴线附近,导致轴线附近氘离子比例最低;轴向上,所有离子数量都以自然指数函数减少,而且相对幅度接近,所以氘离子比例几乎不变.本文研究结果不仅有助于理解真空弧放电等离子体膨胀过程,还可以指导金属氘化物电极真空弧离子源及其引出设计.     

抵消Wigner-Ville分布交叉项的窄带运动声源无源测速

利用声波的多普勒频移可以对窄带运动声源进行单传感器无源测速,其性能很大程度上取决于能否精确地估计出声波的瞬时频率.Wigner-Ville分布虽然时频分辨率高,但存在交叉项干扰,很少被直接用于瞬时频率估计。对此,提出了抵消Wigner-Ville分布交叉项的单传感器窄带声源无源测速方法。利用交叉项与声源速度的关系构造一个抵消项,引入到Wigner-Ville分布中,通过对声源速度估计值进行迭代更新,使抵消项与交叉项相位相反,从而约掉交叉项。经实测噪声数据验证,对一辆以6.07 m/s匀速运动的卡车(信噪比约为29 dB)测速误差为0.1 m/s,运行时间为4.6 s,对一架以28.90 m/s匀速运动的直升机(信噪比约为16 dB)测速误差为0.46 m/s,运行时间为1.2 s,均优于匹配Wigner变换和多普勒线性调频小波变换测速方法.     

Neural Estimator of Information for Time-Series Data with Dependency

Novel approaches to estimate information measures using neural networks are well-celebrated in recent years both in the information theory and machine learning communities. These neural-based estimators are shown to converge to the true values when estimating mutual information and conditional mutual information using independent samples. However, if the samples in the dataset are not independent, the consistency of these estimators requires further investigation. This is of particular interest for a more complex measure such as the directed information, which is pivotal in characterizing causality and is meaningful over time-dependent variables. The extension of the convergence proof for such cases is not trivial and demands further assumptions on the data. In this paper, we show that our neural estimator for conditional mutual information is consistent when the dataset is generated with samples of a stationary and ergodic source. In other words, we show that our information estimator using neural networks converges asymptotically to the true value with probability one. Besides universal functional approximation of neural networks, a core lemma to show the convergence is Birkhoff’s ergodic theorem. Additionally, we use the technique to estimate directed information and demonstrate the effectiveness of our approach in simulations.