k圈图的最大Laplace分离度

设$ G $是一个$ n $阶$ k $圈图, $ k $圈图为边数等于顶点数加$ k-1 $的简单连通图。$ \mu_{1}(G) $、$ \mu_{2}(G) $分别记为图$ G $的Laplace矩阵的最大特征值和次大特征值, 图$ G $的Laplace分离度定义为$ S_{L}(G)=\mu_{1}(G)-\mu_{2}(G) $。本文研究了给定阶数的$ k $圈图的最大Laplace分离度, 并刻画了相应的极图, 其结果推广了已有当$ k=1, 2, 3 $时的结论。     

基于异质预期的量子伯川德博弈复杂动力机制分析

针对伯川德双寡头垄断博弈经济系统中出现的混沌现象,利用量子博弈论,构建了基于有限理性与天真预期行为的量子伯川德动态博弈模型,分析了量子纠缠度对纳什均衡点稳定性及复杂动力行为的影响。结果表明:量子纠缠度能增强该系统的稳定性,企业价格调整速度达到某一程度时会导致该系统的复杂混沌特性,纠缠度可以有效控制混沌状态。最后利用数值模拟从分岔、最大李雅普诺夫指数、奇怪吸引子、初始条件敏感性及分数维数方面验证了理论准确性。     

非色散红外CO2传感器温度补偿方法研究

针对非色散红外CO₂传感器受温度影响导致测量精度低的问题,设计了单光路双通道的非色散红外CO₂传感器,提出一种BP神经网络补偿气室温度的新方法。本文分析了温度对传感器的光源、探测器以及对气体吸收系数的影响,并将BP神经网络补偿气室温度方法与其他补偿方法进行了实验对比。实验结果表明,BP神经网络补偿气室温度方法优于其他补偿方法,在测量10%～20%浓度范围内的CO₂时,最大相对误差为2.98%,重复性实验显示RSD为1.22%,为非色散红外CO₂传感器补偿温度提供借鉴意义。     

土壤中红外光谱库支持下的局部建模集优化

土壤中红外（MIR）光谱能快速、无污染、低成本地估算土壤有机碳等理化属性。随着各种尺度土壤光谱库的建立,使用其进行快速土壤分析引起广泛关注,但光谱库的通用模型在局部尺度上的预测效果不理想。开发“局部化”光谱建模方法是提高土壤光谱库性能的有效途径。本文提出了一种新的方法,通过光谱相似度计算和建模子集构建,旨在从库中快速建立最优局部建模集以提高预测精度。比较了欧氏、马氏、余弦三种距离算法衡量待测样本与库样本之间的相似度并生成距离矩阵;使用连续统去除法从距离矩阵中提取库容曲线中的特征点。利用偏最小二乘回归建立土壤MIR光谱与有机碳含量间的定量关系。结果表明,三种距离算法结合连续统去除得到的第一特征点均可得到较佳的预测精度。马氏距离不仅模型精度最高（R² = 0.764,RMSE = 1.021%）而且用到的库样本数最少（14%库容）。本方法可改善MIR光谱分析的成本效率并能提高局部尺度的预测能力。     

新型LTCC高隔离低插损3dB90°电桥设计

基于宽边耦合带状线结构,该文设计了一种基于低温共烧陶瓷(LTCC)技术的高隔离低插损3 dB 90°电桥。该电桥使用螺旋耦合线有效地减小了器件尺寸,同时以对称式结构建模更便于后期的优化调整。在宽边螺旋耦合带状线垂直方向引入一个伸入式可调隔离电容,极大地提高了该电桥的隔离度,使其可达27 dB,且插入损耗≤0.2 dB,较之传统的定向耦合器结构,其在提升性能的同时大幅减小了器件尺寸。对耦合线直角拐弯处的电场强度进行分析与优化,采用45°斜切的方式使拐角处的电场强度与直线处大致相等。对上接地金属板进行环形镂空处理,这将改善带内的幅度平衡度。该文设计的3 dB 90°电桥通带为0.96~1.53 GHz,插入损耗≤0.2 dB,幅度平衡度≤±0.7 dB,相位平衡度为90°±1°,隔离度≥27 dB,其具有良好的应用市场。     

基于多边法的多轴转台相交度测量方法

随着导航、光电跟测和飞行仿真等技术的飞速发展,对多轴转台的测量精度要求越来越高。轴线相交度是多轴转台重要的技术指标,为此,提出一种基于多边法的激光跟踪干涉仪测量多轴转台相交度的方法。该方法首先对激光跟踪干涉仪位置进行自标定,构建坐标系;其次将靶球依次安装于双轴转台（方位轴和俯仰轴）的测量平面,利用多台激光跟踪干涉仪跟踪靶球,分别测量两轴的转动轨迹,采用最小二乘法对获取的轨迹进行拟合,通过所有轨迹点建立双轴转台回转轴线相交度的求解方程,以实现其相交度测量;最后重点分析了测量方法的主要误差来源,对测量不确定度进行评价。实验表明：所提方法相较传统测量方法测量误差更小,减小了动态测量盲区,无需辅助工件,且不受轴数限制,能够无接触、高精度测量。     

基于图卷积的视网膜血管轮廓及高不确定度区域细化框架

针对传统卷积神经网络(convolutional neural network, CNN)受感受野大小的限制,无法直接有效地获取空间结构及全局语义等关键信息,导致宽血管边界及毛细血管区域特征提取困难,造成视网膜血管分割表现不佳的问题,提出一种基于图卷积的视网膜血管分割细化框架。该框架通过轮廓提取及不确定分析方法,选取CNN粗分割结果中潜在的误分割区域,并结合其提取的特征信息构造出合适的图数据,送入残差图卷积网络(residual graph convolutional network, Res-GCN)二次分类,得到视网膜血管细化分割结果。该框架可以作为一个即插即用模块接入任意视网膜血管分割网络的末端,具有高移植性和易用性的特点。实验分别选用U型网络(U-neural network, U-Net)及其代表性改进网络DenseU-Net和AttU-Net作为基准网络,在DRIVE、STARE和CHASEDB1数据集上进行测试,本文框架的Sp分别为98.28%、99.10%和99.04%,Pr分别为87.97%、88.87%和90.25%,证明其具有提升基准网络分割效果的细化能力。     

基于聚类和联合偏度与峰度指数的高光谱数据波段选择算法

高光谱数据的光谱分辨率高,数据量大,在提供丰富、详细的地物或目标信息的同时,不同光谱波段特别是相邻波段间有较强的相关性,导致光谱波段之间有大量冗余信息。针对这一问题,面向高光谱异常检测,提出了基于聚类和联合偏度与峰度指数的波段选择方法。首先利用虚拟维度进行估计,确定高光谱数据的本征维度,再结合最大-最小距离的思想进行聚类中心的更新,避免了随机选取的初始值可能导致距离太近的问题。然后,考虑到异常目标常常表现为不满足背景高斯分布的特点,使用联合偏度与峰度指数作为准则函数进行波段选择,有效选择出了重要波段。在三组代表性高光谱数据集上进行了实验,结果表明本文所提出的算法有效提升了高光谱异常检测的效果并降低了虚警率。     

基于自组织映射网络的微表情运动规律分析方法

表情是人类情感交互的重要方式。神经生理学研究表明：微表情很难由主观意识所控制,是人类真实情感的流露。与宏表情不同,微表情发生常常伴随着面部左右和上下的不对称移动,运动模式复杂。但由于微表情运动幅度小,人眼难以直接观察,微表情运动规律尚未被深入解析。在公共安保等领域,对微表情识别算法的可靠性与可解释性有很高要求。因此,本文旨在研究微表情运动规律分析方法,实现微表情运动规律的系统性解析。本文工作包括：研究基于自组织映射网络（Self-Organizing Maps, SOM）的微表情特征无监督聚类方法,得到微表情运动模式及其概率。定义微表情运动相似度指标,它从面部14个感兴趣区域运动趋势的角度来衡量两个微表情运动特征的差异程度,并作为调节SOM网络权值的依据。本文对CASMEII、SAMM、SMIC和MMEW数据集的微表情样本进行分析,并根据SOM网络的聚类结果总结微表情运动规律,该规律可以指导微表情识别算法特征提取,提升可靠性。     

改善误码性能的索引调制正交频分复用混合映射方案

为进一步提升索引调制正交频分复用(OFDM-IM)系统在高信噪比(SNR)条件下的误比特率(BER),该文提出一种混合映射方案。该方案利用高信噪比时索引比特比数据比特错误率更低的特性,混合使用两种不同位数的索引比特分配策略,提高了索引比特的占比。相应地,将子载波激活模式(SAPs)分为超级SAPs和普通SAPs,相比于普通SAPs,超级SAPs对应的索引比特和数据比特分别增加1 bit和减少1 bit。将超级SAP对应的数据比特采用奇偶校验的方式补齐,然后映射为数据符号,提高了系统的分集度,增大了数据符号间的最小欧氏距离。仿真结果表明,相比于以往的映射方案,混合映射方案在误比特率为10–4时可取得1～3 dB的性能增益,有效改善索引调制OFDM系统的误码性能。