折反光学系统最佳红外像面位置的研究

较深入地研究了折反光学系统的红外像面,为确定实际的红外像面提出了一个新方法—计算从可见光边缘无色的弥散圆到红外最佳像面的距离。实践证明,这是确定这类光学系统最佳像面的一个方便、可靠的方法。     

一个用于VHSIC连接线瞬态分析的电路模拟器

本文介绍了一个可对含连接线的电路进行瞬态分析的电路模拟器,该模拟器是在SPICE基础上经修改扩充而成的,连接线的处理采用了文献[1]的方法.文中介绍了方法的基本原理,讨论了数值Laplace反变换时参数的选择与误差的控制.实际VHSIC电路的试算结果表明,该模拟器是相当有效的.     

煤油中TBP、HDPB和H_2MBP的气相色谱测定

气相色谱法已用于煤油中磷酸三丁酯(TBP)、磷酸二丁酯(HDBP)和磷酸丁酯(H_2MBP)的测定。在分析前,后两种化合物通过与二异丙基醚中的重氮甲烷反应转换成对应的甲酯。用同样方法可测定γ射线辐射30％TBP-煤油-3mol dm~(-3) HNO_3体系生成的HBDP和H_2MBP。     

计及位置不确定的喷雾机喷杆系统仿形姿态渐近跟踪控制北大核心CSCD

针对喷雾机喷杆仿形系统中同时存在负载变化、未建模不确定项、物理参数摄动以及外部干扰等问题,提出了一种基于小波网络逼近的具有自适应性和鲁棒性的反步控制方法.首先,将含有不确定、未知和非线性项的喷杆仿形系统建立为完整的数学模型,将其等价转化为具有严格反馈的状态空间形式;其次,采用设计的小波基元去构造神经网络,在满足最优误差有界条件下逼近反步法中虚拟等效控制部分,选取自适应更新律估计系统中存在的未知参数,引入鲁棒补偿项减小复合干扰对系统的不利影响,降低了输入指令信号的阶次要求;最后,通过构造合适的Lyapunov函数,应用稳定性理论证明了闭环系统位置跟踪误差渐近收敛到原点.仿真结果表明,所提控制方法可实现喷雾机喷杆位置姿态快速升降机动调整,有效地增强了喷杆系统的鲁棒稳定性和控制精度.     

A High-Order Finite Difference Scheme for 3D Unsteady Convection Diffusion Reaction Equations北大核心CSCD

针对三维非稳态对流扩散反应方程,构造了一种高精度紧致有限差分格式,对空间的离散采用四阶紧致差分方法,对时间的离散采用Taylor级数展开和余项修正技术,所提格式在时间上的精度为二阶、在空间上的精度为四阶。利用Fourier稳定性分析法证明了该格式是无条件稳定的。最后给出数值算例验证了理论结果。     

可调谐钛宝石双波长激光在β－BaB2O4晶体中和频

本文用矩阵光学推导出了相位共轭腔的热稳条件。     

确定性网络技术综述

确定性网络的提出是为了满足如音/视频、工业控制、电力保护等业务的大带宽、低时延、高可靠性等需求。新型业务如虚拟/增强现实、云游戏等的兴起,丰富了确定性网络的应用场景,同时也扩展了确定性网络技术的应用范围。针对当前应用场景、技术标准以及产业发展的全局考虑,分析了面向不同场景的强弱确定性需求和特性,以及对应的科学性和工程性确定性网络技术,提出了多样化确定性网络发展路径,并展望了面向6G、算力网络的确定性网络组合技术发展。     

三角计算和BACF跟踪算法的无人机距离和高度计算方法

针对反无人机拍摄场景中摄像头水平放置与倾斜放置的两种情况,提出了基于视觉的对于特定无人机目标的三角计算测高测距算法。使用稳健性高的尺度跟踪BACF算法对目标进行跟踪和计算目标的成像宽度和高度。根据已知目标尺寸、摄像头焦距、俯仰角等参数对无人机与摄像头的实际距离进行估测。实验结果为：处理速度超过每秒45帧,满足实时性要求,并且平均相对误差为5%。所提算法可实现对无人机目标进行跟踪的同时评估出目标距离摄像头的高度与距离。     

三维显微图像的分辨率评估方法及应用

现有分辨率评估方法,如瑞利判据、阿贝判据、半峰全宽方法等都具有一定的应用局限性。本文采用基于切片傅里叶壳层相关(sFSC)的频域分辨率评估方法来评估系统的实际成像能力,该方法对分辨率的评估结果仅取决于图像质量,不受系统成像理论的影响,是一种客观、直接的计算方法。它将傅里叶壳层分成楔形壳层对,每个选择器都是一对镜像楔形,以改善由三维荧光成像各向异性带来的分辨率评估问题。实验结果表明,sFSC可作为一种无参考三维图像分辨率评估方法,且利用sFSC方法的分辨率结果所拟合的三维高斯点扩展函数(PSF)进行图像反卷积操作,能有效恢复图像纹理细节,提高图像信噪比,且相比于其他PSF估计方法,sFSC方法具有更好的性能。     

高速移动环境下基于RM-Net的大规模MIMO CSI反馈算法

针对高速移动环境信道特征复杂多变,同时存在加性噪声和非线性效应的影响,提出一种残差混合网络（RM-Net）的大规模MIMO CSI反馈算法。RM-Net通过学习高速移动信道的空间结构与时间相关性,具备去除大规模MIMO信道噪声的能力,能显著提高CSI压缩率与恢复质量。系统仿真结果表明,RM-Net可消除高速移动场景加性噪声的影响,学习并适应稀疏、双选衰落信道特征,在高压缩率与低信噪比条件下依然具有较好的性能表现,所提算法性能大幅优于其他基于压缩感知（CS）和深度学习（DL）的CSI反馈算法。