温跃层边界提取的组合算法*

本文提出一种用于海洋温跃层边界提取的组合算法,该算法基于调整判定阈值后的垂直梯度法和一种改进函数模型几何形态后的拟阶梯函数逼近法。为验证该算法对于温跃层边界提取的适应性、客观性,利用中国Argo实时资料中心发布的全球海洋Argo网格资料集（BOA_Argo）,选取2018年夏季0°~30°N,135°E~165°E所在的太平洋区域的温度剖面数据进行处理,结果表明,该算法对低纬度海区温度剖面拟合质量较好,拟合均方根误差普遍低于1.3℃,而且提取到的温跃层上下边界在纬向更加平缓,然而对于中高纬度海区的温度剖面,组合算法的处理效果不佳,更适合直接通过垂直梯度法进行温跃层的提取。     

一致连续的伪单调变分不等式问题的外梯度投影算法

考虑了经典变分不等式问题的外梯度投影算法.基于Fan和Qin提出的带惯性项的外梯度投影算法,在映射是伪单调和一致连续的假设下,证明了算法弱收敛到变分不等式问题的解.同时,数值实验验证了算法的适用性.所得结果改进和推广了最新文献中主要结果.     

沿板平面材料梯度变化功能材料板件分析

本文发展一种功能梯度构件分析的细观元法.细观元法在构件的常规有限元内部设置密集观细单元以反映材料特性变化,又通过协调条件将各细观元结点自由度转换为同一常规有限元自由度,再上机计算.这种细观元法既能充分反映材料功能梯度沿各方向任意变化特性;而其计算单元又和常规有限元一样,是一种针对功能梯度结构分析的有效数值方法.现有功能梯度板件分析中无论对不同形状还是不同边界的功能梯度构件,其材料特性均沿板厚度方向梯度变化,本文用细观元法进行计算与分析,给出了目前尚未得到的沿板平面方向功能梯度变化构件的力学量三维分布形态.     

梯度半空间梯度覆层中的Love波

对功能梯度弹性半空间上覆盖一层功能梯度材料中的Love波的频散问题进行了研究,给出 了Love波频散方程的一般形式. 对功能梯度弹性半空间和功能梯度覆层的反平面剪切波的运 动控制方程进行了求解,给出了半空间和覆盖层的位移、应力解析解,给出了Love波在该解析 解下的频散方程. 以覆盖层的剪切弹性模量和质量密度均呈指数函数变化,半空间的剪切弹 性模量和质量密度均呈抛物线变化为例,利用迭代方法对频散方程进行了求解,给出了频散 曲线. 结果显示：在最低阶振型频散曲线中出现截止频率.     

塑料光纤及其在FTTH中的应用

简要介绍了塑料光纤(POF)的发展,分析了传输损耗、色散、热性能等重要性能,并简要地描述了其在FTTH中的应用.     

基于局部统计和高斯分布拟合的图像分割方法

为解决灰度不均匀图像的分割问题,提出一种基于局部统计和高斯分布拟合的活动轮廓模型图像分割方法。首先,利用局部统计活动轮廓模型(locally statistical active contour model, LSACM)定义联合偏移场和极大似然函数;然后,引入局部高斯分布拟合能量(local gaussian distribution fitting energy, LGDF)模型中的高斯函数;同时,将二者线性组合构造基于局部统计和高斯分布拟合的活动轮廓模型;最后,利用变分法和最速下降法即可得到偏微分演化方程。实验结果表明,所提算法能够准确分割噪声和灰度不均匀图像,而且对自然图像也有一定的分割能力。     

光梯度力与激光捕获

从电偶极子在非均匀电磁场中所受梯度力出发,用光的电磁理论和电解质小球的电偶极子模型,论述了介质小球在光场中所受光梯度力与光强梯度成正比,并以此来定量说明激光对介质小球的捕获原理.     

高效液相梯度洗脱法测定杏香兔耳风中绿原酸和芦丁

建立了反相高效液相色谱法同时测定不同来源的杏香兔耳风中的绿原酸和芦丁。采用Kromasil C18柱(4.6 mm i.d.×250 mm,5μm),以甲醇-0.5%H3PO4的水溶液为流动相,梯度洗脱程序为0 min(30∶70)-15 min(30∶70)-20min(50∶50)-40 min(50∶50);流速0.8 mL/min;检测波长350 nm;柱温25℃;光电二极管阵列检测器(PAD)。绿原酸线性范围为0.654~5.886μg,r=0.9997,样品的平均加标回收率为98.6%,RSD 1.7%;芦丁线性范围为0.218~1.962μg,r=0.9993,样品的平均加标回收率为97.1%,RSD 2.3%。本法可作为杏香兔耳风中绿原酸和芦丁的定量分析方法。     

空心高斯光束在梯度折射率介质中的传输特性

利用柯林斯公式推导出空心高斯光束在梯度折射率介质中的传输公式,并利用此解析式进行数值计算和分析,讨论了梯度折射率介质对空心高斯光束传输特性的影响。结果表明,介质梯度折射率对空心高斯光束的传输性质有较大影响。     

基于预处理共轭梯度法的低复杂度信号检测算法

大规模多输入多输出系统中,最小均方误差信号检测算法是近似最优的,但由于其涉及矩阵求逆,计算复杂度随着天线数量增加呈指数增长.提出了低复杂度的预处理共轭梯度信号检测算法,该算法通过预处理技术降低矩阵条件数,从而加快共轭梯度信号检测算法的收敛速度.仿真结果显示,该算法在小数量的迭代中能够达到和最小均方误差检测算法相似的误码率,算法复杂度下降了一个数量级.相比直接用共轭梯度法,能够更快收敛到最佳值.