基于连续量子级联激光器的1103.4cm–1处NH3混叠吸收光谱特性研究

由于NH3在大气气溶胶化学中具有重要作用,所以快速和精确反演NH3浓度对环境问题非常重要.本文以9.05μm的室温连续量子级联激光器(quantum cascade laser,QCL)作为光源,采用波长扫描直接吸收可调谐二极管激光吸收光谱(tunable diode laser absorption spectroscopy,TDLAS)技术,研究了QCL在1103.4 cm–1的光谱特性,获得了激光器控制的温度电流与波长的关系.设计了QCL二级温控的低压实验平台,测量氨气在1103.4 cm–1处的6条混叠吸收线,在降低压强的情况下谱线展宽变小,使混叠光谱分离,由此计算各条吸收线的线强,进一步对测量不确定度进行分析.针对混叠严重的光谱提出了低压分离单光谱精确反演气体浓度的方法,并进行了实验验证.通过与HITRAN数据库进行结果对比,得出氨气在1103.4 cm–1的实验测量线强值与数据库偏差为2.71%-4.71%,实验测量线强值的不确定度在2.42%-8.92%,极低压条件下反演浓度与实际值的偏差在1%-3%.     

一种自适应层进式Savitzky‐Golay光谱滤波算法及其应用

可调谐半导体激光吸收光谱技术（TDLAS）利用半导体激光器的可调谐和窄线宽特性,通过选择特定气体的单条吸收线,排除其余气体的干扰,可以实现高精度、高选择性的气体浓度测量,在气体浓度检测系统中具有广泛的应用前景。在不同的应用条件和环境下,需要解决相应的硬件和数据处理方面的技术问题。主要研究TDLAS技术机动车尾气CO组分浓度遥测系统中的光谱数据处理问题,该系统利用路面漫反射回波信号遥测行驶中的机动车尾气CO组分浓度。由于激光扫描光谱回波信号受到漫反射面情况变化、空气环境变化、尾气湍流影响等因素影响,探测器收集到的信号不仅较弱同时也夹杂着多种噪声, 即测量光路信噪比较差, 故提出一种自适应层进式Savitzky-Golay(S-G)平滑滤波算法,实现了对光谱进行滤波处理从而更加准确地反演CO浓度。S-G滤波算法因其原理简单、功能强大、只需设置两个参数（窗口大小、拟合阶数）等优点,已广泛应用于光谱处理。如何正确设置S-G算法参数使滤波效果在去噪不足和过度滤波之间找到平衡点,是该滤波算法应用的一大难题。设计的检测系统中,测量光路光谱信号为非平稳信号,噪声和有效信号幅度时变,最佳窗口大小和多项式阶数随信号动态而变化,且变化区间较大,使用固定参数的S-G滤波器难以达到最佳效果。提出的自适应层进式S-G平滑滤波算法,通过逐层将测量光路光谱信号经过S-G滤波后,与参考光路的光谱信号设置的参考段比对信号相关系数和信号一阶导相关系数的和,以自适应得到逐层最优参数。通过对信噪比从9.81～29.77的10组不同带噪光谱分析验证了该算法的有效性,自适应层进式S-G算法能较好地去除噪声并还原带噪信号所携带的待测气体浓度信息,与带噪光谱对比,吸收光谱峰值最大误差由25.152%降至5.917%,积分吸光度最大误差由18.1%降至3.9%。在实现的系统中,使用自适应层进式S-G算法对测量光路进行滤波处理,并对不同车型、不同排量、燃烧不同油品的机动车在怠速和缓速通过(5 km·h-1)系统时其排放的CO浓度进行实时在线监测。     

偶极子声源在径向厚度有限的模拟地层井孔中激发的声场

利用实轴积分法对偶极子声源在径向厚度有限的模拟地层井孔中激发的声场进行了数值模拟,考察了不同声源、源距、模拟地层半径和最外层吸声介质对井内声场的影响。数值计算结果表明:对于偶极子声源,如果模拟地层为声速较低的泥岩,无论最外层吸声介质为流体还是固体,在源距为3.0～4.064 m时,模拟地层半径为1.2 m就能保证刻度井中的"初至波"不受模拟地层外边界的影响;若要使声波全波列的主要部分不受该界面的影响,则模拟地层的半径需要更大;如果模拟地层为声速很高的白云岩,最外层吸声材料宜使用声阻抗合适的固体介质,即使这样,模拟地层半径还需达到2.6 m。这些结果可为模块地层声速刻度井的构建提供理论参考。     

基于深度学习的自闭症谱系障碍fMRI数据分类研究

与健康儿童对照相比,自闭症谱系障碍（ASD）患者的脑结构和功能存在显著异常,因此文中采用脑影像的方法实现ASD的辅助诊断。由于基于传统的脑图谱构建脑网络节点依赖于人为的先验知识和假设,因此将由受试者的数据通过数据驱动的方法即独立成分分析（ICA）进行全脑独立成分（ICs）分析,并将提取的ICs作为感兴趣区域（ROI）提取时间序列,随后用计算得到的相关性矩阵构建脑网络并通过Node2vec方法将脑网络的节点向量化以生成节点特征,最后通过图卷积网络（GCN）刻画脑网络连接水平状态,并通过多层感知机（MLP）实现对ASD的识别。所用方法 ICA+GCN在79名ASD患者和105名典型对照组中取得了86.1%的分类精度。综上,文中所用方法有望用于ASD辅助诊断。     

浅谈智能变电站母差刀闸位置指示装置研究与应用

本文提出了一种母差位置指示装置和母差位置指示系统,用于解决传统的通过电气回路连接的刀闸位置指示装置不适用于现有的通过光信号进行信息传递的智能变电站,而通过监控后台、高压场地的智能终端面板查看线路母线侧刀闸位置的方式,存在因光纤回路异常和通讯中断等原因,造成刀闸位置不对应的风险的技术问题。     

基于fNIRS的恐惧情绪分级研究

功能性近红外光谱技术（fNIRS）能够实现对恐惧情绪的分级。文中设计情绪诱发范式,并对恐惧程度进行分级,将恐惧水平分为三级（无恐惧、弱恐惧和强恐惧）。其次,采集20位受试者在三种情绪诱发视频下的fNIRS实验数据,采用支持向量机（SVM）、K近邻算法（KNN）和随机森林（RF）等三种算法作为分类器,提取fNIRS领域常用统计学特征和熵特征进行比较研究。结果表明,常用统计学特征最高准确率达到84%,而通过集合经验模态分解（EEMD）分解的模糊熵（FuEn）特征最终获得的准确率高达93.98%。研究结果表明,通过EEMD分解的FuEn是一种相较于常用统计学特征更加优秀的恐惧情绪分级特征,可为后续其他情绪的分级奠定基础。     

45分钟进入离散傅立叶变换

离散傅立叶变换在数字信号处理课程中非常重要,也非常难,在讲解离散傅立叶变换的公式和性质之前,应先让学生理解离散傅立叶变换的物理意义以及与其他三种傅立叶变换的联系,本文采用3W1H的叙述方式让学生对离散傅立叶变换产生学习兴趣。     

智能变电站新型母差刀闸位置指示装置研究

目前智能变电站中所用的母线保护装置尚未有刀闸位置指示功能,运维人员在日常巡视、操作时无法得知母线保护中线路母线侧刀闸的实际位置。针对这一问题,本文提出一种智能变电站新型母差刀闸位置指示装置,用于给运维人员在操作过程中及时、直观地获取母差保护中线路间隔母线侧刀闸位置。该装置集合一套母线保护装置中对应母线上的多条线路母线侧刀闸位置指示,具备刀闸变位情况和变位时间记录、刀闸位置异常告警功能,解决了母线保护装置无直观刀闸位置指示、不便于作业人员确认刀闸位置、存在造成母差保护误动风险的问题,排除了电力系统安全隐患,提高供电可靠性。