基于卷积神经网络学习的盲突发通信信号检测方法

为了解决工程应用中传统数字信号处理方法对于低信噪比条件下盲突发通信信号检测存在检测正确率低和虚警率高的问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)的突发通信信号检测方法。该方法将传统数字信号处理提取检测特征与CNN深度学习结合,提高了低信噪比条件下突发通信信号检测的正确率,降低了虚警率。对比实验表明,对于QPSK突发通信信号,该方法比多分辨分析数字信号处理方法性能提高大约4 dB,比自适应门限能量数字信号检测处理方法性能提高大约8 dB。     

分散溶剂对PEMFC催化层中超薄Nafion离聚物质子传导的影响

质子交换膜燃料电池(PEMFC)商业化应用的瓶颈仍然是贵金属催化剂导致的成本问题。然而,目前对于催化层中纳米尺度全氟磺酸离聚物(以Nafion为代表)薄膜中质子传导的问题研究不足,无法完善三相界面的成型规律,进而指导催化层设计。在催化层浆料制备过程中,分散溶剂对Nafion的分散形态有直接影响,可能对催化层成型后附着在催化剂颗粒表面Nafion薄膜的微观结构有潜在影响,进而影响Nafion薄膜的质子传导能力。因此,在本文中利用分子自组装技术模拟催化层离聚物薄膜的聚集过程,于模型基底上制备厚度精确可控的纳米尺度Nafion薄膜,并通过微观测试表征技术探索并建立纳米尺度Nafion离聚物的微观结构模型,阐明分散溶剂对Nafion薄膜微观结构及质子传导的影响。研究发现Nafion薄膜在纳米尺度下的质子电导率比体相膜的质子电导率低一个数量级,使用介电常数较小的醇类溶剂可以使Nafion薄膜形成更有利于质子传导的微观结构,使Nafion薄膜的质子电导率得到提高。相关研究结果为优化PEMFC催化层结构,改善PEMFC催化层中质子传导问题提供给了依据。     

氧化铝微球色谱固定相的研究 Ⅲ.氧化铝微球结构和表面性质对气相色谱分离性能的影响

本文研究了氧化铝微球结构和表面性质对气相色谱分离性能的影响。实验表明,α-—水氧化铝微球在420℃基本转变为γ-氧化铝微球。改变热处理温度可以改变该微球的比表面。γ-氧化铝微球表面酸主要是路易斯酸,其酸度可用涂渍Apie-zon L 的方法予以降低。用2米0.3% Apeiezon L 改性γ-氧化铝微球柱,在85℃柱温下可使C_1—C_415个烃类组分全部分离,柱效率可达每米理论板数3000。     

基于时频图像的无人机信号检测识别算法研究

准确地检测和识别无线电信号有利于更加有效地利用无线电频谱资源.此外,对于电子对抗领域,信号检测和识别是信号侦察和分析的重要步骤.针对于无人机信号检测识别问题,文中提出了一种基于时频图像的信号检测识别方法,主要借助图像处理技术和卷积神经网络模型实现,最终得到信号的中心频率、带宽、出现时间、持续时间、类型、置信度信息.实验...