锚定式杆式抽油泵的研制与现场应用

应用杆式泵采油可以节省作业费用,提高油井生产时率。但是,受井况等因素制约,常规杆式泵存在锁紧装置不牢、密封段耐温能力差等缺点,带来泵体易脱出密封段、不能满足稠油蒸汽吞吐的需要等问题。通过对常规杆式泵结构进行改进,研制了锚定式杆式抽油泵。现场应用证明,该泵的锁紧、密封等结构设计合理、可靠,具有较高的推广应用价值。     

面向TD-LTE的PTN接入层演进策略研究

随着TD-LTE网络建设规模的加大,并且引入双频组网和载波聚合的技术,现有PTN接入层网络结构无法满足TD-LTE基站的回传需求.通过对PTN接入层网络现状以及TD-LTE业务发展需求的分析,对不同接入场景下的PTN接入层网络提出相应的方案,为LTE传送网接入层演进策略提供参考.     

概率距离在联机汉字识别中的应用

借助概率理论，将汉字信息看成随机事件，提出了概率距离的概念。概念距离依据事件的稳定性决定事件对识别距离的影响力，并以此为依据实现了在识别过程中的特征选择。经试验分析，有很好的效果，已将识别率提高了8个百分点。     

结合多特征的单幅图像超分辨率重建算法

为提高直接捕获的图像质量,针对梯度特征只能提取水平、垂直方向信息及非下采样轮廓波变换(NSCT)提取细节信息不足的缺陷,提出一种结合Gabor变换及NSCT的超分辨率重建算法.该算法充分利用Gabor变换和NSCT的互补性,针对输入图像块的特点,采用Gabor变换来提取纹理特征,NSCT来提取轮廓特征,然后分别利用稀疏模型进行重建,最后合并成一幅高分辨率图像.由于输入图像或多或少存在模糊,在重建过程中,加入了去模糊的正则项,以消除输入模糊的影响.实验结果表明,结合两种特征的超分辨率效果与单一特征相比,能够恢复更多的细节信息,去模糊正则项也有一定的作用.本文方法与Kim提出的核岭回归及Yang提出的稀疏表示算法(SCSR)相比,主观上视觉效果更加清晰,客观上PSNR值平均提高了近2d B,说明了该算法能够有效地提高图像的质量.     

基于负反馈和有源偏置的宽带低噪放设计

提出一种基于改进型负反馈电路的宽带低噪声放大器.放大器芯片采用0.25 μm GaAs pHEMT工艺设计和SiP技术封装.通过调节封装内芯片外围负反馈电路实现增益平坦度优化,将低噪放工作频带拓展至0.5~2.5 GHz,可有效覆盖GSM、TD-SCDMA、WCDMA、GPS等多个应用频段.片内的稳压及温度补偿有源偏置电路可对供电电压波动及环境温度变化进行有效补偿,以适应复杂工作环境.经测试,低噪声放大器的供电电压为3.3 V,功耗为40 mW,工作频率为0.5~2.5 GHz,带宽高达5个倍频程,带内增益约为14 dB,增益平坦度≤1 dB,噪声系数≤1.3 dB,输入输出回波损耗≤-10 dB,输入三阶交调点≥1 dBm,封装后尺寸为3 mm×3 mm×1 mm.     

利用量子比特间交换衰减实现无退纠缠的量子信息传输

在量子信息传输过程中,环境的作用会导致退相干与退纠缠。利用不同类型量子比特的优点,构成杂化量子比特系统是克服退相干效应,实现量子信息传输的一个有效方案。本文指出：将耦合量子比特之间信息交换过程中存在的能量损耗(量子比特间的交换衰减),与外部环境的退相干效应有机的结合起来,可以实现无退纠缠效应的量子信息传输。给出了实现无退纠缠效应信息传输,交换衰减率与退相干时间匹配的约束关系。     

全业务经营下的接入光缆演进方案研究

随着全业务运营的竞争,移动运营商已开始向全业务经营转型,在满足全业务发展的过程中,接入层光缆网络资源是否充足以及结构是否合理已成为重要因素。文章在全面分析了全业务经营各类型业务的接入光缆需求后,探讨研究了全业务经营下本地接入光缆网的演进方案及业务承载方式。     

基于小波和自适应滤波的ECG基线漂移校正

为校正ECG信号的基线漂移,提出小波变换和自适应滤波相结合的方法。利用小波变换对原始ECG信号进行分解,将得到的高频分量作为参考信号输入,采用基于幂函数的最小均方算法（P—LMS）进行自适应滤噪处理。通过与传统的归一化最小均方算法（NLMS）进行对比,验证该算法的准确性。仿真实验和MIT-BIH数据库中的实际数据检验结果表明,基于幂函数的最小均方算法和小波变换相结合的方法能够有效校正基线漂移,并较好地保持心电信号的几何特征。     

基于多区域的人体运动跟踪研究与应用

针对单区域跟踪快速运动人体易产生漂移的缺点,本文提出一种基于Kulman Filter预测的多区域跟踪的新算法.该算法利用Kalman Filter预测人体各区域,然后利用颜色直方图匹配算法精确定位人体各区域,最后加权计算人体最终位置.     

局部特征与多示例学习结合的超声图像分类方法

利用全局特征对超声图像进行描述具有一定的局限性,而且对图像进行手工标注的成本过高, 为解决上述问题,本文提出了一种利用局部特征描述超声图像,并结合多示例学习对超声图像进行分类的新方法. 粗略定位图像中的感兴趣区域 (Region of interest, ROI),并提取局部特征,将感兴趣区域看作由局部特征构成的示例包, 采用自组织映射(Self-organizing map, SOM)的方法对示例特征进行矢量量化,采用Bag of words方法将示例特征映射到示例包空间,进而采用传统的支持向量机对示例包进行分类.本文提出的方法在临床超声图像上进行了实验,实验结果表明,该方法具有良好的泛化能力和较高的准确性.