基于完全互补码波形的非零多普勒目标检测

本文将完全互补码(Complete Complementary Code, CCC)应用于多输入多输出(Multiple Input Multiple Output, MIMO)雷达目标探测中，针对具有非零多普勒的多目标检测问题，提出一种基于广义普洛黑-修-莫尔斯(Generalized Prouhet-Thue-Morse, GPTM)序列和二项式系数加权的信号处理方法。该方法分别在发射端和接收端进行处理，在发射端采用GPTM序列设计方法调整脉冲的发射顺序，以降低由多普勒引起的距离旁瓣；在接收端通过二项式设计(Binomial Design, BD)方法为各接收脉冲加上不同权重，扩大目标多普勒附近的清洁区。为综合上述两次处理的优势，将两次处理得到的距离多普勒谱进行逐点最小化处理，得到最终的距离多普勒谱，然后进行有序恒虚警检测。仿真结果表明，本文所提的信号处理方法具有良好的旁瓣抑制效果和多普勒分辨率，能够有效检测出非零多普勒目标。     

基于分形理论的黄河内蒙古段河势演变特征及其与凌汛灾害关联研究

寒区河道凌汛灾害河势“弯道效应”的量化评估十分重要。基于分形理论提出河道横断面-纵剖面-平面多维度河势分形维数计算方法及其物理机制，并探讨黄河内蒙古段不同维度河势演变分形特征及其与凌汛灾害的关联关系。结果表明，黄河内蒙古段不同维度河势均具有多尺度自相似分形特征，且具有多年记忆周期的长程相关性；冰坝（严重性冰塞）发生频次与河道主槽弯曲分形维数呈正相关指数型函数关系，与河相系数、深泓点高程和河段平均底坡分形维数负相关，与水深-面积分形维数正相关，总体表明冰坝灾害更易发生于主槽偏移摆动大、蜿蜒曲折、河湾发育程度高的宽浅型弯曲河道，研究成果可为凌汛期冰塞冰坝灾害易发河段诊断及预测提供重要理论依据。     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证.实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72％,精度达到99.53％,灵敏度达到100.00％,同时F1-Score达到99.76.该算法比其他现有算法准确率提高至少1％,该项研究具有非常重要的临床应用价值.     

磨料有序排布电镀砂轮的制备及其把持力研究

为解决电镀砂轮磨削加工中容屑空间不足的问题，采用点胶微粘接的方法制备了磨料有序排布的电镀砂轮，分析了磨料粘接效果和镀层力学性能。通过SEM分析了磨料/镀层/导电胶的结合界面，并进行了干磨削试验。研究结果表明，直径约为磨料粒径40%的胶点可粘接住磨料，单个胶点上粘接多颗磨料的占比小于6%；双脉冲电镀工艺制备的镀层显微硬度大于500HV，表层残余应力小于100MPa，磨料/镀层/导电胶之间的界面贴合紧密，无明显缺陷；砂轮在磨削时没有出现磨料脱落现象。     

速凝橡胶沥青与高分子自粘胶膜复合防水体系在地铁工程中的应用

速凝橡胶沥青材料与高分子自粘胶膜复合防水体系是一种新的地铁防水体系,该体系对喷射混凝土基层的开裂与变形有较好的适应能力,当复合防水体系损坏后具有自愈能力,可为地铁工程的耐久性提供保障.该体系用于北京地铁某车站工程中,使防水体系与混凝土结构形成了高效的"皮肤式"粘结效果.     

基于ERNIE-BiGRU模型的摘要语步自动识别研究

学术文献的摘要是对文献主要内容的浓缩,摘要不同部分的语步具有不同的信息,语步的自动识别和抽取对于学术摘要的后续研究有着重要的应用价值,而目前语步识别的研究相对较少,并且相关算法的效果还需要提高。针对上述问题,该文提出了一种基于ERNIE-BiGRU模型的语步识别算法。该算法首先结合中文句法分析理论提出基于句法依存关系的多语步结构拆分法,对学术文献摘要多语步结构进行自动拆分,获得多个单语步结构;然后构建用于训练的单语步结构语料库,并利用知识增强语义表示预训练模型,训练出句子级词向量;最后将训练出的单语步结构词向量信息输入双向门限循环单元(BiGRU)进行摘要语步自动化识别,取得了良好的效果。实验结果表明,该算法具有较好的鲁棒性和较高的识别精度,在结构化和非结构化摘要上的识别准确率分别达到了96.57%和93.75%。