载波相位对超短脉冲时间重心的影响

以Gauss、HyperbolicSecant、Lorentz三种脉冲为例,利用理论推导和数值模拟的方法研究了载波相位对超短脉冲时间重心的影响,并给出了三种脉冲的时间重心与载波相位的解析表达式和数值模拟的图形·研究结果表明:当脉冲包络的宽度短于一个光学振荡周期时,载波相位对超短脉冲的时间重心开始有较显著的影响·

几周期余弦-高斯激光脉冲的时间重心

研究了几周期超短余弦-高斯脉冲的时间重心与绝对相位以及与余弦函数参量之间的关系.给出了几周期超短余弦-高斯脉冲时间重心的解析表达式和模拟图形.结果表明,余弦-高斯脉冲的时间重心随着绝对相位的变化而发生漂移,并且脉冲宽度对余弦-高斯脉冲时间重心的漂移量也有一定的影响.余弦函数的参量在一定取值范围内对余弦-高斯脉冲也有较大的影响,它可能导致几周期余弦-高斯脉冲的时间重心有较大的漂移.

基于重心平均动态时间规整算法的有载分接开关机械故障诊断

有载分接开关(on-load tap changer,OLTC)是电力变压器中故障频率较高的部件之一,为了实现有载分接开关的故障诊断,提出了一种基于重心平均动态时间规整算法的故障诊断方法。针对OLTC振动信号的非线性与强时变性,提出自适应变分模态分解算法,计算OLTC振动信号的时频特征矩阵。进一步地,引入重心平均动态时间规整算法,自适应地计算OLTC振动信号时频特征矩阵之间的差异度,从而实现OLTC的故障诊断。研究结果表明,利用重心平均动态时间规整算法能够通过计算多组信号的重心平均序列提高故障诊断的鲁棒性。同时,基于所计算的差异度,不仅能够实现OLTC故障的有效诊断,还能在一定程度上定量表征故障的严重程度。该研究能够为OLTC的故障诊断提供新的思路。

基于主动重心的青年高血压患者心肺运动时序数据增强

精准医疗的逐步兴起,如挖掘青年高血压患者的心肺运动时序数据,可以了解不同个体对有氧运动训练的响应性,有助于提高患者高血压管理计划的制定效率,更有效地实现有氧运动干预的治疗。开展该研究的瓶颈之一在于难以获取充足的样本数据。为了解决获取数据难度大、成本高等问题,利用加权动态时间规整重心平均算法来进行时间序列数据增强,重点针对重心选择和权重分配进行了研究。针对重心选择问题,首次引入了主动重心的概念,提出了代表性重心与多样性重心选择策略,改善了数据增强的效果。此外,针对现有权重分配策略的不足,提出了随机权重距离递减分配策略,避免了合成重复样本,进一步提升了模型的泛化能力。实验结果表明,在该研究背景下同时考虑重心选择与权重分配进行数据增强,可以进一步提升青年高血压患者有氧运动干预疗效预测的准确性。

基于星载激光测高仪多模式回波的激光测距修正值分析

星载激光测高仪多模式回波是由多个目标产生的子脉冲组合而成。根据多模式目标的空间分布特点,采用倾斜角、区域面积、中心位置和高度等参数实现其子目标的几何化建模,结合目标响应函数的基本定义,利用线积分的方式构建了子目标响应函数的表达形式。同时,基于一阶矩理论推导出子目标激光测距真值及其修正值的数学模型。以星载激光测高仪GLAS系统参数为输入,利用数值分析的方法,模拟出子目标倾斜角、面积和位置对接收脉冲回波形态和激光测距修正值的影响。结果表明,随着子目标倾斜角、区域面积和子目标偏离光斑中心距离的增加,激光测距修正值也逐渐增大。针对平坦目标、缓坡目标和陡坡目标,其激光测距修正值分别达到1.33 m、4.98 m和12.07 m,其影响程度非常大。基于激光测距修正值的分布规律,以子目标倾斜角、面积和中心偏距为变量,采用线性函数描述了激光测距修正值的理论表达形式,所得结论对于提升多模式激光测距值的测量精度具有重要的指导作用。

载波相位对超短正弦高斯脉冲的影响(英文)

在时间域中研究了载波相位对超短正弦高斯脉冲的影响.给出了超短正弦高斯脉冲的脉冲能量和时间重心的解析表达式和数值模拟结果.结果表明载波相位和正弦函数的参数对超短正弦高斯脉冲的脉冲能量和时间重心有很大的影响.当载波相位等于nπ和{2n+1} π/2时,超短正弦高斯脉冲的脉冲能量分别达到最小和最大值;当载波相位等于{2n+1} π/4时,载波相位对超短正弦高斯脉冲的脉冲能量没有影响.当载波相位等于{4n+3} π/4和{4n+1}π/4时,超短正弦高斯脉冲的时间重心分别达到最小和最大值;当载波相位等于nπ/2时,超短正弦高斯脉冲的时间重心不发生变化.

改进DBA算法的眼动模式分析

随着眼动追踪技术的进步和设备成本的降低,眼动追踪技术已广泛应用于智能教育领域,分析眼动数据以评估学习状态成为智能教育中一个十分重要的环节。眼动扫描路径可以直接或间接地反映思维模式及心理状态的变化,通过分析扫描路径探索学习者眼动行为的共性和差异性,为改善视觉内容和给出指导性意见提供重要参考。首先研究在同一任务情况下学习者扫描路径的时间序列表示和聚类,通过聚类结果评估专注、走神及信息迷航等三种学习状态。进而对重心平均动态时间规整(DTW barycenter averaging,DBA)算法进行改进,并用于提取群体眼动模式,结合动态时间规整(dynamic time warping,DTW)算法计算扫描路径的相似度和确定聚类种子,采用距离密度聚类(distance density clustering,DDC)算法进行聚类。实验表明,基于时间序列的眼动模式挖掘能够识别群体观看行为。而聚类揭示了不同的阅读策略,并提供了评估学习状态的能力。

Brittleness Analysis and Important Nodes Discovery in Large Time-Evolving Complex Networks

The brittleness analysis and important nodes detection have been a hot spot in the complex networks.How to get the overall feature of the whole network and how to find out some important nodes are requisites to solve these problems. In this paper, we adopt the trace of the adjacency matrix and the centrality of the complex networks to give a quantitative and qualitative analysis of networks being studied. Results show that the k-shell plays a more important role than the degree centrality and the betweenness in finding important nodes, and it can also be used to give direction on the immunization and maintenance of complex networks.