胜利油田GF84区块CCUS气窜封堵技术及其应用

胜利油田GF84区块为低渗透油藏,采出程度较低,CO_(2)驱是提高该区块采收率的有效措施之一。在前期开发中注采井之间已形成明显的气窜通道,现阶段亟需进行气窜封堵,提高CO_(2)驱波及系数,实现均衡驱替。通过分析GF84区块气窜特征与开发矛盾,将气窜类型划分为“裂缝型气窜”和“基质型气窜”,并制定了“裂缝封堵”和“基质调剖”的治理策略。在明确气窜特征的基础上,通过室内实验研发了硅盐树脂堵剂、CO_(2)气溶性发泡剂和高温冻胶堵剂,并形成了“硅盐树脂裂缝封堵+CO_(2)气溶性发泡剂、高温冻胶基质调剖”化学封堵分级调控技术。结果表明,该技术在GF84区块成功应用4口井,其中硅盐树脂裂缝封堵2口井,CO_(2)气溶性发泡剂基质调剖2口井,措施有效率100%,有效期在0.5 a以上。研究成果可为低渗透油田CO_(2)驱开发提供技术支撑。

基于特征值的动态数字信道化子带检测算法

动态数字信道化接收结构通过检测所有子带,判断信号是否存在,为综合滤波器组处理提供依据,因此子带检测在接收结构中起着关键作用。针对传统检测算法存在低信噪比(signal-to-noise ratio,SNR)下检测性能不高的问题,依据随机矩阵理论,提出了基于最大最小特征值之差与平均特征值之比的检测算法,利用平均特征值和最小特征值的极限分布规律来推导算法的检测门限。其次,根据所有子带数据获取的特征值信息对所提算法进行了优化。最后,在动态数字信道化接收结构中,分析不同因素下算法的性能,表明了所提算法能够克服低SNR的影响,子带检测的性能更好。

镍基单晶高温合金γ基体相通道研究

镍基单晶合金在高温下具备良好的力学性能,是航空航天及核能领域的关键材料。通过对铸态、力加载及热处理状态的变化研究了第三代镍基单晶高温合金DD10的γ基体相通道演化,并对铸态样品利用四圆中子衍射做了单晶性检测。结果表明,DD10在[200]、[020]、[002]晶面的单晶性能良好;经力加载和热处理后γ基体相通道有序性增加,通道宽度增加,且在力加载的γ基体相通道中析出二次沉淀强化相;900℃热处理后,γ基体相通道中的Co、Cr元素含量显著增加,在相同的竖直通道中Co元素含量一致;在相同的水平通道中Cr元素含量则保持一致;Mo、Re、W等微量元素经热处理后更多的从γ基体相通道中进入到沉淀强化相中。

融合卫星姿态的星地信道建模及硬件模拟

针对传统星地信道模型及其硬件模拟方法没有考虑卫星姿态对信道特性影响的问题,本文基于几何地理随机模型(Geometry-based Stochastic Model,GBSM)框架,提出了一种融合卫星姿态的星地信道模型。该模型通过构建四个独立的坐标系并引入姿态修正矩阵,来描述卫星姿态变化对星地信道特性造成的影响。在此基础上,本文基于现场可编程门阵列(Field Programmable Gate Array,FPGA),设计并研制了一种星地信道硬件模拟器。硬件模拟器采用差分迭代的算法来生成信道衰落因子,可以极大提高硬件模拟的实时性,确保生成的衰落数据与实际场景相匹配。同时,还采用了并行处理架构,可以支持最大640 MHz带宽的星地信道模拟。为了将衰落数据与并行架构相匹配,引入了并行内插算法,可以将串行的衰落数据内插成同速率的多路并行衰落数据。此外,为了能够精准控制硬件装置输出信号的功率,设计了基于预训练的功率校正方法。通过内部校正源信号预先训练出整个模拟过程给信号带来的增益再进行功率补偿,从而保证输出信号的功率可以被精准控制。最后,在典型场景下开展仿真模拟,导出硬件模拟器的输出结果并分析其统计特性,结果表明实测输出的概率密度函数(Probability Density Function,PDF)和多普勒功率谱密度(Doppler Power Spectral Density,DPSD)与理论值吻合,证明本文设计的硬件模拟器可以准确地复现实际场景下卫星姿态发生变化的星地信道。本文提出的融合卫星姿态的星地信道模型以及研制的硬件模拟器很好地解决了传统模型以及硬件模拟方法的局限性,在卫星通信系统的优化、评估和验证环节具有极大的潜在价值。

基于矩阵恢复的OFDM信道估计方法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)中至关重要的一项技术是信道估计,本文提出一种基于矩阵恢复的OFDM信道估计方法,将连续多个OFDM信号的频域信道构造成一个信道矩阵,由于这个信道矩阵是低秩的,所以可以将信道估计问题转换为信道矩阵的加权截断核范数最小化问题,并使用改进的奇异值阈值(Singular Value Thresholding,SVT)算法对信道矩阵进行恢复。仿真结果表明,本文提出的方法和传统信道估计算法相比,使用相同导频数可以获得更高的估计精度,在获得相同估计精度时,消耗导频数更少。与基于压缩感知的信道估计方法相比,本文方法消耗相同数量的导频,但可直接获得高精度的OFDM信道的频域估计。

基于肌肉协同的表面肌电通道选择方法

将不同肌肉对运动任务的贡献度作为最优通道选择的优化准则,提出了基于肌肉协同(Muscle Synergy,MS)的通道选择方法。首先对原始肌电信号进行预处理,提取时域特征,然后使用非负矩阵分解(Non-Negative Matrix Factorization,NMF)算法分别对每个手势动作提取肌肉协同矩阵并进行转换;再将每个手势动作在各个肌电通道上的肌肉权重系数进行求和,得到所有肌电通道的重要性系数;最后通过支持向量机(SupportVectorMachines,SVM)、随机森林(Random Forest,RF)、K近邻分类器(K-Nearest Neighbor,KNN)进行分类。采用Ninapro数据库中DB5子数据库记录的表面肌电信号对该方法进行测试,测试结果表明,提取10个最优通道时,与以往研究中提出的顺序前向选择(Sequential Forward Selection,SFS)、马尔可夫随机场(Markov Random Field,MRF)和Relief-F通道选择方法相比,本文方法确定的肌电信号子集获得的识别精度与MRF和Relief-F方法相近,比SFS方法略低,但计算成本比它们均低。

一种高频系统信道矩阵低复杂度估计方法

毫米波/太赫兹通信支持超大工作带宽和超高通信速率,是具备高应用潜力和影响因子的6G关键候选技术。提出了一种高频通信系统混合赋形架构下的信道矩阵估计方法,可有效估计信道信息,对上下行信道互易性无要求,且通过构造特殊权矢量矩阵,在估计信道矩阵时通过矩阵相乘运算来完成信道矩阵估计,避免了统计协方差矩阵求逆或特征分解运算,大幅度降低信道估计算法的计算复杂度和运算量。

应用于脑机接口系统的动态稀疏矩阵压缩算法

在脑机接口系统中,高通道数神经信号采集是一个核心功能模块,能够为外部计算机设备采集大量人脑中的神经信息;在高通道数神经信号采集中,因其原始数据量巨大,直接传输和处理产生的原始数据会消耗极大的功耗并增加硬件设计上的难度;为解决这个问题,一个有效的方法是在数据传输和处理前依据原始神经信号数据的特点对其进行压缩;神经元动作电位信号具有不应期性即有效信号的时域宽度与信号重复周期之比很小;利用此特点,能够将多通道神经信号的数字标记输出在一定时间范围内定义为一个稀疏矩阵,并对此稀疏矩阵进行特征提取,根据其特征动态地采用优化算法进行数据压缩;所提出的算法在Xilinx平台使用FPGA进行设计与实现,并且将其作为中控硬件在32通道神经信号采集硬件系统上通过实时验证,实验证明提出的动态稀疏矩阵压缩算法可实现83.4%的数据压缩率。

广播电视融媒体云平台内容生产系统的设计与实现

近年来,河北广播电视台融媒体云平台依托互联网的云服务,支撑传统电视内容的远程制作、新媒体内容生产,实现内容多渠道分发和多平台网络直播矩阵,通过融媒体云平台各模块智能协同,形成全媒布局矩阵发力的业态传播体系,全方位提升了河北广播电视台技术平台的融合水平。

航空电子设备数字化柔性调测产线设计与实现

航空电子设备具有小批量多品种、高度综合化、功能指标多、产品组成复杂的特点,其调测数字化、自动化和柔性化非常重要。针对航空电子设备生产调测产线数字化、自动化和柔性化需求,提出一种数字化柔性调测产线建设方法,包括产线设计思路、软硬件设计等,同时,着重介绍了通用适配器设计、多通道射频矩阵设计、全自动装夹适配台设计等主要技术。该产线已应用于多型航空电子设备的调测生产,生产效率高、自动化程度高,具备可柔性换产能力,并缩短了产品的调测交付周期,降低了调测生产成本。

短时傅里叶变换域最优非因果滤波器和滤波矩阵降噪算法

在现有短时傅里叶变换域单通道降噪算法考虑帧间相关性的基础上,为提高算法的灵活度以及滤波器的性能,提出了一系列最优非因果滤波器和滤波矩阵.具体地,通过引入非因果概念,设计出一组单通道非因果降噪滤波器,以实现同时利用过去帧和未来帧信息进行噪声抑制的目的.并在此基础上,推导出了一组最优单通道滤波矩阵,以降低算法的复杂度.将非因果滤波器以及滤波矩阵的思想相结合,进一步提出了一组单通道非因果滤波矩阵.随后,将所提算法扩展至多通道场景中,设计出了一组最优多通道非因果降噪滤波矩阵,以达到更好的降噪效果.最后,对所提算法进行了仿真实验.实验结果表明,与传统算法相比,本文提出的算法可有效改善带噪信号(输入信号)的信噪比,提升语音质量.

基于矢量网络分析仪的多通道测试系统的设计与实现

为解决多通道装备的测试问题,本文介绍了一种多通道测试系统的设计方法,通过采用矢量网络分析仪及开关矩阵组合,利用软件控制测试系统并设计误差模型,快速完成了多通道装备的参数测试,提高了测试精度及测试效率。

一种基于联合加权和截断的毫米波大规模MIMO信道估计

提出一种联合加权和截断核范数的毫米波大规模多输入多输出(MIMO)信道估计算法。针对毫米波大规模MIMO信道估计问题中训练和反馈开销大的问题,首先利用毫米波信道天线角度域稀疏的特性,把信道估计问题转化为低秩矩阵恢复问题。采用一种有效而灵活的秩函数——联合加权截断核范数作为核范数的松弛,构造出一种新的矩阵恢复模型用于信道估计问题,以最小化加权截断核范数为优化目标,并利用交替优化框架求解。仿真结果表明,该方法可以有效地提高信道估计的精度,并且具有可靠的收敛性。

基于ADBF的多通道SAR抗干扰样本选择方法

针对多通道SAR抗干扰问题,可以利用空域自由度通过自适应波束形成技术达到增强期望信号、抑制干扰的目的。在波束形成过程中,计算各阵元的最优权矢量时,需要通过选取干扰和噪声的数据样本估算干扰加噪声协方差矩阵。若选择的数据样本中掺杂目标信号,则目标信号将会被误判为干扰并被抑制。针对多通道SAR抗干扰过程中需要注意的样本选择问题,通过消除方位向频域中主杂波宽度内的目标分量,得到干扰加噪声数据样本,继而计算协方差矩阵,并进行波束形成。通过实测数据成像结果及干噪比和信噪比指标验证了提出的自适应样本选择方法的有效性。与直接样本选择方法相比,自适应样本选择方法在信噪比上提高了近8 dB,干噪比下降了近6 dB,说明了该方法有效地保留了目标信号,抑制了干扰信号。

基于SLNR与矢量扰动的毫米波大规模MIMO双层混合预编码算法

在多用户毫米波大规模多入多出(Multiple Input Multiple Output,MIMO)系统中,针对现有基于信漏噪比(Signal-to-Leakage-plus-Noise Ratio,SLNR)准则的混合预编码算法未考虑用户信道质量不同和信道矩阵具有病态性的问题,本文提出了一种联合SLNR与矢量扰动(Vector Perturbation,VP)的双层混合预编码算法.该算法分两层设计预编码矩阵.第一层,考虑用户信道质量不同,提出了基于SLNR准则的匹配加权算法.该算法充分考虑信道系数、预编码矢量和组合矢量的影响设计信道加权因子,利用加权因子对SLNR算法进行改进,从而设计更优的混合预编码器,消除用户间干扰.第二层,根据第一层获取到的等效基带信道,利用迫零(Zero Force,ZF)消除用户天线间干扰.考虑到信道矩阵具有病态性,采用VP算法进一步处理.通过在发射信号上添加扰动矢量减小发射端功率增强的影响.仿真结果表明,相较于同类混合预编码算法,所提算法可以获取更好的误码率(Bit Error Rate,BER)性能和频谱效率.

VLC-LDPC系统校验矩阵的研究与实现

可见光信道的噪声来源比较复杂,极大地影响信道中LDPC码的抗干扰性能,因此,根据可见光信道的典型特征,选择适合的LDPC编码是十分必要的。根据VLC-LDPC系统的特点,提出了一种选择构造LD-PC校验矩阵的方法,通过对校验矩阵的稳定性和稀疏度进行量化计算和对比,构造在可见光条件下,抗干扰性最强的LDPC编码,并搭建了基于FPGA的VLC-LDPC硬件测试系统。仿真和实测结果都表明,用设计的方法选取的校验矩阵构造的LDPC码在VLC通信系统中抗干扰能力更强,误码率可以达到10-6 dB,此外,还研究了码长、码率和迭代次数对VLC-LDPC系统的影响。本研究对于有效降低VLC-LDPC系统的误码率,提高通信效率,可以起到良好的辅助作用。

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。

多通道Laplacian矩阵融合的超图直推学习模型

超图直推学习模型是机器学习领域研究热点.超图模型的性能取决于构造的超图结构及其Laplacian矩阵的质量.现有超图模型基于单一超图结构,信息表达能力有限.本文提出超图结构扩张法,将异构超图的关联矩阵和权重矩阵拼接,融合更多的顶点间全局高阶信息,增加Markov随机游走的扩散范围.但这会导致矩阵维度高,计算开销大.因此进一步提出多通道Laplacian矩阵融合法,用多个通道计算异构超图结构各自的Laplacian矩阵,再加权累加.在4个数据集上的实验表明,两种方法都能提高超图直推学习模型的分类性能,且Laplacian矩阵融合法比结构扩张法平均节约40%左右时间成本,F1指标最高提升8.4%.

注意力机制CNN结合肌电特征矩阵的手势识别研究

当前基于卷积神经网络(CNN)的手势识别研究集中于增加网络深度,较少关注改善样本数据分布带来的性能提升。针对此类问题,提出一种量化表面肌电信号(sEMG)特征相关性的肌电特征矩阵(EFM)样本输入有效通道注意力(ECA)机制CNN,用于识别NinaproDB1中52类手势。首先使用时间窗截取低通滤波后的sEMG,计算多种信号时域特征;然后利用笛卡尔积组合并相乘不同特征,对特征相乘值进行归一化后得到EFM。同时,引入ECA机制使网络关注重要的深层特征,从而提升手势分类效果。分别输入sEMG、肌电时域特征和EFM到注意力机制CNN进行手势识别,EFM识别准确率最高,达到了86.39%,高于近年来手势识别研究方法精度。验证了提出方法的有效性,为多类别手势准确分类提供可行新方案。

纤维化疾病中的机械敏感性离子通道Piezo1

Piezo1是哺乳动物中新发现的一种机械敏感(mechanosensitive,MS)离子通道,在不同组织和器官中发挥着重要功能,包括骨骼、泌尿道、眼球和动脉等。然而,异常的Piezo1机械传导会造成多种疾病的发生并促进病程的发展。纤维化疾病几乎可以发生在任何一个组织和器官中,其主要特征是胶原蛋白和其他细胞外基质(extracellular matrix,ECM)成分的过度交联与累积,最终导致组织器官刚度增加,生理功能受到影响。目前,越来越多的研究表明,Piezo1在纤维化疾病的发生和发展中扮演着重要的调控作用,与其基质力学状态变化有着密切联系。本文叙述了Piezo1的结构和激活机理,并且系统地总结了Piezo1在心、肾、胰和肝等多种器官纤维化疾病中的研究进展,以期为纤维化疾病的治疗提供新的视角和策略。