基于长江口泥质沉积区ZK6孔沉积物的沉积地球化学分析和汇总文献数据,综合评估长江口沉积物中4种重金属(Cu、Pb、Zn、Cr)年代际到千年尺度上的累积特征及影响因素.结果显示,富集因子(enrichment factor,EF)和地累积指数法评价结果表明全孔的重金属危害系数较低;千年尺度上(1500aBP至今),重金属含量主要受控于流域自然背景值变化,其中Cu和Pb含量自底部至顶部先降后升,Zn、Cr则持续降低;1899年前,主要识别出唐、宋两个历史时期,这段时期内社会经济繁荣,人类活动较强,重金属的富集程度受到一定影响而波动变化;1899年后,受工业化发展的影响,重金属富集程度大幅上升;百年尺度上,重金属富集程度与我国经济发展阶段显著相关,1950年前累积程度较低,1950——1990年随工业化快速发展而重金属累积加剧,1990年后因环保政策部分元素含量下降;年代际尺度上(2003——2019年),受国家相关政策调控,2010年后长江口沉积物中Pb和Cr元素累积趋于平稳,Cu排放得到有效控制,但Zn的持续升高仍需引起重视.本研究揭示了长江口重金属时空演变的自然与人为驱动机制,为河口环境管理和治理提供了科学依据.

探究RNA结合蛋白(RNA binding protein,RBP)肉瘤融合(fused in sarcoma,FUS)蛋白调控circ-ZNF609(circBase ID:mmu_circ_0001797)减轻由心肌缺血/再灌注损伤(ischemia/reperfusion injury,I/RI)导致的心肌细胞凋亡.基于生物信息学分析发现,FUS是circ-ZNF609两翼反向互补序列结合的潜在剪接因子.构建I/RI动物模型和氧糖剥夺/恢复(oxygen-glucose deprivation/recovery,OGD/R)细胞模型,通过末端脱氧核苷酸转移酶介导的dUTP缺口末端标记(terminal deoxynucleotidyl transferase-mediated dUTP nick endlabeling,TUNEL)法染色、实时定量逆转录多聚酶链反应(quantitativereverse transcription polymerase chain reaction,qRT-PCR)等方法证明了FUS能调控心肌细胞circ-ZNF609的生物生成,抑制FUS对OGD/R诱导的心肌细胞凋亡的保护作用被circ-ZNF609过表达所逆转.因此,抑制FUS是对抗心肌缺血再灌注损伤病理过程的一种有前景的治疗策略.

利用图像语义包含更多稳定环境信息的特性,提出了一种基于联合语义约束模型的多机器人协同定位算法.该算法基于一种快速旋转的二进制独立稳定描述子特征(oriented featuresfrom accelerated segment test (FAST) and rotated binary robust independentelementary feature (BRIEF),ORB),提取算法和语义分割网络,获得场景中的语义地图点,并利用该语义地图点构造语义误差函数;结合语义误差和几何重投影误差构建联合语义约束模型.在此基础上,利用地图点的语义标签结合特征词袋(bag of words,BOW)技术实现多机器人相对位姿估计,并依靠相对位姿统一多机器人位姿轨迹.最后,结合联合语义约束模型优化全局位姿,实现多机器人协同定位.结果显示,本算法在慕尼黑工业大学公共数据集的机器人同步定位与建图类别中,相比目前主流的多机器人协同定位算法,绝对位姿误差(absolute poseerror,APE)值降低了17.4%,定位精度明显提升.这证明了本算法在多机器人协同工作场景下具有良好的应用价值.

目前,水印算法所生成的水印图像存在对不可微噪声处理的鲁棒性较低、图像质量一般的缺陷,介绍了一种基于生成对抗网络的图像鲁棒水印改进模型.该模型将空间和通道注意力机制模块融合到具有密集结构类型的编码器中,增强其特征提取能力;在鉴别器前端增加高通滤波器,使生成的水印图像具有较好的不可感知性;在噪声层中使用一种小批量真实和模拟(mini batch of real and simulated,MBRS) JPEG处理,且添加各种不同强度类型的噪声进行端到端训练.研究结果表明,相比HiDDeN与二阶段深度学习鲁棒水印模型,该模型生成的水印图像具有较高的鲁棒性和不可感知性,平均峰值信噪比(peak signal to noise ratio,PSNR)提高了1.20 dB,平均结构相似性提高了4.71%,平均信息提取误码率降低了13.55%.

提高检测效率和精度是超声相控阵(phased array,PA)无损探伤的重要研究方向.基于YOLOv5深度学习模型及相控阵扫查成像理论,提出了一种将超声相控阵扇扫与全聚焦法(total focusing method,TFM)相结合的组合式无损检测方法.首先,通过自主训练的YOLOv5s模型对扇扫图像进行初步缺陷识别,实现对缺陷可能区域的快速确定;然后,使用自主研发的TFM成像系统,实现对缺陷可能区域的精确成像.标准试块检测结果表明,该组合检测法能发扬超声相控阵扇扫成像速度快、TFM成像精度高的优点,实现了检测效率和精度的兼顾.

光学相干层析成像(optical coherence tomography,OCT)运用低相干光源,得到的图像会不可避免地受到散斑噪声的影响.为了获得高信噪比和高分辨率的OCT图像,提出了一种基于生成对抗网络的超分辨率重建网络模型,以同时实现对OCT图像的去噪和超分辨率重建.将所提模型在OCT图像数据集上进行实验,并与一些著名的模型进行了定量和定性比较.研究结果表明,该模型峰值信噪比(peak signal-to-noise ratio,PSNR)平均值表现居中,学习感知图像块相似度平均值表现优越,表明该模型能更好地恢复图像细节,更有利于进行医学图像诊断,提高临床诊断准确率.

遥感图像包含丰富的地物信息,采用多标签学习方法更有利于对遥感图像进行准确分类.近年来,基于深度网络的遥感图像多标签分类已成为研究热点.深度学习方法通常需要在大型数据集上训练模型以获得更好的泛化能力,然而大规模数据集的类别标注费时费力,标注质量无法得到保证,可能会出现缺失标签的情况.标签信息的不完备会误导模型训练过程,影响深度模型分类性能.针对遥感图像的不完备多标签分类问题,提出一种基于局部语义(local semantics,LS)学习的分类方法.首先,通过语义表征学习(semanticrepresentation learning,SRL)模块提取输入图像的深度特征进行标签预测,获得伪标签;接着,通过局部语义学习模块捕获特征中的语义局部相关性,利用局部语义信息对伪标签进行加权增强;最后,以伪标签和增强伪标签的加权组合作为最终的预测标签,采用交叉熵损失函数对网络进行训练.遥感图像不完备多标签分类实验结果表明,与其他多标签分类方法相比,所提方法在不同标签缺失率下具有更好的标签预测性能.

基于无人机辅助的移动边缘计算(mobile edge computing,MEC)通过灵活构建的视距链路,能大大提升网络通信质量,在处理计算密集型和延迟敏感任务中发挥重要作用.针对单无人机辅助的MEC存在覆盖范围有限和任务处理时间长的缺陷,对多架载有MEC服务器的无人机为多个地面用户提供计算卸载服务的最小计算比特数最大化问题进行研究.在有限能耗和禁飞区的约束下,对用户调度、用户上传功率、任务卸载与本地计算时间和无人机轨迹进行联合优化,提出一种基于块坐标下降法的迭代优化算法,为用户提供更加公平的计算卸载服务.利用块坐标下降法将原始问题解耦为4个子问题,并采用逐次凸逼近将非凸子问题转化为凸优化子问题进行求解.仿真结果表明,与其他基准方案相比,所提出的联合优化方案能显著提高用户最小计算比特数.

航天器识别与跟踪是航天领域的核心技术,对确保天体中航天器运行的安全性和有效性至关重要.然而在太空环境中,密集星点常常干扰目标的识别过程,同时复杂多变的光照条件也可能导致成像结果不完整,进而影响目标的清晰呈现.因此,提出一种基于星点识别与多帧聚合的航天器识别与定位算法,实现在相机抵近状态下对航天器目标的精准识别.首先,通过星图识别将星点信息映射到航天器成像平面中,剔除天体背景下的密集干扰星点;在此基础上,引入目标聚合算法与连续帧局部区域定位方法解决光照影响下航天器成像不完整及单帧航天器信息受限问题.实验结果表明,所提出算法可有效剔除97%以上的干扰星点,并满足0.2$^{\circ}$偏差范围内的航天器定位精度,具有较高的准确度和鲁棒性.

为了解决小样本问题,旨在分析跨网络节点的频谱信息传递机理,建立基于域适应的跨网络节点分类的频谱方法.在理论上,首先提出了一个中频图卷积核来为图神经网络(graph neural network,GNN)引入中频信息,然后分析了不同频率信息的性质.研究发现,不同于低频和高频信息,中频信息在单网络和跨网络中均保留的是节点的相似特征.这暗示了中频信息比低频和高频信息更适用于跨网络节点分类.在实践上,设计了一种中频域适应图卷积网络(intermediate frequency domainadaptive graph convolutional network,IFDA-GCN)来跨网络分类节点.利用中频图卷积核来提取源网络和目标网络的中频信息,并利用域适应技术来缩小不同网络的特征分布差异.真实数据集上的实验结果表明,IFDA-GCN具有比其他对比方法更优异的性能,并且证实了在跨网络节点分类上,中频信息确实比低频和高频信息有更好的表现.

提出了一种基于滤波思想的卫星轨迹预测方法.该方法借鉴长短期记忆网络的结构,以最优估计为统计方法,从信号分析的角度入手,且具有明确的物理意义.通过短弧轨道外推的对比仿真实验,验证了波模型与当前常用轨道外推方法的性能差异.实验中使用两种不同程度系统误差的波模型,并通过控制变量讨论了轨道高度、观测精度、以及观测弧长对预报精度的影响.对于3 min的短弧观测数据,当预报时长少于10 min时,对低轨(lowearth orbit,LEO)目标,J2波模型的预报精度与动力学外推方法相当,且优于切比雪夫外推方法;对地球静止轨道(geostationary earth orbit,GEO)目标,J2波模型的预报精度优于动力学外推方法.

以水源地除藻围隔为研究对象,详细调研了围隔对藻的过滤拦截效果.通过实验模拟探讨了影响围隔拦截效果的主要因素,以及围隔过滤拦截过程中的污染机理,研究了围隔的清洁循环使用性能.通过实地布设除藻围隔,比较了围隔过滤前后藻总量的变化,验证了除藻围隔的实际除藻能力.实验结果表明:围隔对藻有一定的拦截作用,围隔前后的藻总量存在较大差异;在0$\sim$0.03 m$^{3}$/(m$^{2}\cdot$s)范围内,过水通量越大,除藻效率越低;超出0.03 m$^{3}$/(m$^{2}\cdot$s)时,藻去除率低于5%;在10$\sim$60 NTU范围内,浑浊度越高,除藻效果越好;叶绿素a的质量浓度对围隔过滤拦截效果的影响不显著;围隔过滤拦截污染的机制主要为滤饼过滤模型,具有较好的清洁循环使用能力.

引入了两种新型的控制维数变体,二者在研究gendo-Gorenstein代数方面具有较大优势.一方面是与nakayama函子$\nu$相关的$\nu$-稳定控制维数.利用它,可以给出一个代数是gendo-Gorenstein代数的判别准则,并且证明了代数的gendo-Gorenstein性质在左分裂扩张下保持不变.此外,对于两个导出等价的gendo-Gorenstein代数,二者的$\nu$-稳定控制维数之差是有界的.另一方面是基于Gorenstein平衡模构建的一种控制维数.对于gendo-Gorenstein代数,给出这种控制维数的一个上界.

针对含有变系数的二维分布阶扩散方程,利用高斯积分对分布阶算子$D_t^\omega u$进行逼近,则原问题变为一个多项时间分数阶微分方程.在空间方向上主要采用非协调的$EQ_1^{\rm rot}$元和零阶Raviart-Thomas (R-T)元,在时间方向上运用修正的L1格式,建立了全离散逼近格式,进一步证明全离散格式的稳定性.利用单元的性质以及插值算子$\Pi_h$、$I_h$和投影算子$R_h$的性质,分别得到$H^1$模下变量$u$和$L^2$模下中间变量$\overrightarrow{p}=\hbar (X)\nabla u$的超逼近结果.最后,根据插值算子$I_{2h}$和$\Pi_{2h}$的相关性质,得到了整体超收敛结果.

研究复平面上1:-4共振二次系统的可线性化问题,得到系统可线性化的充分必要条件.