成电讲堂

　　近日，物理电子学院博士后熊超、章珞霏和王欣做客博士后学术沙龙，分别做题为：“航空伽马能谱测量的异常信息提取”、“全智能化设备故障监测系统”和“基于荧光与光声层析的脑功能联合动态成像方法”的主题讲座，旨在分享其研究成果、搭建博士后之间学术交流平台、促进学术水平提升。

　　报告中熊超讲到，航空伽马能谱测量是将航空伽马能谱仪安装在飞机或其他飞行器上，测量空中伽马射线能谱，确定地表介质中放射性元素含量。他提到，航空伽马能谱测量不仅适用于寻找放射性矿和多金属矿床，还能用于岩性地质填图和辐射环境监测等诸多领域。航空伽马能谱异常信息提取是航空伽马能谱测量应用的核心与热点技术问题。常规的航空伽马能谱异常信息提取沿用的是地球化学异常信息提取方法，该方法是基于传统统计学的异常识别，而没有考虑这些数据本身所具有的空间频域属性和所携带的地球物理场特征。基于此方法，他提出了几种以空间频率域滤波和地球物理场分解为主要手段的航空伽马能谱异常信息提取方法。他将信号处理中一维傅里叶变换引入航空伽马能谱数据的后处理，从频率域角度出发，研究航空伽马能谱数据功率谱密度特征和航空伽马能谱背景和异常的空间傅里叶滤波分离技术；探讨小波逐级分解的数据压缩技术；构建小波包残差面重构算法识别测区内不同种类型金属矿点；利用多重分形理论研究航空伽马能谱数据的多重分形特征，并根据其特征构造基于频域多重分形的航空伽马能谱数据逐层滤波模型，建立相应滤波方法以消除条带状异常；设计旨在分离和识别航空伽马能谱弱异常的样本熵矩阵算法。他总结到，以上算法有效提高了矿致异常的识别效果，提高了弱异常的提取能力，为航空伽马能谱测量提供新的技术手段。

　　章珞霏分享了她对全智能化设备故障监测系统的研究。她在报告中谈到：随着科学技术和自动化技术的飞速发展和进步，机械设备不仅运用了大量的新材料和新技术，而且变得智能化和一体化。他谈到，随着机械设备运行时间的增长，其性能退化是一个必然过程。若设备得到了合理的维护或修理，寿命自然会有所增长，滚动轴承是旋转机械中应用比较广泛的部件，它的运行状态往往决定了整机的性能。如何对滚动轴承的早期故障做出诊断，从而制定出合理的维修计划，成为摆在工程人员面前的一个难题。章博士在报告中从滚动轴承的早期故障检测这一实际问题出发，讲解了一种基于改进的时频分析与卷积神经网络相结合的滚动轴承早期故障诊断方法，该方法利用连续小波变换对原始振动信号进行分解得到时频图，在此基础上对时频图上每个频率对应的小波系数进行自相关运算，消除信号中混有的非周期高斯噪声，最后进行希尔伯特变换进行包络解调得到处理后的时频图作为卷积网络的输入，通过训练卷积网络对早期的轴承类别进行判断。他认为通过实验可以证实：与直接利用时频图相比，结合改进的时频分析结果作为输入，卷积神经网络对早期的故障类别的判断准确率有了极大的提高，对智能机械故障检测在实际生产中的应用起到了很大的推进作用。

　　生物医学成像是王欣在博士后工作站中主要的研究方向，她在报告中谈到：大脑的状态即使在恒定的环境下也在不断变化，并表现出不同脑区域高度协同合作的复杂现象，单一空间或时间尺度上的观测是很难准确预测和理解大脑活动的进程。她认为，实现全脑范围动态功能在体可视化对分析大脑的工作原理、运行机制以及对理解脑疾病相关的复杂神经活动具有重要意义。然而，单一成像方式由于其各自的局限性，难以实现全脑范围高灵敏度、高时空分辨率、高探测深度、无电离损伤的脑功能连续动态测量。她介绍了一种荧光/光声联合脑功能动态测量方法和成像理论，以实现不同脑疾病模型下高灵敏度、高时空分辨率的全脑范围无创动态脑功能多参数成像。此外，她还在报告中详细阐述了全脑范围动态功能成像的意义、荧光/光声层析成像理论基础、荧光/光声层析联合成像系统及算法，并分享了动态荧光层析成像的相关实验结果。

　　本次活动由电子科技大学博士后管理办公室、物理电子学院承办。