時間：2023-10-12 10:26:24
緒論：在尋找寫作靈感嗎？愛發(fā)表網(wǎng)為您精選了8篇計算機(jī)技術(shù)的含義，愿這些內(nèi)容能夠啟迪您的思維，激發(fā)您的創(chuàng)作熱情，歡迎您的閱讀與分享！
【關(guān)鍵詞】 計算機(jī)平面設(shè)計 漢字 藝術(shù)
一、引言
隨著社會的發(fā)展和歷史文化的進(jìn)步，漢字本身逐漸成為了一種特殊的表達(dá)語言，其背后逐漸帶有了相應(yīng)的視覺屬性。作為記錄和表達(dá)的符號，漢字本身在悠久的歷史文化中一直在不斷的傳播、演變和發(fā)展，同時也是我國中華民族傳統(tǒng)文化的一個標(biāo)志。
漢字本身蘊(yùn)含了點線、律動和意境的美感，其所涵蓋的藝術(shù)氣息，是獨(dú)特且豐富的。在計算機(jī)平面設(shè)計中，漢字的應(yīng)用具有獨(dú)特的藝術(shù)價值，并且在不斷的發(fā)展過程中，漢字本身的藝術(shù)價值也得到了更加深入的發(fā)揮。
二、計算機(jī)平面設(shè)計中漢字的使用藝術(shù)
2.1對漢字的可搭配性進(jìn)行發(fā)揮
在計算機(jī)平面設(shè)計中，漢字本身的應(yīng)用是整個設(shè)計中的重要一部分。漢字本身具有獨(dú)特的圖形和寫法，其已經(jīng)成為了重要的設(shè)計素材。多種不同的寫法、結(jié)構(gòu)、圖形以及書法等形式，其相比其他類型語言文字類型更加豐富，可以結(jié)合不同設(shè)計作品的具體需求進(jìn)行調(diào)整和搭配，具有很好的適應(yīng)性。在計算機(jī)平面設(shè)計中，要結(jié)合視覺設(shè)計的具體需求，對漢字進(jìn)行科學(xué)的設(shè)計和應(yīng)用，給人們一個更加廣闊的遐想空間，讓設(shè)計理念得到更進(jìn)一步的提現(xiàn)，讓整個設(shè)計作品迸發(fā)出更加優(yōu)秀的創(chuàng)意火花。漢字本身對于視覺信息的傳達(dá)有著至關(guān)重要的意義，并且也是平面設(shè)計中一種常用的溝通方式。在以往漢字出現(xiàn)的歷史中，早期的漢字本身作為圖形符號，經(jīng)過長時間的演變和積累，逐漸的圖形化和成熟化。漢字本身傳達(dá)了人的情感和交流，承載了我國歷史文化的發(fā)展，其已經(jīng)逐漸成為了我們?nèi)粘９ぷ魃钪兴夭豢缮俚囊徊糠謨?nèi)容。我國傳統(tǒng)文化歷史悠久，漢字具有著深厚的背景和文化內(nèi)涵，其對世界的影響力也是不容小視的。
2.2漢字應(yīng)用于包裝和海報設(shè)計
在計算機(jī)平面設(shè)計中，包裝和海報是較為常見的應(yīng)用場景。很多商品的包裝都可以找到漢字的文字，漢字已經(jīng)成為了包裝設(shè)計中不可或缺的一部分內(nèi)容。漢字可以對事物進(jìn)行直接的體現(xiàn)，通過視覺的途徑來對產(chǎn)品的特點進(jìn)行傳達(dá)。通過文字在包裝上的應(yīng)用，設(shè)計師將漢字融入設(shè)計主題，打造出豐富多彩的圖形，其既可以更好的吸引消費(fèi)者，同時也能讓設(shè)計的理念和價值得到更好的實現(xiàn)。在海報設(shè)計中，漢字的應(yīng)用可以讓整個海報作品更加動人，內(nèi)容更加豐富。在進(jìn)行海報設(shè)計的過程中，圖形與文字的表達(dá)的運(yùn)用都是非常重要的，同時也是衡量設(shè)計方案的一個重要指標(biāo)。漢字本身呈現(xiàn)出獨(dú)特的樣式，將漢字加入?yún)R入到海報中給人一種總體的視覺上面的享受，能滿足設(shè)計者的設(shè)計初衷也是一個重要，其內(nèi)在的屬性已經(jīng)決定了視覺語言所能夠具有的一些形式以及不同的內(nèi)容，加上漢字外部的造型結(jié)構(gòu)設(shè)計，這樣結(jié)合是視覺語言特有的表現(xiàn)方式。
2.3漢字應(yīng)用的發(fā)展
漢字本身蘊(yùn)含著深厚的文化歷史背景，其也是我國悠久歷史文化傳統(tǒng)的弘揚(yáng)。漢字本身的發(fā)展是一個不斷進(jìn)步的過程，其既汲取著其他文明的優(yōu)勢，同時也保持自身的傳統(tǒng)文化的本質(zhì)。漢字本身也在逐漸受到國外社會和研究學(xué)術(shù)的關(guān)注，并且在世界范圍內(nèi)也從另一方面代表了我國歷史文化的發(fā)展。在商業(yè)化時代下，計算機(jī)平面設(shè)計的發(fā)展隨著技術(shù)的發(fā)展和文化要素的增加，其涉及過程和環(huán)境也發(fā)生了很大的變化。多種類型的標(biāo)識語言的運(yùn)用，給予了設(shè)計師更高的挑戰(zhàn)。漢字的有效運(yùn)用，可以更好地凸顯出設(shè)計理念和文化特色，體現(xiàn)出設(shè)計者自身的思維。通過漢字來對于設(shè)計理念進(jìn)行詮釋，可以更好地提高設(shè)計的整體效果，提高設(shè)計作品的藝術(shù)氣息。在對漢字進(jìn)行研究和應(yīng)用的過程中，設(shè)計人員要積極地研究我國傳統(tǒng)歷史文化，深入的學(xué)習(xí)漢字演變和發(fā)展的規(guī)律，并在此之上，不斷地學(xué)習(xí)和吸取其他文字和文化的理念，持續(xù)地豐富和創(chuàng)新，真正的讓漢字應(yīng)用的藝術(shù)性得到更好的提高。
三、結(jié)束語
總而言之，隨著時代的發(fā)展，計算機(jī)平面設(shè)計中，漢字的應(yīng)用發(fā)生著更多的變化，并且其也逐漸成為了計算機(jī)平面設(shè)計中的重要組成部分。作為一種視覺信息的傳達(dá)方式，通過計算機(jī)屏幕設(shè)計的平臺，漢字可以更好的實現(xiàn)對信息的傳遞，達(dá)到視覺溝通的目的。漢字本身逐漸從圖形符號轉(zhuǎn)化為圖形化的內(nèi)容，應(yīng)用于平面設(shè)計中，其藝術(shù)性的體現(xiàn)需要進(jìn)行全面的保證。
屏幕設(shè)計人員要對于漢字信息的藝術(shù)性進(jìn)行科學(xué)的把握，認(rèn)清文字應(yīng)用的重要趨勢和方向，以更加科學(xué)的手段，將漢字應(yīng)用的藝術(shù)性進(jìn)行更好實現(xiàn)。
參 考 文 獻(xiàn)
[1]劉青.淺談平面廣告中的字體設(shè)計[J].美術(shù)教育研究.2012（02）
關(guān)鍵詞 多項式函數(shù),計算方法,H-M方法,導(dǎo)數(shù)和積分的值,誤差分析，截斷誤差
中圖分類號：O241.4 ; 文獻(xiàn)標(biāo)識碼:A; 文章編號：
0. 導(dǎo)言
眾所周知函數(shù)在具體某點的導(dǎo)數(shù)值和其在某區(qū)間的定積分在數(shù)學(xué)應(yīng)用中非常重要，諸如Newton-Raphson迭代法求非線性方程的根 和定積分求面積等.而且有時借助它們的計算能提高一些問題的計算質(zhì)量，甚至為某些問題的計算開辟一條更有效的新的計算途徑，尤其在一些誤差分析當(dāng)中更是離不開函數(shù)的導(dǎo)數(shù)計算. 根據(jù) Taylor’s 定理 ，任何連續(xù)且可導(dǎo)函數(shù)都可以展開成在連續(xù)點的多項式函
數(shù),因此如何求得任意連續(xù)可導(dǎo)函數(shù)在某點的導(dǎo)數(shù)就顯得尤為重要，而多項式函數(shù)作為一種最為特殊的一類連續(xù)且任意階可導(dǎo)函數(shù)，求其在某點的導(dǎo)數(shù)以及其在某確定區(qū)間上的定積分就成了一個最為常用且最基本的求導(dǎo)數(shù)值和定積分計算的問題.盡管有許多計算一般函數(shù)在某點的導(dǎo)數(shù)和固定區(qū)間上的定積分，但是相對而言比較復(fù)雜，尤其對多項式函數(shù)來言，其在某點的導(dǎo)數(shù)和某固定區(qū)間上的定積分的計算沒有必要那樣去算.考慮到計算多項式函數(shù)在某點的函數(shù)值，通過其方法和思想推導(dǎo)出具體詳細(xì)的多項式函數(shù)在某點的導(dǎo)數(shù)和某固定區(qū)間的定積分的計算方法并比較該方法的復(fù)雜性和分析其相應(yīng)誤差.
雖然這樣計算 在 的值沒有利用眾所周知的公式 計算來的方便,但它對于求解多項式函數(shù)在某點c的任何k階導(dǎo)數(shù)值和在某固定區(qū)間的定積分確非常實用.
1.2求多項式函數(shù)的導(dǎo)數(shù)
由于在階數(shù)上任何多項式函數(shù)的導(dǎo)函數(shù)都要低于原函一階，因此對于多項式函數(shù)在某點的任意階導(dǎo)數(shù)，我們可以得到任意k階導(dǎo)函數(shù)在某點的導(dǎo)數(shù)值與其前一階導(dǎo)函數(shù)的系數(shù)之間關(guān)系的如下兩個計算結(jié)論.
與其他求函數(shù)在某點導(dǎo)數(shù)值不同，除了截斷誤差外本方法的計算結(jié)果幾乎沒有誤差，而且其復(fù)雜度更為簡單.
2.定積分計算
在數(shù)值分析時，我們通常用Composite Trapezoidal - Simp-son方法 來計算函數(shù)在某區(qū)間上的導(dǎo)數(shù)，但是當(dāng)被積函數(shù)是多項式函數(shù)時，這種方法就已經(jīng)沒有必要,而且我們可以用Newton-Leibniz定理 來計算定積分.
.
2. 復(fù)雜度分析
從上面的結(jié)論中我們看到用該方法無論是求多項式函數(shù)在某點的導(dǎo)數(shù)值還是求多項式函數(shù)在固定區(qū)間上的定積分，都沒有進(jìn)行多次累乘的情況,在各階迭代運(yùn)算中都只對相應(yīng)各個系數(shù)進(jìn)行了一次乘法運(yùn)算，這樣在計算中，相比進(jìn)行多次乘積運(yùn)算，將降低因多次相乘的所帶來的誤差，而且在積分計算中,每個系數(shù)迭代用公式 和 ,這些分母 將降低截斷誤差，并使得計算更加有效和簡單，而且在理論上該方法沒有誤差.
參考文獻(xiàn)
[1]J.H.Mathews,K.D.Fink.Numerical Methods Using Matlab(third edition)[M], London:Prentice Hall 1999,177-178.
[2] Yonatan Katznelson.Taylor polynomials[J],UCSC,AMS/ECON,2008,6(2):11-17.
[3]Uwe Naumann.the complexity of derivative computation[J],RWTH Achen,August,2005,5(3):
35-37.
[4] 林成森.數(shù)值分析[M},北京：科學(xué)出版社，2007，212-213.
[5]Vladimir A.Zorich.Mathematical Analysis(first volume)[M].Berlin:Springer,2000,199-200.
[6]Rainer Kress.Numerical Analysis[M],Berlin:Springer,1998,19-20.
關(guān)鍵字：跳頻；最小自由距離；有限狀態(tài)機(jī)
【中圖分類號】G424
0引言
跳頻通信是指載波受偽隨機(jī)碼控制并能隨機(jī)跳變的一種通信方式，它是擴(kuò)頻通信的一個重要分支。跳頻具有抗干擾能力強(qiáng)、抗多徑干擾、可檢性低、頻譜利用率高、容量大、抗頻率選擇性衰落、測距能力以及多址能力等優(yōu)點。因此，跳頻技術(shù)這些年發(fā)展非常迅速，日益獲得廣泛應(yīng)用[1]。
本文結(jié)合有限狀態(tài)機(jī)，在上述基礎(chǔ)上，提出一種新G函數(shù)Fn=G（Fn-k，…，F(xiàn)n-1，Xn）。通過分析和仿真實驗，表明該類G函數(shù)的最小自由距離不再受限于跳頻點個數(shù)，通過增加狀態(tài)機(jī)的狀態(tài)，能取得比傳統(tǒng)G函數(shù)更大的自由距離，增加了偽隨機(jī)序列生成復(fù)雜度，從而提高了系統(tǒng)的整體性能和抗干擾性。
1算法模型描述
生成器的設(shè)計關(guān)鍵在于狀態(tài)轉(zhuǎn)移a和輸出函數(shù)b的設(shè)計，通過兩個函數(shù)的設(shè)計使輸出序列zi滿足偽隨機(jī)序列要求的幾個條件，并且盡量減少對硬件設(shè)備的依賴和易于實現(xiàn)。為了實現(xiàn)這一目標(biāo)，該算法模型設(shè)計使用一個非線性函數(shù)。
4結(jié)語
本文設(shè)計了一種偽隨機(jī)序列發(fā)生器的G函數(shù)構(gòu)造方法，給出了函數(shù)的實現(xiàn)過程，通過數(shù)學(xué)分析證明，使用狀態(tài)機(jī)機(jī)制，突破了傳統(tǒng)G函數(shù)在跳頻系統(tǒng)中為提高系統(tǒng)性能，需要增加帶寬的限制。只靠增加狀態(tài)機(jī)的狀態(tài)就能夠取得更大的自由距離，并且在Nakagami-m信道下進(jìn)行了仿真對比。結(jié)果顯示，新型G函數(shù)性能要優(yōu)于傳統(tǒng)G函數(shù)，具有更強(qiáng)的抗干擾性能和更優(yōu)的系統(tǒng)性。
參考文獻(xiàn)：
基于CC2510的無線跳頻通信系統(tǒng)的設(shè)計李立早魏欣October201041～43.新技術(shù)探討
一類基于m序列的非線性序列生成器黃建忠，李超，項攀攀第25卷第5期國防科技大學(xué)學(xué)報103～108
關(guān)鍵詞：遺傳算法，混沌，優(yōu)化方法
0引言
遺傳算法是一種較新的全局優(yōu)化搜索算法，它使用了群體搜索技術(shù)，用種群代表一組問題解，通過對當(dāng)前種群施加選擇、交叉和變異等一系列遺傳操作，從而產(chǎn)生新的一代種群，并逐漸使種群進(jìn)化到包含最優(yōu)解或近似最優(yōu)解的狀態(tài)。但由于算法復(fù)雜度的限制, 遺傳算法雖然能以概率收斂到全局最優(yōu)解，其局部搜索速度和精度并不能得到很好的保證。近幾年來遺傳算法作為優(yōu)良的全局尋優(yōu)方法日趨成熟,尤其是和其他尋優(yōu)方法的結(jié)合,進(jìn)一步提高了遺傳算法的性能，其中借助于混沌改進(jìn)遺傳算法的性能,是近年來遺傳算法領(lǐng)域研究的熱點之一，遺傳算法和混沌優(yōu)化的組合,可以使遺傳算法的全局尋優(yōu)能力,搜索精度,搜索速度等幾方面得到較明顯的改進(jìn)。
1混沌的特征和蟲口方程
混沌是存在于非線形系統(tǒng)中的一種較為普遍的現(xiàn)象。混沌并不是一片混亂，而是有著精致內(nèi)在結(jié)構(gòu)的一類現(xiàn)象。混沌運(yùn)動具有遍歷性、隨機(jī)性等特點，混沌運(yùn)動能在一定的范圍內(nèi)按照其自身的規(guī)律不重復(fù)地遍歷所有狀態(tài)。因此，如果利用混沌變量進(jìn)行優(yōu)化搜索，無疑會比隨機(jī)搜索更具有優(yōu)越性。
描述生態(tài)學(xué)上的蟲口模型Logistic映射自May于1976年開始研究以來，受到了非線形科學(xué)家的高度關(guān)注，Logistic映射是混沌理論發(fā)展史上不可多得的典范性的混沌模型，如下式所示：
2混沌遺傳算法
GA較傳統(tǒng)數(shù)學(xué)優(yōu)化方法更易找到全局最優(yōu)解，但對于一些問題也存在過早收斂、收斂速度較慢、難以找到較精確解的情況。因此，本文通過Logistic映射及相關(guān)混沌理論提出了一種運(yùn)算性能較好的混沌遺傳函數(shù)優(yōu)化算法。混沌遺傳算法(CGA)的主要步驟如下：
1.初始化:預(yù)先確定運(yùn)行參數(shù)，包括：種群規(guī)模M，交叉概率pc，變異概率pm，最大迭代次數(shù)n。隨機(jī)產(chǎn)生一個分布均勻的初始群體(包含n個初始解)，計算各個個體的適應(yīng)度值；
2.采用比例選擇算子對當(dāng)前種群進(jìn)行選擇操作，實現(xiàn)強(qiáng)留劣汰；
3.對當(dāng)前種群進(jìn)行交叉運(yùn)算。將種群內(nèi)個體兩兩隨機(jī)組合，對每個配對的組合，首先由系統(tǒng)隨機(jī)生成一個(0,1)之間的數(shù)，由交叉概率決定是否交叉。論文參考。論文參考。若交叉，則采用映射生成的序列經(jīng)簡單映射后利用高斯函數(shù)來決定交叉位置，否則，看下一對組合。所有的交叉位置由一個混沌序列即可決定；
5.若終止條件滿足，則算法中止，否則轉(zhuǎn)向步驟(2)。
本文嘗試在將改進(jìn)后的遺傳算法與混沌優(yōu)化算法相結(jié)合，提出一種基于混沌理論的混合遺傳算法，算法的流程如下頁流程圖所示：
圖1 改進(jìn)后的混沌遺傳算法（ICGA）流程圖
3仿真分析
本文選用一維和多維多峰值函數(shù)為例，見表1，用遺傳算法（GA）、混沌遺傳算法（CGA）和本文算法（ICGA）進(jìn)行比較研究。
表1 測試函數(shù)
實驗結(jié)果比較如下（以下圖縱坐標(biāo)表示最大適應(yīng)值，橫坐標(biāo)表示演化代數(shù)）
圖2 f2實驗結(jié)果比較示意圖圖3 f3實驗結(jié)果比較示意圖
從圖2、圖3的比較結(jié)果看，本文中算法初始種群較好，進(jìn)化開始就能找到高的最大值，加快搜索的速度，整個算法的尋優(yōu)結(jié)果比遺傳算法好。論文參考。考慮到算法中使用了隨機(jī)操作，僅僅由一次實驗得到的結(jié)果是不能夠充分說明問題的，因此，再進(jìn)行統(tǒng)計比較。本文中進(jìn)行了20次統(tǒng)計實驗。比較結(jié)果如表2
表2 比較結(jié)果
關(guān)鍵詞：S形函數(shù) 變步長 誤差信號 穩(wěn)態(tài)失調(diào)噪聲
中圖分類號：TN911 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2013）02-0106-02
定步長算法因其計算簡單易實現(xiàn)而在眾多領(lǐng)域獲得應(yīng)用，但它在收斂速度、時變跟蹤能力和穩(wěn)態(tài)失調(diào)噪聲幾個重要指標(biāo)上對步長的要求是相互矛盾的。為此人們提出了各種變步長算法，其基本思想是結(jié)合系統(tǒng)對收斂或跟蹤能力的具體要求，尋求一種較優(yōu)的代價函數(shù)來指導(dǎo)步長的非線性變化，代價函數(shù)的自變量是誤差（誤差的函數(shù)）。受形函數(shù)的非線性變化規(guī)律啟發(fā)，在步長和誤差之間建立參數(shù)可控的類似非線性關(guān)系。仿真結(jié)果驗證了算法可行，兼顧收斂速度、時變跟蹤能力和穩(wěn)態(tài)失調(diào)噪聲幾個重要指標(biāo)。
1 S形函數(shù)簡介
形函數(shù)是人工神經(jīng)網(wǎng)絡(luò)建模時常用到的一種非線性激勵函數(shù)，其形式為：
（1）
或
（2）
函數(shù)曲線形狀如下圖1所示。從中可看出對應(yīng)自變量的每個點的曲線斜率都不同，整體趨勢是隨著的減小先增大再減小。兩個函數(shù)從計算量角度衡量，（2）式比（1）式少一次乘法，更簡單一些，而函數(shù)變化規(guī)律是相似的，因此將（2）式作為本文形函數(shù)的基本型。
在變步長算法中，要求初始階段或未知系統(tǒng)參數(shù)發(fā)生變化時，為獲得較快的收斂速度或?qū)r變系統(tǒng)實現(xiàn)快速跟蹤，步長要取得大一些。當(dāng)算法收斂后，不管主輸入端干擾多大，又要求步長取得小一些，以達(dá)到較小的穩(wěn)態(tài)失調(diào)噪聲。這種趨勢恰與形函數(shù)變化趨勢相同（如圖1）。
2 引入?yún)?shù)α、β的分析
為了建立參數(shù)可控的非線性函數(shù)，引入?yún)?shù)來調(diào)節(jié)形函數(shù)的形狀和收斂終值。參數(shù)可以是固定值或可變值。
當(dāng)引入固定參數(shù)（均大于零）分別對變量——誤差和步長進(jìn)行調(diào)節(jié)。結(jié)合（2）式，得
（3）
其中α控制函數(shù)曲線形狀：當(dāng)β確定的情況下，α越大曲線越陡，即曲率變化越快。β控制步長值的范圍。關(guān)于m的取值，經(jīng)過理論分析及大量仿真得出當(dāng)確定的情況下，m =3時是一個理想取值[1]，既能保證在變化量接近零時，步長調(diào)整量適當(dāng)小，又能使在變化量未接近零時，步長調(diào)整量適當(dāng)大。當(dāng)取值較理想時，變步長算法在收斂速度、精度、跟蹤能力等方面比定步長算法均優(yōu)越。而沒有取得適當(dāng)?shù)闹禃r，上述參數(shù)指標(biāo)甚至還不如定步長算法。問題的關(guān)鍵在于如何取得理想的值。實際上，是需要針對不同的應(yīng)用場景，通過實驗來確定的常數(shù)。假如信道參數(shù)發(fā)生變化，則初始參數(shù)取值有可能不適合變化后的信道。因此引入固定參數(shù)來對曲線斜率進(jìn)行調(diào)節(jié)時，針對不同的應(yīng)用環(huán)境，需要做大量多次的仿真比較，以此來確定合適的值[2]。
而引入可變參數(shù)（均大于零）分別對變量——誤差函數(shù)和步長進(jìn)行調(diào)節(jié)，有下列關(guān)系式：
（4）
由上式易知，均正比于，即步長隨著的增大或減小而同時增大或減小。如果令也均隨著的增大或減小而同時增大或減小。那么在算法的初始收斂階段誤差較大，則也大，同時較大，也就有較大的調(diào)整步長，所以收斂速度較快；當(dāng)算法進(jìn)入穩(wěn)態(tài)的進(jìn)程中，誤差逐漸變小，也變小，同時變小，此時就有較小的調(diào)整步長，所以具有較小的穩(wěn)態(tài)失調(diào)噪聲。而當(dāng)信道產(chǎn)生躍變時，誤差突然變大，則也變大，隨之變大，對應(yīng)的調(diào)整步長變大，算法迅速跟蹤系統(tǒng)。
當(dāng)算法收斂后，輸入端存在的常態(tài)白噪聲會導(dǎo)致誤差在某常數(shù)值附近波動，這是因為：由
（5）
（是輸入源信號，是權(quán)值系數(shù)）及
（6）
（是輸入源信號，是最優(yōu)權(quán)值系數(shù)）
可得：
（7）
從上式可看出會導(dǎo)致誤差波動，所以也不斷小幅度變化，由本節(jié)初的各函數(shù)之間關(guān)系分析，在穩(wěn)態(tài)時，必然存在在某常數(shù)值附近擾動的穩(wěn)態(tài)失調(diào)噪聲。為了降低白噪聲的影響，考慮到白噪聲與輸入信源的相關(guān)性近似為零，白噪聲自相關(guān)性亦為零，所以如果采用當(dāng)前誤差與上一步誤差的自相關(guān)估計來控制，即
（8）
此表達(dá)式中無參數(shù)，所以會大大降低白噪聲的影響。為了簡化計算量，令
（9）
將（9）代入式（4），得
（10）
關(guān)于的取值，考慮到當(dāng)當(dāng)前誤差大于上次誤差時，需要變大；小于上次誤差時，需要變小；而正比于，所以可令
（11）
對于，因為其直接影響步長的取值范圍，且當(dāng)誤差變化劇烈時步長波動較大，可將當(dāng)前步長值與上一次保持密切關(guān)系，平滑掉波動影響，即令，，接近1；而當(dāng)誤差變化微小時步長變化不大，上一次的步長值幾乎仍可作為本次步長值。但當(dāng)前步長值與上一次畢竟有微小差別，需要有調(diào)整量。根據(jù)本節(jié)初的分析，將調(diào)整量設(shè)置為即。所以，
（12）
將（11）、（12）兩式代入（10），得到自適應(yīng)步長變化公式。
3 仿真分析
計算機(jī)仿真環(huán)境條件[3]：
（1）自適應(yīng)濾波器階數(shù)；
（2）采用離散抽頭延遲線信道模型，信道參數(shù)分別為：
（3）未知系統(tǒng)初始權(quán)系數(shù)
（4）輸入信號是均勻分布的隨機(jī)二進(jìn)制序列（+1，-1），仿真的樣點數(shù)為1000；
（5）是與不相關(guān)的高斯白噪聲，均值為零，方差為0.01；
仿真時，參數(shù)值不妨取下列三種情況：
（1）
（2）
（3）（定步長）
（4）取可變值。（）
仿真結(jié)果如下圖2所示，分別對應(yīng)信道參數(shù)。由圖可知，在圖2信道參數(shù)條件下，性能曲線表現(xiàn)較優(yōu)的參數(shù)取值在圖2中信道參數(shù)條件下表現(xiàn)卻不理想。如圖2中曲線2優(yōu)于曲線1，在圖2中曲線2卻在收斂速度、精度等指標(biāo)上均劣于曲線1。而與取固定參數(shù)相比，雖然信道特性發(fā)生變化，變參數(shù)取值仍能保證較快的收斂速度和較小的穩(wěn)態(tài)失調(diào)噪聲，且無需多次實驗仿真來確定合適的值。
4 結(jié)語
收斂速度、時變跟蹤能力及穩(wěn)態(tài)失調(diào)噪聲是衡量自適應(yīng)算法性能優(yōu)劣的3個最重要的指標(biāo)。定步長算法無法兼顧。本文在變步長算法中的步長因子與誤差信號之間建立形函數(shù)非線性關(guān)系。引入?yún)?shù)來調(diào)節(jié)步長值的變化趨勢，分析分別是固定和時變的情形。當(dāng)取固定值時，需要大量實驗及仿真才能得出合適值，工作量較大。而當(dāng)取可變值時，無須分析大量學(xué)習(xí)曲線，仿真結(jié)果表明算法可行，兼顧多個指標(biāo)，綜合性能較好。
參考文獻(xiàn)
[1]羅小東，賈振紅，王強(qiáng).一種新的變步長LMS自適應(yīng)濾波算法[J].電子學(xué)報，2006，34（6）：1123-1126.
關(guān)鍵詞：計算機(jī)應(yīng)用；中文信息處理；漢字字形；形式化描述；網(wǎng)格字形；特征計算
中圖分類號：TP391.12 文獻(xiàn)標(biāo)識碼：A
1 引言
漢語是一種大字符集語言，漢字?jǐn)?shù)量大、結(jié)構(gòu)復(fù)雜，漢字字形描述和特征計算方法是漢字信息處理的一項基礎(chǔ)研究，對于各種漢字處理應(yīng)用和漢字教學(xué)都有重要意義。前人對漢字字形描述做過很多工作，一般是把漢字的構(gòu)形方式按照人的認(rèn)知分類，并使用人認(rèn)知的部件、筆畫來描述。這些描述確實對相當(dāng)多的漢字有效，但也存在著大量的歧義和描述缺失，無法支持字形特征的自動提取、分析和計算。由于缺少統(tǒng)一有效的字形形式化描述體系和字形特征計算方法，造成目前漢字處理應(yīng)用中存在一系列障礙，主要方面列舉如下：
各種漢字識別輸入(包括手寫識別輸入)軟件，受到識別原理的限制，只能識別訓(xùn)練集內(nèi)的漢字，無法輸入集外的漢字。
漢語教學(xué)和國際推廣都需要對錯字進(jìn)行定量分析，如錯字的描述、界定、分類、計算機(jī)輔助漢字書寫學(xué)習(xí)、書寫水平標(biāo)準(zhǔn)化自動評測等，但目前計算機(jī)沒有錯字輸入和比較的方法，嚴(yán)重制約了對錯字進(jìn)行深入定量分析研究的水平。
漢字文本識別后的校對處理、涉及漢字的歷史文化研究(如古籍字、異體字的比對、界定)等應(yīng)用都需要分析漢字字形的相似性，但目前也沒有支持這種字形分析計算的有效方法。
獨(dú)立建立的集外字表因缺少有效比對工具而難以共享和歸并。
各種電子出版物以及網(wǎng)絡(luò)出版物中有許多集外字，這些字可以輸出，但讀者無法輸入，從而也無法查詢、檢索包含這些字的內(nèi)容。
因此，建立一種統(tǒng)一有效的漢字字形形式化描述體系和基于該體系的字形特征計算方法，能涵蓋所有正字和錯字字形，并支持字形特征的自動計算，對解決漢字處理面臨的這些問題具有重要意義。本文給出了一種漢字網(wǎng)格字形描述方法，實驗表明，該方法具有描述一切可能漢字字形(包括錯字)骨架的能力，并支持自動提取不同顆粒度構(gòu)字元素、結(jié)構(gòu)關(guān)系等字形特征，為字形特征自動分析計算提供了一種可行、有效的手段，從而也為基于字形計算的各種應(yīng)用建立了基礎(chǔ)。
2 漢字字形主要描述方法分析
許多學(xué)者看到，目前漢字處理方法存在的問題是把漢字整體作為編碼單位來處理，這樣就無法分析計算其內(nèi)部成分。實際上，漢字字形是可以分解來劃分結(jié)構(gòu)類型的，并且以部件、筆畫作為基本的構(gòu)形單位。從這樣的觀點出發(fā)，有一批研究成果。代表性方法如下：
(1)漢字信息字典
上海交通大學(xué)漢字編碼組編，科學(xué)出版社1988年出版。主要特點是將漢字遞歸地分解成部件和筆畫的組合，組合的結(jié)構(gòu)類型有左右、上下、包容、嵌入4種，描述了7785個漢字。
(2)漢字部件規(guī)范(GF3001－1997)
國家語言文字工作委員會于1997年12月1日，主要特點是窮盡式地列出了國家標(biāo)準(zhǔn)通用多八位編碼字符集中20 902個漢字的部件表，并把集內(nèi)漢字依據(jù)這些部件進(jìn)行了逐個拆分。
(3)表意文字描述序列IDS(Ideographic Description Characters Sequence)
Unicode聯(lián)盟于2000年提出的表意文字描述符系統(tǒng)，作為Unieode 4.0標(biāo)準(zhǔn)。主要特點是將漢字遞歸地分解為部件的組合，組合的結(jié)構(gòu)類型有12種。將結(jié)構(gòu)類型符作為操作符，漢字或部件作為操作數(shù)來組成前綴表達(dá)式，可以表現(xiàn)Unicode集內(nèi)的絕大部分漢字和一些集外漢字的字形。從實現(xiàn)的效率考慮，對表達(dá)式的長度和其中連續(xù)排列的部件個數(shù)有限制。部件集合不固定，同一漢字的描述方法也不固定。IDS的出現(xiàn)，反映了ISO也認(rèn)識到單純用擴(kuò)充編碼的方法支持更多漢字是行不通的，只有從漢字的構(gòu)形出發(fā)，才能真正解決漢字的計算機(jī)表示問題。
(4)漢語文檔處理語言CPL(Chinese Document Processing Language)
臺北“中研院”信息技術(shù)研究所文獻(xiàn)處理實驗室在20世紀(jì)90年代開發(fā)，為古籍整理服務(wù)。主要特點是將漢字遞歸地分解成部件和字根的組合，組合的結(jié)構(gòu)類型有直連、橫連、包含三種，還有幾種重疊形式。確定出1千多字根，表現(xiàn)4千多部件，涵蓋了5萬多字形。并用CPL作為其研發(fā)的漢字構(gòu)形數(shù)據(jù)庫的字形描述語言。
(5)漢字?jǐn)?shù)學(xué)表達(dá)式
國防科技大學(xué)孫星明，殷建平，陳火旺等于2002年提出，將漢字遞歸地分解為部件的組合，組合類型有6種(左右，上下，左下包，左上包，右上包，全包含)，固定出505個部件。并給出了關(guān)于結(jié)構(gòu)類型的結(jié)合律和傳遞律，使得字內(nèi)任意兩個部件的結(jié)構(gòu)關(guān)系能通過逐層的推導(dǎo)而得以確定。
(6)字符描述語言CDL(Character Description Language)
美國加州大學(xué)伯克利分校研究人員2003年提出的基于筆畫和部件的字形描述系統(tǒng)，并采用XML作為元語言。主要特點是將漢字遞歸地分解為部件的組合，最底層的部件是筆畫。CDL沒有結(jié)構(gòu)類型的概念。它處理部件間位置關(guān)系的核心思想是：每個部件有一個隱藏的外包矩形輪廓，通過改變外包矩形斜對角頂點的坐標(biāo)來達(dá)到移動和縮放對應(yīng)部件的目的。小部件(可能是筆畫)的外包矩形移動和縮放后成為大部件或整字。CDL筆畫集合是固定的，筆畫的形狀用它的起點、終點、拐點的橫、縱坐標(biāo)，以及走向和彎曲方向表示。CDL沒有固定的部件集合，所以它描述字形有極大的靈活性，可以描述各種可以想見的漢字，可以表現(xiàn)異體字的特異性。再者，它對筆畫的描述，不僅表示出了形狀，而且表示出了走向和彎曲方向，可用于漢字書寫方法的教學(xué)。
以上各種字形描述方法的共同思想是把漢字看作大部件到小部件的遞歸組合，因而有很強(qiáng)的字形能產(chǎn)性，一定程度上克服了大字符集方案的封閉性弊病。這幾種方案都是面向人的字形描述體系。字形拆分的主要原則是漢字的字理，這些原則對于一般大眾和沒有漢字文化背景的外國人而言仍很難使用；另一方面，描述中都采用了漢字教學(xué)中引入的結(jié)構(gòu)類型思想。這一思想對于面向人的教學(xué)確實很有效，但并不適合進(jìn)行計算機(jī)處理。因為相當(dāng)多漢字的結(jié)構(gòu)類型是有歧義的，有些字到底是上下結(jié)構(gòu)還是包圍結(jié)構(gòu)或是獨(dú)體部件，依賴于人的認(rèn)知。比如“著”是左上包圍結(jié)構(gòu)，而“眷”不看成左上右三包圍結(jié)構(gòu)卻看成上下結(jié)構(gòu)，就很費(fèi)解。“乘”看成“北” 包圍“禾”，“裹”看成“衣”包圍“果”，則需要專業(yè)知識。“卡”的中間一橫應(yīng)歸在上半部還是歸在下半部，則是見仁見智。一個字由于結(jié)構(gòu)類型的認(rèn)知不同，從而描述不同而會被計算機(jī)誤識成兩個字。而拆分標(biāo)準(zhǔn)不統(tǒng)一、不規(guī)范，也難以被機(jī)器實現(xiàn)。
相對而言，CDL只固定筆畫不固定部件，直接列出位置坐標(biāo)而不劃分結(jié)構(gòu)類型，一定程度上避免了前幾種方案的缺點。但是，CDL固定筆畫，以筆畫作為基本特征的顆粒度過大，影響了特征抽取和比較的效果。如“我”和“找”特征很相似，但是由于字中間是一橫還是兩橫造成兩個字的結(jié)構(gòu)類型、部件有極大差別。又如“單”同“草”、“卓”相似度很高，但中間一豎穿進(jìn)了“日”，造成描述相差非常大。對于這類差別，這幾種方案都能表現(xiàn)出來，使得不同字形不被混淆，但卻不能很好表現(xiàn)相似性的程度。而字形相似性比較功能存在大量的應(yīng)用需求，應(yīng)當(dāng)是字形描述系統(tǒng)具備的重要能力。如果這些計算能力存在局限，就難以支持這些應(yīng)用。
手寫漢字識別方法依靠字形特征來識別漢字，描述了訓(xùn)練集內(nèi)不同字形的差別特征，對訓(xùn)練集內(nèi)字的處理能力很強(qiáng)，但缺少訓(xùn)練集外字的特征，限制了對集外漢字的識別處理能力。
3 漢字網(wǎng)格字形描述及實驗
漢字網(wǎng)格字形是一種采用平面網(wǎng)格結(jié)構(gòu)來描述漢字字形骨架的形式化方法。
3．1 網(wǎng)格字形描述
漢字字形網(wǎng)格是由n×n個小正方形合成的大正方形。
每個小正方形區(qū)域內(nèi)含有28個筆段：
各頂點到它所在邊中點的連線，共8段；
各頂點到它對邊中點的連線，以連線中點
為界分為2個筆段，共2×8=16段；
一對角線以中點為界分為2個筆段，共
2×2＝4段。
整個網(wǎng)格有24n2+4n個筆段。
網(wǎng)格中每個筆段可取有線或無線兩種狀態(tài)，所有有線的筆段分布構(gòu)成了漢字的網(wǎng)格字形描述。
在網(wǎng)格字形描述體系下，筆段為基元，所有的漢字字形(包括異體字、錯字)，都對應(yīng)網(wǎng)格中有線筆段的一種分布(但并非任意有線筆段分布都是一個可能的漢字)。有線筆段的不同分布可能對應(yīng)具有相同結(jié)構(gòu)或相似結(jié)構(gòu)的漢字。筆段類型編碼及網(wǎng)格字形描述如圖1所示。
3．2 基本筆畫描述
橫：從左向右、首尾相連的水平筆段所組成的序列。筆段編碼模式的正則式為A+；
豎：從上到下、首尾相連的垂直筆段所組成的序列。筆段編碼模式的正則式為B+；
撇：從右上到左下、左斜方向、傾角不增的首尾相連筆段所組成的序列。特別地，對撇尾接水平筆段、豎尾接左斜筆段的情況也作為撇來處理。筆段編碼模式的正則式為B*E+H*D*A*｜B*H+D*A*｜B*D+A；
捺：從左上到右下、右斜方向、傾角不增的首尾相連筆段所組成的序列。特別地，對捺尾接水平筆段、豎尾接右斜筆段的情況也作為捺來處理。筆段編碼模式序列的正則式為B*F+G*C*A*｜B*G+C*A*｜B*C+A*。
基本筆畫中起始筆段首端在網(wǎng)格字形中的位置定義為基本筆畫的首部，結(jié)束筆段尾端在網(wǎng)格字形中的位置定義為基本筆畫的尾部。因此，橫筆左端為首，右端為尾；豎筆上端為首下端為尾；撇筆右上端為首，左下端為尾；捺筆左上端為首，右下端為尾。
基本筆匭最小外包矩形在網(wǎng)格字形中的位置，定義為基本筆畫在網(wǎng)格字形中的位置。網(wǎng)格字形中基本筆畫圖例如表1所示。
3．3 復(fù)合筆畫描述
在網(wǎng)格字形中，復(fù)合筆畫刻畫書寫時由基本筆畫首尾或尾尾連接得到的靜態(tài)大筆形，由基本筆畫的類型編碼模式及連接方式來定義。例如：“豎鉤”定義為基本筆畫類型模式為“1[3_13_2_3_3]”，且“尾尾”連接方式構(gòu)成的復(fù)合筆畫。這里用“尾+尾”表示兩個基本筆畫以尾部位置重合來連接。其中“+”表示位置重合，“～”表示位置很接近。各種復(fù)合筆畫類型詳細(xì)描述如表2所示。
基本筆畫連接歧義處理：
1)在一字中，“豎”和“橫”尾首相連時，如果是“口”的組成部分，“豎”和“橫”不組合為“豎折”復(fù)合筆畫，算作兩個筆畫。如“口、國、回、四”等，其他情況組合為“豎折”復(fù)合筆畫，如“山、區(qū)、葛、斷”等。
2)在一字中，“撇”和“橫”尾首相連時，如橫是“門”或“門”的組成部分，“撇”和“橫”不組合成“撇折”復(fù)合筆畫。如“白、自、奧”等，其他情況組合為“撇折”復(fù)合筆畫。如“幺、去”等。
3)在一字中，出現(xiàn)“橫”的尾部同時連接“豎”的首和“撇”的尾時，“橫”優(yōu)先與“豎”組合為“橫折”復(fù)合筆畫，而不作為“撇尾帶橫”處理。如“的”。
4)在一字中，出現(xiàn)“橫”的首部同時連接“豎”的尾和“撇”的尾時，“橫”優(yōu)先與“豎”組合為“豎折”復(fù)合筆畫，而不與“撇”組合為“撇折”。如“區(qū)”。
3．4 筆畫位置關(guān)系描述
漢字字形是一種二維平面圖形，字形中筆畫間的相對位置關(guān)系是字形描述的重要組成部分。在網(wǎng)格字形中，兩筆畫間的位置關(guān)系可以采用方向關(guān)系矩陣來描述。設(shè)A是網(wǎng)格字形中任意筆畫，A與其他筆畫的相對位置描述如下：以A的最小外包矩形各邊及其延長線作為邊界，將網(wǎng)格平面化分為以A為中心的3行3列呈“井”字分布的9個平面區(qū)域，分別表示筆畫A周圍的8個不同方位，如圖2所示。對各區(qū)域從上到下、從左到右按行、列編號，例如，1行1列區(qū)域表示筆畫A的左上區(qū)域，3行3列區(qū)域表示筆畫A的右下區(qū)域，建立一個3×3的二值方陣R，元素R[i，j]值表示某筆畫B的最小外包矩形區(qū)域與筆畫A周圍的第i行j列區(qū)域相交的情況：如與該區(qū)域相交，R[i，j]＝1，否則R[i，j]=0，因此，方陣R的值表示了A，B的位置關(guān)系。方陣R稱為A，B的方向關(guān)系矩陣。圖2表示“心”字第二點(標(biāo)為A的區(qū)域)外包矩形各邊及延長線將網(wǎng)格平面劃分的9個區(qū)域，它與其他筆畫B、C、D的方向關(guān)系矩陣值如下：
類似地可以得出字形中任意兩筆畫間的方向關(guān)系矩陣。兩個字形對應(yīng)筆畫間方向關(guān)系矩陣的差值表示了字形結(jié)構(gòu)的差異度。此外，筆畫間的相交關(guān)系可直接通過交點坐標(biāo)來描述。兩字形中對應(yīng)筆畫交點數(shù)的差值表示了相交關(guān)系的差異度，相交關(guān)系作為位置關(guān)系的一種特例情況處理。
字形描述實驗是采用自行開發(fā)的手寫繪制工具來進(jìn)行漢字的網(wǎng)格字形描述，目前，完成了GB2312字符集中全部6763個漢字、近1000個外國留學(xué)生漢語作文錯字和部分異體字形的網(wǎng)格字形描述。并實現(xiàn)了網(wǎng)格字形中基本筆畫和復(fù)合筆畫的自動提取，提取準(zhǔn)確率達(dá)到100％。實現(xiàn)了字形中筆畫間位置關(guān)系的自動計算。實驗表明，n一12的網(wǎng)格可以表示絕大多數(shù)漢字的字形，n＝16的網(wǎng)格可以表示所有漢字的字形。這些實驗結(jié)果說明網(wǎng)格字形是一種可靠、有效和擴(kuò)展能力強(qiáng)的可計算字形描述模型。
4 結(jié)束語
網(wǎng)格字形描述方法，用定義好的有限方向的直線段――筆段作為描述單位，特征規(guī)范、顆粒度適當(dāng)，克服了現(xiàn)有漢字字形描述體系存在的以下問題：
1)以結(jié)構(gòu)類型、部件、筆畫作為描述單位，特征顆粒度過大，特征值集合固定，無法表現(xiàn)開放的漢字集合，無法比對一些相似字的差別。
2)點陣字形或TrueType曲線輪廓字形的描述基元顆粒度小，但規(guī)范性差，包含許多因書寫工具不同和美學(xué)觀念不同帶來的書法上的差別，這些差別不是漢字字形的本質(zhì)差別。
在易用性方面，沒有任何漢字文化背景的外國人和文化水平不高的各類錄入人員，只要對于圖形能正常認(rèn)知，就能使用支持網(wǎng)格字形描述的系統(tǒng)來描畫出他所想到看到的漢字。
關(guān)鍵詞：含煤地層；沉積特征；巖石力學(xué)參數(shù)；抗拉強(qiáng)度；抗壓強(qiáng)度
中圖分類號：G804.6 文獻(xiàn)標(biāo)識碼：B 文章編號：1009-9166（2008）36（c）-0045-02
含煤地層巖石力學(xué)性質(zhì)直接決定了礦井圍巖的穩(wěn)定性[1]，只有掌握巖石的力學(xué)性質(zhì)才能控制好井下巷道及工作面圍巖的穩(wěn)定，為煤礦開采提供安全保障。因以往的勘探資料沒有相關(guān)的力學(xué)參數(shù)，要搞清楚某地層巖石的力學(xué)參數(shù)，須重新勘探鉆孔，做力學(xué)實驗，時間長，費(fèi)用大。
本文提出以影響巖石力學(xué)參數(shù)性質(zhì)的沉積特征作為主要研究對象，提取出以巖石的粒度、填充膠結(jié)物的比例、孔隙情況、節(jié)理發(fā)育等，作為判斷巖層力學(xué)參數(shù)的主線，以埋藏的地質(zhì)年代、埋藏深度作為修訂因子，在定性的基礎(chǔ)上建立一種簡單定量確定巖石力學(xué)參數(shù)的新方法。
一、巖層沉積特征的選擇
煤層頂板與底板成巖環(huán)境的不同，巖層的各類參數(shù)也有一定的差異。沉積巖中最重要的特征是其成分、顏色、結(jié)構(gòu)與沉積構(gòu)造[2]，本文把沉積成巖中的對巖層力學(xué)特性影響較大、較易獲取的四個參數(shù)提取出來作為判斷巖層力學(xué)性質(zhì)的沉積參數(shù)，參數(shù)如下：1、碎屑顆粒的粒度大小。在沉積成巖的過程中，在一定的范圍內(nèi)，粒度越小，巖層越密實，巖層的硬度等力學(xué)參數(shù)越大，為了簡化描述，用大、中、小來進(jìn)行表述，分別用1、2、3的數(shù)值進(jìn)行量化。2、填隙物中膠結(jié)物的比例多少。填隙物由膠結(jié)物與雜基組成，膠結(jié)物對巖石的硬度與強(qiáng)度有強(qiáng)化作用，雜基對巖石有反方向的作用，所以，膠結(jié)物的含量多少可以作為衡量巖石硬度與強(qiáng)度的參數(shù)之一，用多、中、少來描述，用3、2、1來量化。3、孔隙結(jié)構(gòu)。沉積巖層的孔隙間充填大量的氣體或液體，孔隙的大小、多少直接影響巖石的硬度與強(qiáng)度，孔隙越大、越多，巖石的硬度等特征越小。可以用多、中、少來進(jìn)行描述，用1、2、3進(jìn)行數(shù)值量化。4、節(jié)理發(fā)育情況。沉積巖節(jié)理的發(fā)育情況也直接影響巖石的硬度與強(qiáng)度，節(jié)理越發(fā)育，巖石的強(qiáng)度與硬度越低，所以可以用不發(fā)育、中、發(fā)育來描述，用3、2、1來量化。
巖層沉積的四個特征，12個標(biāo)量共同組成一個沉積特征量化體系。
二、含煤地層關(guān)鍵地層與關(guān)鍵參數(shù)的選取
1、含煤地層關(guān)鍵地層的選取。根據(jù)對采煤工作面具有重要影響作用的頂板作為關(guān)鍵層理論[3]和對具有直接影響關(guān)鍵層的判定方法[4]，由于對采煤工作面具有影響的巖層是有限的、可知的，并不是工作面上方的全部巖層，所有的判別方法，要對提供工作面周圍的鉆孔柱狀圖進(jìn)行關(guān)鍵層的劃分與力學(xué)參數(shù)的估算。
2、巖層關(guān)鍵力學(xué)參數(shù)的選取。對于一個巖層各類運(yùn)動參數(shù)的計算主要來源于抗壓強(qiáng)度、抗拉強(qiáng)度、抗剪強(qiáng)度[4]，所以本文選擇三個主要強(qiáng)度參數(shù)為主要估算對象。
3、巖石的五級分類法。在對巖層三大參數(shù)估算過程中，每個參數(shù)都進(jìn)行估計是不可取的，本文選用巖石的抗壓強(qiáng)度為主要分類主線、以抗拉與抗剪強(qiáng)度為輔助分類的方法，把常用的巖石劃為五個區(qū)間[5]，每個區(qū)間代表巖石的一類軟弱強(qiáng)度（表1），這種分類方法，本文簡稱為巖石的五級分類。
依據(jù)巖石的五個級別，定性的對應(yīng)較軟、軟、中、硬、較硬五種類型，從定量的角度，分別提取各自范圍內(nèi)的中值作為定量的取值標(biāo)準(zhǔn)。依據(jù)該中值，對巖層運(yùn)動步距公式進(jìn)行靈敏度分析[4]，能夠滿足工程實踐的需求。
三、估算含煤地層巖石力學(xué)參數(shù)的算法
1、巖層沉積特征定量化取值。為了達(dá)到快速、準(zhǔn)確定位巖層沉積特點，按照第一部分的論述，整理為表2。
2、沉積特征選取計算方法。根據(jù)表2提供的數(shù)據(jù)及巖層的巖性描述，確定各個特征的取值，然后依據(jù)公式S=A1×A2×A3×A4進(jìn)行計算，式中A1―A4分別對巖層粒度、膠結(jié)物、孔隙、節(jié)理四個特征的取值，S為巖層的特征取值。
3、特征值S與五級分類的關(guān)聯(lián)。據(jù)對鶴崗、峰峰、兗州、盤江礦區(qū)38個鉆孔近200余層巖層的已知力學(xué)參數(shù)按照表2與公式1進(jìn)行回歸，得到表3的對應(yīng)關(guān)系。
4、其他地質(zhì)因子對巖石力學(xué)參數(shù)的影響。
(1)地質(zhì)年代對巖石力學(xué)性質(zhì)的影響。一般，地質(zhì)年代越久遠(yuǎn)，巖層形成時間越長，巖石越堅硬。由于五級分類的力學(xué)參數(shù)大都從二疊紀(jì)取得，即以二疊紀(jì)對應(yīng)第三級為基本標(biāo)志點，按照地質(zhì)年代先后，每移一紀(jì)，各中值向相同的方向移動10%。
(2)埋藏深度對巖石力學(xué)性質(zhì)的影響。實踐表明，巖層的埋藏深度達(dá)到一定數(shù)值時，巖層會發(fā)生蠕變現(xiàn)象。為了清晰的描述這一現(xiàn)象，本文建議，當(dāng)巖層的埋深大于800米后，每增加200米，巖石的力學(xué)分級降一級，直至一級。
5、估算巖石力學(xué)的步驟。
（1）確定與此工作面相關(guān)的鉆孔，提取鉆孔的整體地質(zhì)資料；（2）據(jù)確定支托層的方法[4]，確定主采煤層以上巖石的結(jié)構(gòu)特性，圈定估算巖石力學(xué)性質(zhì)所在的巖層；（3）對圈定巖層，仔細(xì)閱讀鉆孔柱狀圖的巖性描述部分，據(jù)表2，對四個沉積特征進(jìn)行量化；（4）據(jù)表3的內(nèi)容，初步確定巖石的力學(xué)分級；根據(jù)巖層的埋藏深度，據(jù)3.4.3的方法移動巖石分級；（5）判斷該鉆孔所處的地質(zhì)構(gòu)造情況，按照3.4.2的方法移動巖石分級；根據(jù)巖層所處的地質(zhì)年代，按照3.4.1的方法修訂取值巖石分級后的中值取值；（6）確定該巖層各力學(xué)參數(shù)的取值。
四、實例驗證
1、峰峰礦區(qū)一巖層力學(xué)參數(shù)估算。石炭紀(jì)太原組一細(xì)粒砂巖，厚9.78米，埋藏深度620米，巖性描述為：灰綠色，中粒成分以石英為主，砂質(zhì)膠結(jié)，分選好，中央紫色，含赤鐵礦結(jié)構(gòu)的泥巖。
該巖層按照表2所描述，沉積特征取值如下：A1=2，A2=3，A3=2，A4=1；按照公式得S=12；劃分為第三級，即該細(xì)粒砂巖的抗壓強(qiáng)度取值為90Mpa，抗拉強(qiáng)度的取值為10Mpa，抗剪強(qiáng)度的取值為32Mpa，該巖層處于石炭紀(jì)，各參數(shù)移動為：抗壓強(qiáng)度取值為99Mpa，抗拉強(qiáng)度的取值為11Mpa，抗剪強(qiáng)度的取值為35Mpa，該巖石在實驗室做的力學(xué)參數(shù)為：抗壓強(qiáng)度取值為92.4Mpa，抗拉強(qiáng)度的取值為12.21Mpa，抗剪強(qiáng)度沒有測定。實例表明，估算的巖石力學(xué)參數(shù)誤差符合在工程實踐的需求。
五、結(jié)論：任何一種巖石的力學(xué)性質(zhì)都在很寬的范圍內(nèi)變化，這些變化對工程設(shè)計及圍巖穩(wěn)定性評價造成困難。因此，本文試圖通過利用對不同巖石的沉積特征進(jìn)行定性的判斷，尋求一種以少量的簡單測量便可估算巖石強(qiáng)度和其它性質(zhì)的新方法，最后通過試驗證明該方法是可行、有效的，在粗略估算巖石力學(xué)參數(shù)方面有一定的進(jìn)展。
作者單位：山東科技大學(xué)地質(zhì)科學(xué)與工程學(xué)院
作者簡介：姚春卉（1973―），女，山東泰安人，碩士研究生，從事古生物學(xué)與地層學(xué)的研究。
參考文獻(xiàn)：
[1]孟召平，煤層頂板沉積巖體結(jié)構(gòu)及其對頂板穩(wěn)定性的影響[M].北京：中國礦業(yè)大學(xué).1999
[2]萬靜萍等.沉積學(xué)簡明教程[M].武漢.中國地質(zhì)大學(xué)出版社.1992
[3]錢鳴高等.礦山壓力與控制[M].北京.煤炭工業(yè)出版社.1986
【關(guān)鍵詞】 二異丙酚 額葉前皮質(zhì) 細(xì)胞外液 谷氨酸 γ-氨基丁酸（GABA）
Abstract:Objective To investigate the effect of propofol locally perfused into the rat prefrontal cortex (PFC) on glutamate and GABA extracellular levels.Methods Thirty male adult rats were randomly pided into 4 groups: test groups and 1 control group (n=6 each)， with a microdialysis probe inserted into the PFC. In the test groups， artificial cerebrospinal fluid (aCSF) containing different concentrations of propofol (1， 3， 10 and 30 μmol/L respectively) was perfused into the PFC at 2 μl/min; in the control group， only aCSF was infused. The perfusate was collected every 10 min throughout the experiment to measure the concentrations of glutamate and GABA in the perfusate by reversed-phase high performance liquid chromatography.Results The glutamate level in the perfusate was not changed when propofol was 1 μmol/L (P>0.05)， but it decreased significantly for 10 and 20 min when propofol was 3 μmol/L (P
Key words: propofol; prefrontal cortex; extracellular fluid; glutamate; γ-aminobutyric acid (GABA)
異丙酚為目前臨床最常用的全身麻醉藥，其臨床效應(yīng)主要為意識及記憶消失。哺乳動物大腦聯(lián)合皮質(zhì)在意識、記憶等高級認(rèn)知功能的調(diào)節(jié)中發(fā)揮著極其重要的作用，而前額葉皮質(zhì)作為聯(lián)合皮質(zhì)的重要部分，與高級認(rèn)知功能有著更加密切的關(guān)系［1-2］。并且臨床研究亦發(fā)現(xiàn)，異丙酚產(chǎn)生催眠效應(yīng)的同時主要使前額葉皮質(zhì)內(nèi)血流量下降［3］。因此異丙酚引起的臨床效應(yīng)可能與作用于前額葉皮質(zhì)有關(guān)。在哺乳動物前額葉皮質(zhì)內(nèi)，谷氨酸和γ-氨基丁酸（GABA）是最重要的興奮性和抑制性神經(jīng)遞質(zhì)［4］，其含量的95%以上存在于細(xì)胞內(nèi)（突觸前膜的囊泡和胞質(zhì)中），而細(xì)胞外液所占比例很低，但前額葉皮質(zhì)生理功能的發(fā)揮取決于細(xì)胞外液中的遞質(zhì)含量［5］。故研究異丙酚的臨床效應(yīng)與前額葉皮質(zhì)細(xì)胞外液中谷氨酸和GABA含量的關(guān)系具有重要意義。本實驗應(yīng)用在體微透析技術(shù)觀察前額葉皮質(zhì)內(nèi)局部灌注異丙酚對前額葉皮質(zhì)細(xì)胞外液中谷氨酸和GABA含量的影響。
1 材料和方法
1.1 實驗動物與儀器 Sprague-Dawley成年雄性大鼠，體重200～250 g，由中國科學(xué)院上海生命科學(xué)研究院實驗動物中心提供。實驗前1周，將大鼠飼養(yǎng)于35 cm×35 cm×40 cm籠中，光照/黑暗交替（12/12 h， 8∶00am-8∶00pm為光照時間），環(huán)境溫度為（24±2）℃，自由攝取水和食物。微透析探頭（CMA/12，同心圓型）、外套管（CMA/12）、微灌注泵（CMA/100）均為瑞典Camegie Medicine公司產(chǎn)品。
1.2 人工腦脊液（aCSF）的制備［6］ 微透析灌流液應(yīng)用aCSF，其成分為（mmol/L）：NaCl 126.5，NaHCO3 27.5，KCl 2.4，KH2PO4 0.5，CaCl2 1.1，MgCl2 0.83，Na2SO4 0.5，葡萄糖11.8。應(yīng)用0.1 mol/L NaOH將pH值調(diào)至7.3，并用0.22 μm微孔濾膜過濾，除去雜質(zhì)，于0℃～ 4℃下保存，充以95% O2/5% CO2混合氣體至飽和狀態(tài)。
1.3 分組 將30只大鼠隨機(jī)分為實驗組（n＝24）和對照組（n＝6），于前額葉皮質(zhì)處放置微透析探頭。實驗組以2 μl/min灌注含不同濃度異丙酚（按照異丙酚濃度分為1、3、10、30 μmol/L 4個亞組，每組n=6）的aCSF，對照組則只灌注aCSF。
1.4 大鼠前額葉皮質(zhì)微透析實驗操作 實驗均在10∶00am-3∶00pm之間進(jìn)行，以排除生物節(jié)律對前額葉皮質(zhì)細(xì)胞外液中谷氨酸和GABA水平的影響。將大鼠自籠中取出，動作盡量輕柔以減少激惹。應(yīng)用10%水合氯醛400 mg/kg腹腔注射，待麻醉起效后將大鼠顱骨固定于腦立體定位儀上（江灣Ⅱ型），于前額葉皮質(zhì)處埋置微透析外套管。前額葉皮質(zhì)立體定位依據(jù)大鼠腦圖譜［7］：A/P 3.3 mm，L/M 1.2 mm，V/D 5.0 mm。用牙托粉固定外套管，將大鼠放于籠中飼養(yǎng)。48 h后取出外套管管芯，放置微透析探頭，連接微灌流泵，以2 μl/min持續(xù)灌注aCSF 60 min作為平衡期，使得灌流液中神經(jīng)遞質(zhì)含量達(dá)到穩(wěn)定。在隨后的30 min收集灌流液，每10 min 1次共3次，并取3次灌流液中谷氨酸和GABA含量的平均值作為基礎(chǔ)值。然后實驗組經(jīng)微透析探頭局部灌注不同濃度的異丙酚（1 ～ 30 μmol/L）持續(xù)10 min（對照組灌注不含異丙酚的aCSF），然后換為正常aCSF灌流70 min。每10 min收集1次灌流液，保存于-70℃冰箱，應(yīng)用反相高效液相色譜法（RP-HPLC）測定灌流液中的谷氨酸和GABA含量。
1.5 統(tǒng)計學(xué)處理 計量資料以±s表示，不同時點細(xì)胞外液中谷氨酸和GABA含量以基礎(chǔ)值的百分比表示。采用SPSS 10.0統(tǒng)計軟件進(jìn)行統(tǒng)計分析，組內(nèi)與基礎(chǔ)值的比較采用雙因素方差分析和Dunnett-t檢驗，各組間基礎(chǔ)值的比較采用單因素方差分析。P
2 結(jié) 果
2.1 各組間微透析灌流液中谷氨酸和GABA基礎(chǔ)值的比較 異丙酚各濃度組和對照組中細(xì)胞外液谷氨酸和GABA的基礎(chǔ)值差異無統(tǒng)計學(xué)意義（P>0.05）。見表1。表1 各組間微透析灌流液中谷氨酸和GABA基礎(chǔ)值的比較
2.2 各組灌流液中谷氨酸含量在不同時點的變化 對照組中，灌流液中谷氨酸含量于各時點與基礎(chǔ)值比較差異無統(tǒng)計學(xué)意義（P>0.05）。局部灌注異丙酚1 μmol/L 10 min后，各時點灌流液中谷氨酸含量與基礎(chǔ)值比較差異亦無統(tǒng)計學(xué)意義（P>0.05）。異丙酚3 μmol/L 局部灌注10 min后，灌流液中谷氨酸含量于第10、20 min時降至基礎(chǔ)值的60%（P
2.3 各組灌流液中GABA含量在不同時點的變化 局部灌注各濃度異丙酚后，各時點灌流液中GABA含量與各基礎(chǔ)值比較差異無顯著性（P>0.05），見圖2。
3 討 論
在哺乳動物中樞神經(jīng)系統(tǒng)內(nèi)，前額葉皮質(zhì)是聯(lián)合皮質(zhì)的重要組成部分，外界信息及各種刺激信號到達(dá)中樞神經(jīng)系統(tǒng)后，均需在前額葉皮質(zhì)內(nèi)進(jìn)行整合加工［8］。近年來發(fā)現(xiàn)，前額葉皮質(zhì)內(nèi)的谷氨酸在調(diào)節(jié)意識形成和意識不同水平中發(fā)揮著極其重要的作用［8］。谷氨酸可激活NMDA受體從而引發(fā)Ca2+大量內(nèi)流，通過一系列胞內(nèi)反應(yīng)，如激活Ca2+/鈣調(diào)素依賴性蛋白激酶Ⅱ等，最終對意識形成以及意識程度進(jìn)行調(diào)控［9］。研究表明，硫噴妥鈉腹腔注射或前額葉皮質(zhì)局部灌注可顯著降低細(xì)胞外液谷氨酸的含量［10］。因此異丙酚降低前額葉皮質(zhì)細(xì)胞外液中谷氨酸含量可能是其引起意識消失等臨床效應(yīng)的原因之一。
神經(jīng)傳遞很大程度上由突觸間隙內(nèi)的神經(jīng)遞質(zhì)濃度決定，而突觸間隙和細(xì)胞外液中神經(jīng)遞質(zhì)濃度的關(guān)系尚不十分清楚，但在一定程度上細(xì)胞外液神經(jīng)遞質(zhì)濃度的變化可反映突觸間隙的遞質(zhì)濃度的改變。本實驗發(fā)現(xiàn)異丙酚可降低前額葉皮質(zhì)細(xì)胞外液中谷氨酸含量，而谷氨酸細(xì)胞外液濃度由突觸前膜釋放和重攝取來決定，其中神經(jīng)末梢和膠質(zhì)細(xì)胞在重攝取中發(fā)揮重要作用［11］。研究表明，異丙酚可抑制大鼠海馬突觸體或皮質(zhì)腦片谷氨酸的Ca2+依賴性釋放［12］，而對谷氨酸的重攝取并不產(chǎn)生影響，因此異丙酚降低細(xì)胞外液谷氨酸含量可能是由于抑制突觸前膜谷氨酸的釋放造成的。
前額葉皮質(zhì)內(nèi)，GABA能神經(jīng)纖維末梢與谷氨酸能神經(jīng)纖維末梢可形成軸突-胞體或軸突-軸突突觸，從而可抑制錐體神經(jīng)元的活性及其末梢釋放谷氨酸，對前額葉皮質(zhì)的興奮性輸出發(fā)揮重要的調(diào)節(jié)作用［13-15］。本實驗中，異丙酚對細(xì)胞外液中GABA含量無顯著影響，因此認(rèn)為前額葉皮質(zhì)中細(xì)胞外液GABA可能不參與異丙酚的中樞作用。但以往研究發(fā)現(xiàn)應(yīng)用GABAA受體拮抗劑可顯著減弱異丙酚對皮質(zhì)腦片釋放谷氨酸的抑制作用［12］，表明GABAA受體可介導(dǎo)異丙酚對谷氨酸釋放的抑制作用，因此本實驗中異丙酚降低細(xì)胞外液谷氨酸含量亦可能與其直接作用于GABAA受體有關(guān)，但需進(jìn)一步研究證實。
結(jié)論： 異丙酚可降低大鼠前額葉皮質(zhì)細(xì)胞外液谷氨酸含量，而對GABA含量不產(chǎn)生影響。
【參考文獻(xiàn)】
［1］ Paus T. Functional anatomy of arousal and attention systems in the human brain ［J］. Prog Brain Res， 2000， 126:65-77. ［2］ Goldman-Rakic PS. Cellular basis of working memory ［J］. Neuron， 1995， 14（3）:477-485.
［3］ Veselis RA， Reinsel R， Feshenko V， et al. Dose related decreases in rCBF in R and L prefrontal cortices (PFC) during memory impairment with midazolam and propofol ［J］ . NeuroImage， 2001， 6: 13(Abstract).
［4］ Steketee JD. Neurotransmitter systems of the medial prefrontal cortex: potential role in sensitization to psychostimulants ［J］. Brain Res Brain Res Rev， 2003， 41（2-3）:203-228.
［5］ Matute C， Alberdi E， Ibarretxe G， et al. Excitotoxicity in glial cells ［J］. Eur J Pharmacol， 2002， 447（2-3）: 239-246.
［6］ Mantz J， Lecharny JB， Laudenbach V， et al. Anesthetics affect the uptake but not the depolarization-evoked release of GABA in rat striatal synaptosomes ［J］. Anesthesiology， 1995， 82（2）: 502-511.
［7］ Paxinos G， Watson C. The rat brain in stereotaxic coordinates［M］. 4th ed. San Diego： Academic Press，1998.
［8］ 劉紅亮，戴體俊，姚尚龍. 意識的形成及調(diào)控與全麻可能機(jī)制［J］. 國外醫(yī)學(xué)·麻醉學(xué)與復(fù)蘇分冊， 2003， 24（5）: 259-262.
［9］ Kochan LD， Churn SB， Omojokun O， et al. Status epilepticus results in an N-methy-D-aspartate receptor dependent inhibition of Ca2+/calmodulin dependent kinase Ⅱ activity in the rat ［J］. Neuroscience， 2000， 95（3）:735-743.
［10］ Liu HL， Yao SL. Thiopental sodium reduces glutamate extracellular levels in rat intact prefrontal cortex ［J］. Exp Brain Res， 2005， 167（4）:666-669.
［11］ Han JS. The discipline of neuroscience ［M］. 2nd ed. Beijing: Beijing Medical University Press， 1999: 524-541.
［12］ Kitayama M， Hirota K， Kudo M， et al. Inhibitory effects of intravenous anaesthetic agents on K+-evoked glutamate release from rat cerebrocortical slices. Involvement of voltage-sensitive Ca2+ channels and GABAA receptors ［J］. Naunyn Schmiedebergs Arch Pharmacol， 2002， 366(3): 246-253.
［13］ Shang Y， Yao S， Zeng Y， et al. Effect of propofol on glutamate and gamma-aminobutyric acid release from rat hippocampal synaptosomes ［J］. J Huazhong Univ Sci Technolog Med Sci， 2005， 25(6): 700-702.
［14］ Doherty MD， Gratton A. Effects of medial prefrontal cortical injections of GABA receptor agonists and antagonists on local and nucleus accumbens dopamine responses to stress ［J］. Synapse， 1999，32（4）: 288-300.
