仿真秀‑CAE仿真知识服务平台

来源：中科院之声微信公众号（ID：zkyzswx），原文整理自中国科学院声学研究所。声阻抗，是物体结构的本征声学属性。不同于流体中的点阻抗和蜂窝结构中的局部阻抗，弹性结构的声阻抗具有非局域性质，严格来说，是具有全局性的。在弹性结构某一点施加声学载荷激励，可引起整个弹性结构的振动。实际中，声学媒质和弹性结构存在耦合作用，尤其在水里这种耦合作用更明显，相应地，声阻抗表现出更强的非局域性质。中国科学院声学研究所噪声与振动重点实验室基于声阻抗积分算子提出全局声阻抗(globalacousticimpedance)的定义，用于描述弹性结构表面声学激励和整个表面质点振动速度之间的关系，并对全局声阻抗矩阵的求解方法和相关特性开展研究。相关研究成果在线发表在JournalofTheoreticalandComputationalAcoustics上。当将结构表面离散化，全局声阻抗表现为声阻抗矩阵的形式。研究人员基于结构动力学有限元、虚位移原理等方法，对表面声压和结构点力以及表面单元结点振速和单元中心配置点的振速进行互相转换，编程计算了弹性球壳的全局声阻抗矩阵（图1），并分析其空间分布特征、随距离变化的特性（图2）以及随频率变化的规律。(a)100Hz(b)2000Hz图1弹性球壳的全局声阻抗幅值矩阵图2弹性球壳的全局声阻抗矩阵幅值随距离变化曲线：黑线是100Hz结果，蓝线是2000Hz结果全局声阻抗可作为声散射计算的边界条件。研究表明，弹性球壳的全局声阻抗在空气中表现为“硬壁”的性质，在水中表现为“弹性”的性质（图3）。研究还对全局声阻抗和局域声阻抗对应的水下球壳目标强度(TS,TargetStrength)进行比较，并指出它们之间的明显差异。全局声阻抗的提出可为水下结构声学性能研究提供一种新的数据形式，其适用于弹性结构，也适用于粘弹性结构。图3平面波入射下水中弹性球壳的TS值：黑色实线为级数解，蓝色虚线为本文数值解，红色细点画线为硬壁球壳解研究工作得到国家自然科学基金的资助。

在汽车行业的飞速发展历程中，智驾平权浪潮将至，智能汽车产业链迎来了加速拐点，我们正见证着一场由智能化引领的深刻变革。“AI上车”的叙事已经平淡、甚至近乎泛滥之际，DeepSeek以异军突起之姿，强势“搅动”智驾产业，2025年“智驾”势必会成为最热的名词。自从deepseek火爆全网后，多家车企宣布接入DeepSeek。在吉利汽车、岚图汽车率先宣布后，东风汽车、零跑汽车、奇瑞、上汽集团、长城、比亚迪等车企也紧随其后，更有斑马智行、亿咖通等车机服务商也纷纷加入合作生态。小鹏汽车董事长何小鹏评价称，DeepSeek将驱动未来十年汽车行业的软硬件变革。DeepSeek到底有怎样的破局价值？通过低成本大模型蒸馏技术，DeepSeek-R1将全局式模型的参数量压缩至1/10，推理能耗降低60%，使得15万元级车型也能搭载类人决策能力。业界的普遍共识是，汽车行业正在从传统的电动汽车（EVs）向智能电动汽车（EIVs）演变。未来几年的汽车竞争，将是基于AI的整车智能竞争。当前，长三角地区的新能源汽车产业正借助“deepseek”风潮，呈现出合力“破圈”之势，正以“硅谷的创新基因”与“底特律的制造底蕴”深度融合，引领全球智能网联新能源汽车产业的变革。作为中国经济最活跃的区域之一，长三角地区已经集聚蔚来、理想、哪吒、吉利、上汽、奇瑞、江淮等汽车品牌，极氪、星途星纪元、智己等品牌也备受关注。其中，上汽、吉利等通过接入DeepSeek，能够在无需高额算力投入的情况下，快速优化语音交互、模糊意图理解等功能，提升产品竞争力。截至2024年，长三角新能源汽车产量占全国总量的38%，其中上海、江苏、浙江、安徽四省市形成差异化协同布局，从“制造高地”到“创新策源地”，长三角正以智能网联新能源汽车为支点，撬动全球产业格局的重构。从政策端的《智能汽车创新发展战略》到产业端的“AI定义汽车”浪潮，中国正以长三角为枢纽，构建全球智能汽车创新网络。在区域协同迈向深水区的背景下，跨行业的深度合作变得尤为重要，“2025长三角智能网联新能源汽车技术创新发展论坛”将于2025年8月13-15日在上海新国际博览中心启幕。本届论坛以“新能源+新智能与新质生产力”为主题，旨在破解“技术破壁、生态重构、全球化竞争”三大核心命题，促进产学研深度融合，推进长三角智能网联新能源汽车产业一体化协同发展，为长三角乃至全球智能网联新能源汽车产业的高质量发展贡献力量。作为论坛的延伸与升华，“NEASCHINA2025第十四届上海国际新能源汽车技术与生态链博览会”将于2025年08月13日-15日在上海新国际博览中心盛大召开。本届博览会以“向新发展，质造未来”为核心，展览面积预计将达70,000平方米，预计吸引全球1200+参展企业、80000+专业观众，打造“技术展示+商贸对接+思想碰撞”的三维平台。从长三角的产业集群崛起，到全球技术标准的博弈，智能网联新能源汽车的浪潮正以前所未有的速度重塑人类出行方式。2025年，让我们相约上海，共同见证这场融合创新、协作与远见的产业革命！来源：LEVEL电池热管理技术

本文摘要：（由ai生成）本文讨论了信噪比（SNR）和比特信噪比（BSNR）的概念及其在通信系统中的重要性。强调了了解SNR和BSNR之间转换关系的重要性，并指出高效率的程序运行对于大量数据仿真的必要性，尤其是在追求低误码率（如1e-6）时。文中提到，为了确保误码的随机性，仿真需要运行时间长且产生足够多的误码。同时，探讨了载噪比（CNR）的概念，解释了CNR和SNR的区别以及它们如何衡量通信系统性能。最后，文章通过仿真验证了SNR和CNR之间的关系，并指出在数字调制方式中考虑载波功率的重要性。继续讲解！了解了信噪比和比特信噪比之间的转换关系，自然就要联想到《通信原理》中关于比特信噪比和误码率之间的性能曲线图。因为信噪比和误码率是一对好兄弟，形影不离！当然通过这个图还能看出不同调制方式的特性。疑问来了：如果要得到1e-6误码率的仿真结果，是不是要仿真1e7个比特呢？答案是肯定的。而且为了保证误码出现的随机性，至少要保证出现一百个误码才能算仿真成功！那岂不是很花时间？是的，这是必须的！因此我们首先要想到如何提高程序的运行效率。效率高，花的时间就少。当然电脑CPU不断的升级也会帮你节省仿真时间！现在很多人都用GPU来跑仿真程序了！如果程序中的一个循环能够节省一秒钟，那么一万次循环呢？能够节省一万秒。因此想要仿真1e7个比特，只有通过多次循环来实现的。因此程序每次循环运算的效率就变的很重要！不能直接生产1e7个比特长度的随机序列，MATLAB会崩溃的！目前的机器哪能放下这么大的一个数组啊？这需要多大的内存啊？也许以后可以！毕竟我一直在感受软件读取文件方式的不断改进。继续阅读我当年写的关于信噪比的文档。里面会出现一个新的名称：载噪比！什么是载噪比？和载波有关系吗？如何计算载波功率呢？数字调制方式中有载波功率吗？载噪比和信噪比都是用来衡量通信系统性能的重要指标。载噪比指的是已经调制的信号的平均功率与加性噪声的平均功率之比，载噪比中已调信号功率包括传输信号功率和调制载波功率；而信噪比是指传输信号的平均功率与加性噪声的平均功率之比，仅包括传输信号功率。两者之间相差一个载波功率。对同一个传输系统而言，载噪比要比信噪比大，通常以对数的方式来计算，单位为dB。在调制传输系统中，采用载噪比指标。而在基带传输系统中，采用信噪比指标。用仿真来验证信噪比和载噪比的关系！先纠正之前AI给出的程序的错误！首先是去除无效语句，然后再改正语句！准确的计算噪声功率！见程序第27行！看到变化了吗？那么仿真结果如何呢？怎么两者几乎一样？是不是信号源的原因呢？那就再用PSK调制信号试一试吧，于是就有了程序cnr2。此时我又找AI看看它的解答。再用PSK信号验证两者之间的关系！看看仿真结果！来源：通信工程师专辑

近期，复旦大学中山医院王利新教授团队在《NatureCommunications》发表重磅研究，揭示了主动脉夹层中免疫微环境调控机制——通过抑制中性粒细胞胞外陷阱（NETs）形成，可显著改善夹层进展与破裂风险，为临床治疗提供了全新免疫靶向思路。与此同时，另一项关于主动脉夹层血栓预测的研究同样引发关注：研究者创新提出多相多孔介质方法，仅用40分钟就能精准预测TEVAR术后假腔血栓演变，预测值与实际值相关系数高达0.974，将血流动力学仿真的临床实用性推向新高度。这两项研究的相继突破，再次印证了血流动力学仿真技术在心血管疾病诊疗中的核心价值——从发病机制解析到手术效果预测，从风险分层评估到个性化方案制定，流体力学与医学的交叉融合正成为拯救高危患者的关键力量。但对于临床医生、医工研究者而言，如何将这些前沿科研成果转化为实际工作中的分析能力？如何快速掌握血管CFD仿真、体外实验与AI深度学习工具，让血流动力学技术真正服务于患者？强烈推荐读者关注我的视频教程《血流动力学临床医学研究高级进阶33讲：自学CFD仿真、体外循环实验和AI深度学习》。001写在文前主动脉夹层是一种致死率极高的危急病变。其特征为主动脉壁内膜与中膜撕裂，血液由此侵入形成假腔。该假腔可迅速延伸、扩张，并可能产生二次破入口，带来极大风险。胸主动脉腔内修复术（TEVAR）已成为主动脉夹层的标准治疗，通过在病变处植入支架阻止血液进入假腔。因此，及时评估手术效果并准确预测术后预后至关重要。本文是专题“流体动力学及其应用的最新进展”的一部分，研究者提出了一种用于预测各类主动脉夹层中血栓形成的新型多相多孔介质方法，并创新性地将其应用于大量患者特异性的主动脉模型。通过引入扩展的Darcy–Brinkman–Stokes（DBS）方程显式模拟固液两相之间的相互作用，并引入新的孔隙率方程简化血小板运输与沉积过程，该方法在计算效率上实现了显著提升。本研究旨在通过整合基于力学原理的血栓演化模型，实现快速、动态的预测，为及时临床决策提供支持，并推动主动脉夹层个体化治疗策略的发展。002研究亮点与方法本研究从力学角度重新审视假腔血栓生长，将血栓形成参数精简至3个，显著提升计算效率；提出全新多相多孔介质算法处理固-液相变，并导出血栓生长新公式，以提高传统多孔介质方法的精度和准确性。在21例患者中，模型仅用40分钟即准确预测完全与部分假腔的血栓演变，临床可实施性大幅增强。此外，利用多例随访数据探讨模拟时间与实际时程的对应关系，为血栓仿真提供新见解，并提升术后预后评估能力。1、多中心回顾性队列：收集并分析了21例TEVAR术后不同患者的模型数据，将其分为两组：12例术后表现为部分假腔（PFL）（TEVAR-A组），9例表现为完全假腔（CFL）（TEVAR-B组）。所有患者均为复杂病例，并在急性期接受了TEVAR治疗。2、生理级边界条件：出口压力边界条件参考主动脉模拟领域已验证的文献，采用髂动脉压力脉动波形以反映整个心动周期的压力变化。鉴于本研究旨在预测假腔血栓，其余血管分支均设为零梯度边界，以模拟出口处的无反射边界。3、模型创新：采用扩展的Darcy–Brinkman–Stokes方程来刻画血栓与血液在流动过程中的相互作用，并引入一条全新的孔隙率演化方程，以精确反映流体与固体区域之间界面的变化。与传统的血栓预测框架相比，本模型在显著缩短计算时间的同时，较传统多孔介质方法具有更高的鲁棒性与精度。4、提高计算效率：从力学角度重新审视假腔血栓生长，将血栓形成参数精简至3个，显著提升了计算效率，在21例患者中，模型仅用40分钟即准确预测完全与部分假腔的血栓演变，临床可实施性大幅增强。图1主动脉几何模型的三维重建与边界条件设置。(A)原始图像、主动脉分割图像及重建后的三维模型；(B)入口随时间变化的速度与出口压力条件。本文研究TEVAR术后假腔内的血栓发展，假设血管壁为不可变形的刚性结构。主动脉血流被建模为牛顿流体，主动脉的压力与速度参数采用有限体积法在开源软件OpenFOAM中求解。003研究结果在该模型中，整个血管在连续尺度上被视为多孔介质，计算网格内以不同孔隙率区分血栓与流体相。模拟过程中，当局部剪切率低于1s⁻¹时，凝血级联被触发，血小板开始逐步黏附于受损区域。随着时间推移，血小板在血管高凝区不断累积，孔隙率由初始值1逐渐降低，标志血栓形成；当孔隙率降至0时，该区域血栓已稳定。图2与图3分别展示了部分假腔（PFL）组和完全假腔（CFL）组的典型病例。图2A与3A给出不同心动周期节点假腔血栓的预测变化：红色区域为液相，孔隙率=1；其余区域孔隙率由1向0过渡，表示血栓正在形成；当孔隙率稳定为0的蓝色区域不再变化，即血栓沉积完成，模拟结束。图2B与3B将两组各一例患者的预测假腔形态与真实随访模型对比。CFL患者血栓首先于假腔上部形成，随后逐渐在腹段稳定；PFL患者因盲端空间有限，血栓体积较小。预测中的蓝色区域与实际随访血栓生长范围吻合，两组随访均显示假腔缩小与预测血栓位置一致，验证了模型的准确性。此外，观察到两组患者的血栓发展速率存在差异。完全假腔（CFL）组血栓形成更快，于第4个心动周期即趋稳定；而部分假腔（PFL）组血栓生长较慢，直至第6个周期才稳定。这种速率差异反映了术后恢复程度的不同：出现完全假腔血栓者预后更佳，可能与其较大的盲端空间有关。该结果与临床观察一致，进一步验证了模型的准确性与临床适用性。图2通过TEVAR术后存在部分假腔的患者临床数据（TEVAR-A组），对血栓生长预测模型进行验证。(A)7号患者4个心动周期内血栓演变的预测结果，红色区域代表血管，蓝色区域代表血栓；(B)预测残余假腔形态与实际假腔形态的对比。图3通过TEVAR术后存在完全假腔的患者临床数据（TEVAR-B组），对血栓生长预测模型进行验证。(A)15号患者4个心动周期内血栓演变的预测结果，红色区域代表血管，蓝色区域代表血栓；(B)预测残余假腔形态与实际假腔形态的对比。为进一步验证模型准确性，对21例患者的预测血栓体积与实际随访体积进行了统计分析，结果见图4。其中12例为部分假腔（PFL，绿色），9例为完全假腔（CFL，红色）。预测值与实际值的Pearson相关系数r=0.974，表明二者高度相关，充分说明模型在不同患者群体中均具备稳健的预测性能，可精准预报血栓发展。此外，两组间血栓体积差异显著。图中可见，完全假腔患者血栓体积普遍大于部分假腔患者。这主要归因于假腔远端破口的闭合形成盲端，为血栓沉积提供了理想环境；而PFL患者腹段破口持续开放，血小板难以聚集，导致术后恢复较差，甚至出现假腔扩大（即血栓体积“负增长”），提示血栓稳定与生长效果不佳。图4预测血栓体积与实际血栓体积的相关性分析。绿色圆点表示12例部分假腔患者（TEVAR-A组），红色方框表示9例完全假腔患者（TEVAR-B组）。此外，分析了两组患者术后首次随访时的血流分布，以探究假腔形态差异导致术后血栓分布不同的潜在机制。图5给出了峰值时刻两名代表病例——完全假腔（7号患者）与部分假腔（15号患者）——的剪切率（shearrate）与滞留时间（RT）分布，揭示了血管系统内促进血栓生成与稳定的动态交互。首先，真、假腔的RT与剪切率差异显著。真腔为术后主要血流通道，流速远高于假腔；假腔因存在盲端，血流淤滞，易呈高凝状态，RT明显升高。同时，假腔内剪切率显著低于真腔，成为触发血栓形成的关键。当局部剪切率降至临界值以下时，凝血级联启动，血小板在RT增大区聚集，孔隙率遂由1逐步下降，标志血栓向前推进。组间比较显示，完全假腔组的假腔RT普遍高于部分假腔组。原因在于完全血栓化者盲端更大，RT上升更快，血小板聚集加速；且其破口多位于腹段，低剪切区面积及可供血栓沉积的表面积均更大。相反，部分假腔者内膜损伤范围小，血栓体积亦相应较小。临床上，假腔血栓化程度是评估主动脉夹层疗效的核心指标。完全假腔者血栓沉积广泛，真腔血流更顺畅，术后恢复更佳；部分假腔者因分支血管及远端破口存在，局部剪切率较高，血栓形成受限，与临床观察一致。图5两例患者（左侧：完全假腔患者；右侧：部分假腔患者）的峰值时刻滞留时间（RT）与剪切率分布，以及真、假腔横截面对比。(A)两例患者的滞留时间分布；(B)两例患者的剪切率分布。血流动力学与血栓生长在不同的时间尺度上运行。以往的研究常常人为地加快血栓生长过程，目前尚未就模拟时间与真实时间之间的关系达成共识。在本文的模型中，独立于计算时间分析了血栓生长的时间尺度。鉴于部分假腔患者血栓尺寸变化极小，对完全假腔患者的随访时间与模拟时间进行了统计分析。通过调整加速因子，建立了模拟时间与真实时间之间的直接对应关系。具体而言，依据图6所示各时间点血栓形态的一致性，对模拟时间进行了校准，使其与真实时间相匹配。特别进行了模拟时间与实际时间之间的线性曲线拟合，得出关系式为y=2.17x。该模型拟合优度达0.95，确定的加速因子为2.17。此方法建立了模拟时间与真实时间之间的可靠关联，显著提升了模拟结果的可信度与准确性。图6模拟时间与真实时间的关系004AI+医疗行业深度学习教程在本研究中，开发了一种创新的多孔介质多相模型，专门用于预测主动脉夹层不同阶段患者的假腔血栓化。该模型表现出卓越的预测准确性，在21例患者（12例部分假腔和9例完全假腔）的研究队列中，预测血栓体积与实际血栓体积之间的相关系数达到0.974，平均预测误差小于15%。通过将复杂的血栓生化过程抽象为多孔介质内渗透率的变化，将预测血栓生长所需的时间显著缩短至约40分钟。关键的是，本文的模型通过更有效地整合固液界面的变化，提升了传统多孔介质算法的精度。此外，它还建立了模拟时间框架与实际临床随访之间的可靠联系，极大地增强了临床医生为TEVAR患者制定及时、个性化治疗策略的能力。这一进步不仅简化了预测过程，还通过提供更准确、更具操作性的患者护理洞察，显著改善了临床结果。前不久，笔者在仿真秀官网独家原创发布视频课程《血流动力学临床医学研究高级进阶33讲：自学CFD仿真、体外循环实验和AI深度学习》正式上线了，让用户掌握CFD仿真+体外循环实验+AI深度学习技能，全面判断血管疾病和制定科学治疗方案。希望帮助血流动力学基础的临床医生、医学科研人员和高校学生快速地掌握血流动力学的基础概念和流程，以及了解血流动力学在血管疾病的起因、发展，手术疗效评估和手术方案设计中的应用。血流动力学临床医学研究高级进阶33讲：自学CFD仿真、体外循环实验和AI深度学习为了让大家更好地将所学知识应用到实际工作中，欢迎读者朋友联系仿真秀与我开展技术交流与合作。与我开展项目合作咨询来源：仿真秀App