金属薄膜制备及物性测量系列实验

介绍了由模拟真空实验和“金属薄膜的制备”、“金属薄膜厚度的测量”、“金属薄膜电阻率的测量”,以及“金属薄膜生长过程的动态监测”等4个实验组成的金属薄膜制备与物性测量系列实验.这组实验与现代科学技术发展联系紧密,仪器设备可靠,操作简单,适合于普通物理实验阶段的研究性教学.     

激光诱导荧光探测水体中溶解有机物浓度

用Nd∶YAG激光器的三倍频355 nm光作为激发光源,根据激光诱导荧光(LIF)方法激发并探测污染水体的荧光光谱.通过对荧光光谱的分析处理研究归一化荧光强度,即450 nm处水中溶解有机物(DOM)峰与405 nm处水的拉曼峰的比值,反演溶解有机物浓度.用商品腐殖酸和去离子水配置成已知浓度的溶液代替标准DOM溶液进行标定,得到回归方程.结果证明,DOM的归一化荧光强度与水体中DOM浓度有较好的线性关系,因此LIF方法是对大面积水域水质进行动态遥测的较理想方法.     

关于康托集类光栅的实验探究

设计制作了康托集分形衍射光栅,通过对康托集分形光栅3个阶段的夫琅禾费衍射现象的观察,根据惠更斯-菲涅耳原理,得到了一维康托集分形光栅的夫琅禾费衍射光强分布特性.     

基于递推最小二乘的红外焦平面非均匀校正算法

根据递推最小二乘和图像配准原理,提出了基于递推最小二乘的红外焦平面非均匀校正算法(简称ILS算法),有效降低算法的时间和空间复杂度,使噪音图像的校正处理能够实时完成.ILS算法具有噪音参量估计准确度高、收敛速度快和计算复杂度低等优点.给出了算法的推导并用仿真数据对算法的有效性进行验证.     

单甲基原位改性SiO2疏水减反膜的制备与性能研究

 在碱性条件下通过TEOS和MTES的共水解缩聚反应制备了单甲基原位改性的SiO₂溶胶，并使用提拉法在K9玻璃基片上镀制了疏水减反膜。通过透射电镜（TEM）考察了镀膜溶胶的微结构，分别使用红外光谱（FTIR）分析了薄膜的组分，用原子力显微镜（AFM）观察了薄膜的表面形貌和起伏状况，用紫外可见光谱（UV-vis）考察了薄膜的减反射性能，用接触角仪测量了薄膜对水的接触角。并使用“R-on-1”的方式测量了薄膜在Nd:YAG激光（1 064 nm，1 ns）作用下的损伤阈值。结果表明，通过共水解缩聚反应可以把甲基引入镀膜溶胶簇团中，改善了溶胶簇团的网络结构，使薄膜得到相当好的疏水性能和更好的抗激光损伤性能，同时薄膜能保持较好的减反射性能。     

直流稳压电源波形演示器制作说明

直流稳压电源可以将交流电压变换为直流电压,并使之稳定,在我们现实生活中应用很广泛,在实验中我们利用的电学知识,设计制造了一种直流稳压电源。本文简要介绍了这种直流稳压电源波形演示器的设计目的和电路原理,重点阐述了它的制作流程、滤波和稳压原理以及性能测试输出波形。     

重写系统和的合流性

在实际应用中,常常使用多个重写系统。本文主要讨论重写系统和的合流性,并给出了一个重写系统和具有合流性的充分条件。     

用自适应脉冲微扰引导混沌系统到周期解

用自适应脉冲微扰方法控制的系统的某个系统变量作为驱动,设计了一种自适应控制器方法对两个或多个响应混沌系统进行脉冲微扰,引导这些系统从混沌运动到低周期运动,实现同时控制多个混沌系统到不同的周期态. 当选择相同的自适应控制器输入变量实施脉冲微扰时,还可控制两个或多个混沌系统达到不同的周期态同步. 通过对R?ssler混沌系统的仿真研究证实了方法的有效性. 关键词： 混沌控制 系统参量 自适应控制器 脉冲微扰 周期态同步     

T-型树谱唯一性的一个简单刻画

图G称为谱唯一的,如果任何与G谱相同的图一定与G同构.一棵树称为T-型树如果其仅有一个最大度为3的顶点.本文给出了T-型树谱唯一性的一个简单刻画,从而完全解决了T-型树的谱唯一性问题.     

Speech emotion recognition based on statistical pitch model

A modified Parzen-window method, which keep high resolution in low frequencies and keep smoothness in high frequencies, is proposed to obtain statistical model. Then, a gender classification method utilizing the statistical model is proposed, which have a 98% accuracy of gender classification while long sentence is dealt with. By separation the male voice and female voice, the mean and standard deviation of speech training samples with different emotion are used to create the corresponding emotion models. Then the Bhattacharyya distance between the test sample and statistical models of pitch, are utilized for emotion recognition in speech. The normalization of pitch for the male voice and female voice are also considered, in order to illustrate them into a uniform space. Finally, the speech emotion recognition experiment based on K Nearest Neighbor shows that, the correct rate of 81% is achieved, where it is only 73.85% if the traditional parameters are utilized.