中空介孔SiO2纳米球的制备、改性及其对Al3+荧光识别研究

中空介孔SiO2由于中空多孔的结构而常用作功能材料的基底.将中空介孔SiO2进行官能团修饰,并应用为荧光传感材料是中空介孔SiO2一个重要的研究领域.本论文采用聚丙烯酸(PAA)为中空模板,聚醚F127为造孔剂,正硅酸乙酯(TEOS)为硅源,氨水为催化剂在乙醇体系中制备了中空介孔SiO2纳米球.系统研究了搅拌速度和聚醚F127引入量对中空介孔SiO2纳米球形貌及比表面积的影响.通过透射电镜、N2-等温吸附脱附曲线等表征说明该合成方法具有很好的普适性,通过调节F127的引入可以实现对比表面积的有效控制.通过氨基化、席夫碱反应进行荧光修饰,进一步研究表明荧光修饰后的中空介孔SiO2纳米球在水溶液中能够实现对Al3+的有效检测,检测限为1.19×10 -7M.     

缩酮席夫碱类阴离子识别的量子化学研究

缩酮席夫碱是良好的阴离子识别剂,利用量子化学密度泛函理论研究了3种缩酮席夫碱阴离子受体与阴离子客体相结合的空间结构、电荷分布、结合能等方面的变化,计算结果表明,阴离子受体分子的阴离子结合位点位于亚氨基-NH-部,受体分子和阴离子间通过氢键相互作用,阴离子有一部分负电荷转移到受体分子中,且转移的电荷量为R3-3 R3-2 R3-1,在考察的阴离子中,F~-与受体分子的结合能最大,而在3种受体分子中,R3-3对阴离子结合能最大.计算模拟结果,与实验情况相吻合.     

早晚期混响划分对理想比值掩蔽在语音识别性能上的影响

真实环境中存在的噪声和混响会降低语音识别系统的性能。封闭空间中的混响包括直达声、早期反射和后期混响3部分,它们对语音识别系统具有不同的影响.我们研究了早期反射和后期混响的不同划分方法,以其中的早期反射为目标语音,计算出了不同的理想比值掩蔽并研究了它们对语音识别系统性能的影响;在此基础上,利用双向长短时记忆网络(BLSTM)估计理想比值掩蔽,测试它们对语音识别系统性能的影响.实验结果表明,基于Abel早期反射和后期混响的划分方法,理想比值掩蔽能够降低词错误率约2.8%;基于BLSTM的估计方法过低估计了理想比值掩蔽,未能有效提高语音识别系统的性能。      

基于视觉辐条图案识别方法的蓝宝石引晶机制研究

工业生产蓝宝石晶体过程中,引晶步骤有着至关重要的地位。引晶必须在温度梯度较小,温度分布趋于稳定的条件下进行。目前,工业生产蓝宝石主要依靠人工经验操控籽晶杆实现引晶操作,但是人工引晶操作的准确性不高会导致成品品质不佳、资源浪费。为此,本文提出一种基于蓝宝石视觉辐条图案识别方法来检测蓝宝石熔体状态自由液面状态,从而实现一种高效率引晶的机制。此方法利用经典骨架化算法细化辐条图案,Harris算子实现特征信息的提取,提取的特征信息放入运动轨迹模型中判断熔体稳定性,分析液面温度分布稳定性从而实现引晶。结果表明,此算法具有有效性,蓝宝石晶体引晶效率大大提高,生产出的成品良率也有提升,可有效指导蓝宝石的工业生产。     

吡啶-2,6-二[N-(1′-咪唑基丙基)甲酰胺]稀土配合物的合成及其离子识别性能

将配体吡啶-2,6-二[N-(1′-咪唑基丙基)甲酰胺](L)与苦味酸稀土盐[RE(pic)-3]在甲醇中反应合成了9种吡啶-2,6-二[N-(1′-咪唑基丙基)甲酰胺\]稀土配合物，其结构经元素分析、红外光谱及紫外光谱表征，确定了配合物的结构为REL(pic)₃·nCH₃OH·H₂O(RE=La, Ce, Pr, Nd, Sm, Eu, Gd, Tb, Er； n=1或2； pic为苦味酸根)。并采用紫外光谱研究了游离配体对金属离子的识别性能。结果显示：加入稀土金属离子后，L中216 nm处吸收峰消失，202 nm处吸收峰明显增强且红移至213～218 nm处，表明配体对稀土金属离子具有明显的识别能力。     

由混合配体构筑的三维铽金属有机框架的晶体结构及分子识别性能

本文采用两种多功能有机羧酸配体:2-(对溴)苯基-4,5-咪唑二羧酸(p-BrPhH_3IDC)和对苯二甲酸(H_2DCB)为混合配体与六水合硝酸铽,通过溶剂热反应,成功制备了一个含有一维孔道的复杂三维金属有机框架{[Tb(p-BrPhHIDC)(DCB)_(0.5)H_2O]·H_2O}_n。采用红外光谱、元素分析以及单晶X射线衍射测试了其分子结构。发现所采用的两种羧酸配体均与中心金属Tb(Ⅲ)离子配位进而桥联邻近的金属离子构成了三维框架。采用X-射线粉末衍射技术测试了晶体纯度。热分析表明该金属有机框架显示出比较好的热稳定性。固体荧光测试以及小分子识别研究表明该配合物显示出强的特征荧光发射和一定的乙腈识别能力。     

连续音素的改进深信度网络的识别算法*

为提高连续语音识别中的音素识别率,提出一种基于改进并行回火训练的受限波尔兹曼机的音素识别算法。首先,利用经过等能量划分后的改进并行回火算法来训练受限玻尔兹曼机,接着将受限玻尔兹曼机堆叠组成一个深信度网络,从而作为深度神经网络预训练的基础模型,然后通过softmax层输出,得到用于音素状态后验概率检测的深度神经网络。接着,利用少量的标签数据,根据反向传播算法对网络权重进行微调。最后,将所得后验概率作为隐马尔科夫的发射概率,然后利用Viterbi解码器实现音素识别。在TIMIT语料库上的实验表明,识别率相比于传统的对比散度类算法提高了约4.5%,在不增加计算量的情况下比原始并行回火算法提高约1%。