排序方式: 共有50条查询结果,搜索用时 250 毫秒
31.
信息时代,手机已成为人们相互联系的主要工具。利用电话簿可较方便地查找受话者及电话号码,但随着交往范围扩大,利用拼音输入汉字查找多有不便。利用笔画输入,由于受键盘制约十分麻烦。声控拨号虽快捷方便,但电话号码存储量少,且受环境噪音影响分辨能力差。大家不妨利用字母、汉字混合使用的方法,存储、检索电话号码和姓名。以摩托罗拉V998、V8088系列机为例,可在存储电话号码时交替采用字母输入和汉字拼音输入法。举例如下:若存入“安文会的电话号码1390558××××”,打开电话簿用字母输入法输入音序“a”,然后用拼音输入法输入“安文会”及电话号码“1390558××××”并存储。拨号查阅 相似文献
32.
分析了五种常见电能存储(EES)系统的类型:机械存储系统、电化学储能系统、化学储能系统、电力存储系统、热存储系统,以及各自的特征.提出EES标准化应包含的重点内容,并对不同EES的主要技术特点进行概括和比较,并预测了其未来的发展方向. 相似文献
33.
简要介绍了几种虚拟总线,基于参数诊断法对采用PXI总线方式的电子对抗装备电路板故障自动测试系统的原理及流程进行了讨论,并对自动测试系统的硬件结构、软件配置及需求进行了分析。 相似文献
34.
微波消解ICP-AES法检测动物毛被中微量元素的方法研究 总被引:7,自引:1,他引:6
针对动物毛被样品的复杂基质,对样品的预处理方法进行了专门研究,利用民用微波炉代替专业微波反应器,采用微波加热技术,利用试剂的不同特点,分别对试剂硝酸、过氧化氢、盐酸和水的配比及试液体积进行试验,对不同的反应功率和反应进行所需的时间都进行了条件试验的研究,优化实验条件,确定选择HNO3-H2O2-HCl-H2O酸溶体系,四种试剂配比为8∶1∶1∶5,输出功率360 W条件下加热5 min,进行试样密闭消解处理动物毛被样品,采用标准溶液基体匹配法消除动物毛被样品复杂的基体干扰,利用电感耦合等离子体原子发射光谱分析技术,同时检测18个动物毛被样品的常量和微量元素。该方法经国家人发标准物质GBW07601验证,测得方法相对误差在0.83%~9.59%之间,相对标准偏差在0.81%~5.20%之间,该方法的检出限、精密度和准确度各项检测指标在动物毛被实际样品分析中得到验证,均能满足生物样品检测要求。 相似文献
35.
36.
37.
采用巯基/偶氮二异丁腈(AIBN)表面引发体系,实现了甲基丙烯酸缩水甘油酯(GMA)在微米级硅胶微粒表面的引发接枝聚合,制得接枝微粒PGMA/SiO2;然后使接枝大分子PGMA的环氧基团与间二氨基苯磺酸钠(SAS)分子中的对位氨基发生开环反应,将苯磺酸钠基团键合在接枝大分子侧链,制得苯磺酸盐功能化的接枝微粒SAS-PGMA/SiO2。 在对功能微粒SAS-PGMA/SiO2与苦参碱分子间的相互作用进行考察研究的基础上,以戊二醛为交联剂,实施了苦参碱分子的表面印迹,制备了苦参碱分子表面印迹材料MIP-SASP/SiO2。 实验结果表明,在近中性溶液中,功能接枝微粒SAS-PGMA/SiO2与苦参碱分子间存在静电相互作用,以此为基础所设计与制备的表面印迹材料MIP-SASP/SiO2对苦参碱分子具有特异的识别选择性与优良的结合亲和性。 相对于对照物金雀化碱而言,该印迹材料对苦参碱的识别选择性系数为10.7。 相似文献
38.
电化学沉积法制备金(核)-铜(壳)纳米粒子阵列 总被引:2,自引:0,他引:2
以组装在有机分子自组装膜/金基底电极上的Au纳米粒子阵列为电化学沉积模板,制备了金(核)-铜 (壳)纳米粒子阵列.选用巯基十一胺(AUDT)和巯基癸烷(DT)混合自组装膜作为基底电极与Au纳米粒子的耦联层,可以在一定的电位下实现金属Cu在Au纳米粒子上的选择性沉积.将沉积电位控制在-0.03 V(vs SCE)时,沉积初期(t ≤ 15 s,沉积粒子粒径 ≤ 20 nm )金(核)-铜 (壳)粒子具有良好的单分散性和近似球形,而且粒径实验值同计算值非常吻合. 相似文献
39.
应用柠檬酸法和Pechini法[1],通过控制pH值对反应的前驱体进行处理,经高温烧结获得不同粒度和微结构的Eu∶CaWO4纳米材料。利用XRD,TEM,HRTEM及漫散射荧光光谱表征了晶体结构、微结构和光谱特征以及晶体形态变化。分解罗丹明实验发现所得纳米材料具有良好的光催化效应。 相似文献
40.
针对雷达邻近多目标跟踪问题,提出了一种基于变分推断的联合概率数据关联算法(Joint Probability Data Association,JPDA)。通过建立关于目标状态和两个关联指示的概率图模型,并根据不同变量之间的信息传递构造对应的自由能目标函数,迭代该目标函数求解出目标和当前检测量测之间的最佳边缘关联概率。将所提算法与经典JPDA和k 近邻联合概率数据关联(k Nearest Neighbor-Joint Probability Data Association,kNN-JPDA) 算法进行对比,结果表明新算法具备更高的跟踪位置精度,并且能够有效地避免因邻近目标数量增多而引起的计算上的组合爆炸问题。 相似文献