动物排泄物中无机砷和有机砷测定方法研究

本文建立了微波辅助提取-氢化物发生-原子荧光光谱法测定服用有机砷饲料后猪排泄粪便中的无机砷和有机砷的方法.研究了微波辅助提取的最佳条件,考察了酸介质、还原剂的选择及共存离子的干扰及消除方法.方法的检出限为0.20 μg\5L-1,相对标准偏差(RSD)为1.3%,样品加标回收率为95.2%～97.2%.     

广义非中心χ~2分布的密度函数

在多元统计分析中 ,经典样本理论向非正态样本发展时 ,椭球等高分布族理论被建立 .八十年代初期已有学者讨论了广义非中心 χ2分布的定义和分布问题 .本文导出了广义非中心 χ2分布的精确表达式 .     

高重频激光干扰参数分析

对于激光半主动制导武器，常规的角度欺骗方法有时难以有效干扰，因此高重频激光干扰技术受到了广泛重视。以干扰概率和信号强度作为研究的重点，讨论了决定干扰效果的关键参数——重复频率和干扰功率，并通过计算得到它们的数量级范围。     

近红外光谱技术在纺织布料聚类分析中的应用

以棉涤、棉氨、粘涤、棉锦、羊腈、锦涤六种纺织布料为研究对象,采集近红外光谱数据,进行一阶求导和矢量归一化预处理后,采用标准算法计算样品间的光谱距离,并利用Ward氏算法对样品进行聚类分析.试验对三种、四种、五种布料分别进行了聚类,所有不同种类的样品都得到了正确的分类,验证了近红外光谱检测法应用于纺织品聚类分析中的可行性.通过对聚类算法的分析,提出了局部回归算法在纺织品聚类分析中的应用,为进一步研究近红外光谱技术在纺织布料聚类分析中的应用提供了建议.     

宽幅长波红外高光谱扫描成像系统的设计

为了满足宽幅长波红外高光谱成像需求,基于光导型碲镉汞线列探测器和平面闪耀光栅,提出了一种在长波红外8~12.5 μm范围内具有150个连续波段、30°成像视场角、基于地面应用的低成本、轻小型高光谱扫描成像系统的设计方法。该系统由光栅扫描机构和视场扫描机构组成,两机构同步控制以实现精细分光和宽幅成像功能。推导了光栅扫描角度与探测器接收单色光的波长、视场扫描角度与成像视场角间的关系式。在分析扫描系统扫描定位精度的基础上,设计了一套以步进电机为运动核心,采用“摆扫定位+停止成像”工作模式的扫描系统。实验表明,该扫描系统可满足系统视场定位精度及分光精度的要求。获取的硅碳棒在长波红外波段的发射光谱曲线表明该系统的设计合理有效。该扫描系统的设计方法对长波红外高光谱系统的设计具有一定的指导意义。     

基于Bayes统计的蔬菜产品质量安全监控系统研究

利用中山市蔬菜产品抽样检测数据,运用Bayes统计方法,建立了蔬菜产品污染指数:并根据休哈特控制图原理,确定μ、μ+2σ、μ+3σ三条监控限,将蔬菜产品质量安全状况水平分成"优秀"、"良好"、"轻度污染"、"污染"四个监控区域,建立蔬菜产品质量安全监控图。为广大市民、政府部门、农产品市场和生产部门提供及时的蔬菜产品污染水平和质量状况信息。     

基于经验分布的条件VaR计算方法研究

本文以基于股票价格的条件收益率为出发点,研究在不能确定价格P与收益率R的联合分布类型时,利用历史数据刻画其经验条件概率分布函数,并据此测算一定价格水平下的VaR值。本文的研究重点在于如何确定能近似描述价格Pt时收益率分布特征的最佳样本数据。     

光/潮气双重固化聚氨酯涂层的制备及性能研究

以甲苯-2,4-二异氰酸酯(TDI)和二乙醇胺(DEOA)为原料一步法合成了超支化聚氨酯,对其改性制备了光固化超支化聚氨酯丙烯酸酯(HPUA)和一系列双重固化(UV/潮气)超支化聚氨酯丙烯酸酯(DHPUA),使用傅立叶红外光谱(FT-IR)、核磁共振氢谱(1H-NMR)和碳谱(13C-NMR)以及凝胶色谱(GPC)对其分子结构进行了表征.并以其为预聚物制备光固化涂层,通过对双重固化涂层的表面形貌、热性能和物理性能的研究,结果表明,超支化双重固化涂层经过潮气固化后,涂层表面的粗糙度随着树脂中硅氧烷端基的含量的增加先下降后上升;超支化双重固化涂层的物理性能和热稳定性都随着树脂中硅氧烷端基的含量的增加而提升.     

Reformatsky反应合成香豆灵衍生物中间体

香豆灵衍生物是重要的有机合成中间体,而且作为结构单元广泛存在于天然产物中,具有多种生理活性,已广泛应用于临床.因此,香豆灵药物中间体的合成备受关注.本文通过雷福尔马茨基反应合成了一系列香豆灵衍生物中间体—β-羟基羧酸酯衍生物,反应条件温和,反应迅速,产率高.     

基于改进沙漏网络的人体姿态估计模型

堆栈沙漏网络(SHN)是人体姿态估计中的代表性研究成果,但该网络忽略了关节局部信息.因此,提出了一种基于改进沙漏网络的人体姿态估计模型.首先,利用多个残差模块及步长为2的卷积层获取低层次到高层次的特征,同时随着网络层数的加深,相应调整残差模块的数目和通道数,以突出局部细节特征信息.然后,为了提取遮挡部位的纹理和形状等局部特征,融合了在线困难关键点挖掘模块.最后,采用反卷积最大化恢复原始的局部特征.实验结果表明,本模型在COCO数据集上的平均精度达到了74.6％,总参数量为1.5×107,比叠加8个SHN(8-SNH)的平均精度高5.1个百分点,且其总参数量仅为8-SNH的1/3.