多角度偏振探测仪的相对辐射校正方法研究

相对辐射校正是实现多角度偏振探测仪全视场高精度辐射定标的关键技术之一。提出了一种高精度自动化的相对辐射校正方法,采用15×15个分视场扫描测量的方式,通过高精度大型二维转台和大口径积分球参考光源实现全视场的辐射响应测量;模拟在轨工作模式,规范了数据采集流程,编写数据采集软件实现了辐射响应图像数据获取;设计数据图像拼接算法和相关的数据处理方法,完成了相对辐射校正的数据处理和精度分析。数据比对分析和精度分析结果表明相对辐射校正精度在0.5%~0.8%之内。     

偏振成像仪几何定标数据处理及软件设计北大核心CSCD

偏振成像仪(DPC)是获取目标多光谱、多角度、多偏振信息的航天遥感器,它的几何定标过程特殊、复杂,需要处理庞大的数据,现有人工处理方法无法满足实时得出结果的要求。通过分析DPC的实验室几何定标原理、模型和流程,对处理软件的需求和设计框架进行讨论,研制了基于信息流的数据处理软件。该软件可对定标测试原始图像数据进行原始数据解包、图像数据识别、帧转移校正、去本底等预处理工作,并根据几何定标模型快速计算得到几何定标参数。与人工计算结果的对比验证了软件的有效性,一组数据计算的时间成本可由40min缩短至50s,满足了定标实验实时得出结果的需要。     

金微素的化学Ⅲ.金微素降解物的脱氯反应

脫二甲胺金黴素(IV),脫二甲胺脫羥金黴素(V)分别予以接觸氫化,產生脫氯脫二甲胺金黴素(VII)及脫氯脫二甲胺脫羥金黴素(VIII)。這兩種產物再分別以甲醇鹽酸處理,得到它們相當的脫水化合物:脫氯脫二甲胺脫水金黴素(X)及脫氯脫二甲胺脫羥脫水金黴素(XI)。脫水金黴素(VI)經接觸氫化。產生脫氯脫水金黴素(IX)。後者用鋅粉醋酸氫解,亦得到Ⅹ與Ⅺ。     

染料敏化增强Ho3+单带上转换红光(英文)

单带上转换红光发射在高分辨生物标记及三维彩色显示方面具有重要应用。本文针对Ho³⁺/Ce³⁺共掺杂纳米体系单带上转换红光较弱的问题,设计制备了染料(IR-806)敏化的NaYF₄∶Yb/Ho/Ce(20%/2%/10%)@NaYF₄∶Nd(20%)纳米晶,显著增强了上转换红光发射。采用溶剂热法制备了均匀的上转换纳米粒子,通过调控核内部Ce³⁺离子掺杂浓度比例(0～10%)逐步获得单带上转换红光发射。在此基础上,通过上转换纳米粒子表面连接近红外IR-806染料分子,808 nm激发下其上转换发光强度提高了约22倍,特别地,红绿荧光强度比从4.8增至8.4。结果表明,染料敏化可用于增强上转换单带红光发射,并提高红光色纯度,这有利于高清晰的生物成像应用。     

高效液相色谱测定皮革中直链烷基苯磺酸盐

采用高效液相色谱法对皮革中的直链烷基苯磺酸盐(LAS)进行测定。皮革样品采用甲醇超声波提取后浓缩至干,二氯甲烷溶解,经中性氧化铝固相萃取柱净化,浓缩至干,甲醇定容。用反相C8柱(4.6×150 mm,5μm)分离,以甲醇-10 mmol/L乙酸铵为流动相进行等度洗脱,二级管阵列检测器测定波长为225 nm。结果表明,LAS在0.5~10.0 mg/L范围内线性关系良好,相关系数大于0.999;检测限为10 mg/kg;在10~2000 mg/kg添加水平下回收率为86.1%~96.8%,RSD均不大于13%。方法适用于皮革中直链烷基苯磺酸盐的测定。     

半导体纳米催化剂的结构调控及其光还原CO2的研究进展

光催化还原CO₂为碳氢燃料常被称为人工光合成技术,是21世纪的梦幻技术之一,越来越受到研究者的重视。本文综述了作者课题组在调控半导体纳米催化剂的结构及其光催化还原CO₂为碳氢燃料的一些进展。     

自适应多值量化的亚抽样块截断编码

本文报道了一种新的活动图像编码算法,称为自适应多值量化的亚抽样块截断编码。模拟结果表明,这种新算法比现有的其它同类算法有更好的性能,压缩比为３０,信噪比为３５．４ｄＢ,图像主观质量良好,在现有个人计算机上可以用软件实时实现。     

激光测高仪中飞行时间的高精度测量方法的研究

激光测高仪是测量激光脉冲的飞行时间来获得测高仪与探测目标之间的距离,因此激光飞行时间测量的准确性是衡量其系统能力的根本指标.文中阐述了时间间隔高精度测量技术及其最新进展.介绍了传统的测量时间间隔的方法的不足,引入了插入法.并采用粗测和精测相结合的方法来满足大范围、高精度的测量需求.文中详细介绍了模拟插入法、Vernier法、延时线法以及时间数字转换法在FPGA新技术中的应用.     

基于生成对抗学习的标准rPPG信号生成

为了提高生成远程光电容积脉搏波描记法(remote Photoplethysmography,rPPG)信号的波形规律性,降低心率计算难度,提出了一种标准化rPPG的信号生成方法。将人脸视频输入到生成对抗网络的生成器中,生成器通过有标签数据进行监督训练,预测得到人脸视频中蕴含的rPPG信号。为了进一步优化生成器的预测结果,使用数学建模方法生成标准的rPPG信号,并将其与生成器预测的信号同时输入至判别器中进行对抗学习,不断优化生成器参数,使得生成器能够学习标准信号的波形分布。这样,生成器预测的信号波形在形态上更接近于真实rPPG信号的波形分布,从而有利于后续心率计算。在不同数据集上进行的实验结果表明,该方法可以显著提高预测的准确性,且拥有更高的信噪比。