对固体圆二色光谱测试方法的再认识——兼谈“浓度效应”

对近期发展的固体圆二色(CD)光谱测试方法进行了概述、评价和比较, 着重探讨了“浓度效应”的存在使固体CD光谱失真的原因. 通过对本课题组和其他作者已报道的四种化合物的固体CD谱再测试的反思, 强调了依手性化合物的手性光谱学性质不同, 根据浓度梯度实验选择其合适测试浓度的必要性. 对固有手性的阻转异构化合物(S)-1,1'-联二萘酚(S-BINOL)进行了成膜法固体CD谱浓度梯度测试, 发现所得固体薄膜CD谱中也存在着“浓度效应”     

对固体圆二色光谱测试方法的再认识——兼谈“浓度效应”

对近期发展的固体圆二色(CD)光谱测试方法进行了概述、评价和比较, 着重探讨了“浓度效应”的存在使固体CD光谱失真的原因. 通过对本课题组和其他作者已报道的四种化合物的固体CD谱再测试的反思, 强调了依手性化合物的手性光谱学性质不同, 根据浓度梯度实验选择其合适测试浓度的必要性. 对固有手性的阻转异构化合物(S)-1,1'-联二萘酚(S-BINOL)进行了成膜法固体CD谱浓度梯度测试, 发现所得固体薄膜CD谱中也存在着“浓度效应”     

V型啁啾调频单脉冲激光测速测距方法与实现EI北大核心CSCD

为实现雷达远距离动目标实时跟踪探测,单脉冲线性调频脉冲压缩算法和V型啁啾调频脉冲压缩算法为快速获得运动目标的距离速度信息提供算法基础。结合脉冲压缩算法优势以及两种波形脉压算法的弊端,利用V型啁啾调频脉冲发射波形,提出采用三角调频滤波处理方法,以解决目标的距离、径向速度值及速度方向信息同时获取的难题,为单脉冲实现速度矢量信息的隐蔽探测提供解决方案。通过搭建脉冲激光相干测量实验平台,在接收镜头后连接17.618 km延迟光纤以延长目标往返距离,对转速从−3.67~3.67 m/s的转盘进行速度距离测量。在40 MHz调制带宽,4.096μs调制脉宽,2.5 GS/s采样率条件下成功实现单脉冲距离速度多维信息获取,并对测速准确性进行评估,距离测量精度达到0.33 m,速度测量精度为0.061 m/s。     

配电网数据清洗技术研究

自国家智能电网通信系统建立以来,数据库中存储着海量的原始数据,比如：智能设备运行的配置信息、报警记录、运行和检修维护等管理数据。这样的大数据中蕴含着重要的电网安全、智能管理和营销方案等信息。如果将这样的“哑巴数据”可以通过通信网络接口进行链接,通过制造商服务器网络获取数据通信接口信息,由此进行数据的整合、清洗,就能保证设备的相关数据资源不仅是准确的,而且是完整又可靠的。这样数据的质量和精度就比较好,数据分析就更准确,价值更高。     

基于太赫兹时域光谱技术的农药残留检测方法

太赫兹时域光谱(THz-TDS)技术是近年来涌现出来的崭新的光谱测量新技术.本研究提出了一种基于THz-TDS技术农药残留检测方法,并以灭多威和乙氧氟草醚两种农药作为实验介质证明此方法的可行性.应用太赫兹时域光谱系统测得了这两种农药的时域光谱信号,利用基于菲涅尔公式的数据处理模型得到了它们在THz波段的折射率谱和吸收系数谱.从实验结果可以看出两种农药在0.2~2.0THz范围内存在明显的特征吸收峰,且差别很大.经分析认为这些吸收峰是由分子的集体振动模式以及分子间相互作用引起,它们是农药分子的指纹吸收光谱,可以应用于分子识别中.本研究证明了THz-TDS技术应用于农药残留检测的可行性,表明其在农药残留检测中具有潜在的应用价值.     

数控加工自动编程虚拟仿真实验制作思路

文章基于数控加工自动编程虚拟仿真思路,以文字、图像、表格、视频为载体,由低到高分四个阶段展开对MasterCAM自动编程的学习,通过手表壳加工的实例,论述了其具体加工工艺,给出每个工步的详细设置参数,最后仿真加工出合格的零件,总结了手表壳的工艺特点,并准备以此为蓝本制作虚拟仿真互动软件。     

基于介孔结构的上转换分子印迹荧光探针检测全氟辛烷磺酸

全氟辛烷磺酸(Perfluorooctane sulfonate,PFOS)作为环境中最典型的全氟化合物之一,具有持久性、毒性及在生物体内积累等效应。发展快速、灵敏检测环境介质中PFOS的分析方法具有重要意义。本研究以PFOS为模板分子,N,O-双(三甲基硅烷基)三氟乙酰胺为功能单体,设计合成了具有介孔结构的表面分子印迹荧光探针NH₂-UCNPs@MIPs。PFOS可通过F-F与静电相互作用与NH₂-UCNPs@MIPs结合,导致其荧光猝灭,基于此建立了水溶液中PFOS(0.01～15 nmol/L浓度范围内)的高效识别和高灵敏检测技术,并实现了在酸性和中性条件下,对环境水样和人血清基质样品中痕量PFOS的检测。本研究为复杂基质中PFOS的快速检测提供了参考。     

基于递归神经网络的语音识别快速解码算法

递归神经网络(Recurrent Neural Network, RNN)如今已经广泛用于自动语音识别(Automatic Speech Recognition, ASR)的声学建模。虽然其较传统的声学建模方法有很大优势,但相对较高的计算复杂度限制了这种神经网络的应用,特别是在实时应用场景中。由于递归神经网络采用的输入特征通常有较长的上下文,因此利用重叠信息来同时降低声学后验和令牌传递的时间复杂度成为可能。该文介绍了一种新的解码器结构,通过有规律抛弃存在重叠的帧来获得解码过程中的计算开销降低。特别地,这种方法可以直接用于原始的递归神经网络模型,只需对隐马尔可夫模型(Hidden Markov Model, HMM)结构做小的变动,这使得这种方法具有很高的灵活性。该文以时延神经网络为例验证了所提出的方法,证明该方法能够在精度损失相对较小的情况下取得2~4倍的加速比。     

谐波显著度的基频提取方法

我们提出的谐波显著度的基频提取方法,目的是从语音信号中自动获取人声基频,该方法利用抑制因子计算出基频的谐波显著度谱,对各次谐波显著度加权求和之后进行基频轨迹跟踪确定语音的基频序列。在TIMIT掺噪数据集和音乐信息检索评测2005主旋律数据集上,谐波显著度方法的准确率分别达到了88.5%和73.3%,使倍频、半频错误相对降低了80%。实验表明,基于谐波显著度的基频提取方法增强了系统的抗噪性能以及抗倍半频错误的能力。