氟离子选择电极微量测定有机磷化合物中氟

本文报道了用氟离子选择电极法测定有机磷化合物中的氟,对试样称量、Ec_L—Ec_H以及氟离子标准溶液的配制等进行了探讨和研究,方法简便、快速、准确,与其他方法相比结果满意,误差一般小于±0.5％。     

有机化合物中氟的微量测定——氟离子电极标准加入法的应用

有机化合物中氟的微量测定长期以来沿用容量法,其缺点是不符合化学计量和滴定终点不明显。氟离子电极用于有机化合物中氟的测定方法近年来已有一些文献介绍,一般首先将有机氟化物经燃烧分解转化成氟离子,然后应用氟离子电极以电位滴定法或直接电位法进行测定。但这两种方法,或手续繁复,或因磷、砷元素的干扰等因素影响了分析结果的准确度。我们针对上述缺点,建立一种用石英燃烧瓶分解样品和以氟离子电极标准加入法相结合的测定方法。含氟有机样品经燃烧分解后不必转移,即可在分解样品的石英瓶中测得标准氟离子溶液加入前后的     

一种深度学习稀疏单快拍DOA估计方法

基于信号的稀疏特性,稀疏恢复（Sparse Recovery,SR）方法可利用单快拍数据进行相关信号源的高分辨波达方向（Direction of Arrival,DOA）估计。然而,现有SR-DOA模型求解方法存在参数设置困难、运算复杂度高或精度有待提高等问题,实际应用受限。针对上述问题,本文提出平滑L0网络（Smoothed L0 Net,SL0-Net）方法,将基于模型驱动SL0算法和基于数据驱动的深度学习方法相结合,用于SR-DOA模型的求解。首先,建立DOA估计的SR模型,并对用于求解该模型的SL0算法进行分析。然后,根据深度学习框架构建SL0-Net,并基于充足完备的数据集对其网络参数进行训练。最后,利用训练得到的SL0-Net对SR-DOA模型进行求解,获得DOA高分辨估计。仿真结果表明,与现有典型算法相比,所提SL0-Net更适于信号源数目未知条件下的快速高分辨DOA估计。     

有机硅化合物中硅的原子吸收分光光度法测定

本文提供了一个简便、快速测定有机硅化合物中硅的方法。用氧瓶法分解试样(2-3 mg),用氢氧化钠和过氧化氢溶液为吸收液。样品溶解后,置于90℃水浴上加热半小时。冷却后,选择最佳原子化条件,用氧化亚氮/乙炔焰,采用标准加入法测定之。实验结果表明,对标准硅酸钠(Na_2SiO_3·9H_2O)中硅的测定,回收率为98.00～102.5％。吸收液氢氧化钠浓度为3N和6N时,对硅的定量测定均无影响,测定样品的相对误差<0.5％。     

长碳链季铵化合物的结构对PVC 膜BF_4~-根离子选择电极性能的影响

前文首次报导了以三庚基十二烷基季铵为活性物质的PVC膜BF_4~-根离子选择电极的研制及活性物质的制备和性质。为了进一步研究长碳链季铵化合物的结构与BF_4~-根离子选择电极的性能之关系,我们制备了一系列新的长碳链季铵化合物,观察了碳链长度和季铵离子的对称与不对称性结构跟电极的线性响应范围、检测下限和主要干扰离子的选择性系数的关系。实验试剂:1.四(十二烷基)碘化季铵,(C_(12)H_(25))_4NI,2.三辛基十六烷基碘化季铵,(C_8H_(17))_3NC_(16)H_(33)I,3,三辛基十二烷基碘化季铵(C_8H_(17))_3C_(12)H_(25)I,4.三庚基十二烷基碘化