光致变色螺吡喃及其防伪应用

本文详细介绍了一种光致变色螺吡喃吸收光谱检测结果,总结了其防伪应用的方法及试验结果。     

基于压缩感知的星型拓扑结构无线传感网络信号检测算法

针对星型拓扑结构无线传感网络中,不能及时地处理多个传感器节点同时采集到紧急事件并且立即向中心发送数据请求的问题,提出了一种有效的检测算法。因为同时激活的传感器节点数目相对于整个网络中传感器节点的总数来说是比较稀疏的,因此压缩感知理论能够用于这种情况的信号检测。此外,考虑到在整个传感网络,传感器节点数目非常大,因此,可采用李雅普诺夫中心极限定理估计每一个传感器节点是否被激活的状态概率,进而根据该概率估计选择可靠的支撑集元素并有效的克服误差传播的影响。最后,通过仿真实验验证本文提出算法的性能。     

大庆徐家围子断陷火山岩储集性控制因素分析

为预测大庆徐家围子断陷营城组火山岩储层有利相带的分布,对火山岩储集性的控制因素进行了分析。岩芯和薄片观察表明,原生孔隙是火山岩储集空间形成的基础,次生孔隙是储集空间的重要组成部分。通过对火山岩孔隙类型的统计,结合对岩芯物性的对比分析,发现控制火山岩储集性的主要因素有火山岩岩相、构造裂缝和酸性流体的溶蚀作用等。不整合面下方火山机构地貌突出且火山岩溶蚀强烈的部位应该成为今后重点勘探的区域。     

基于GIS室内定位和导航的电子地图设计与应用

设计室内大型场馆的定位导航电子地图是为了改变传统室外定位导航模式,方便快捷地为地图使用者提供定位和导航路径信息。引入了室内GIS矢量电子地图模型的概念和设计方法,结合网格采集图层、地理数据库、网络数据集等技术,实现了在大型场馆的定位导航功能,对同类室内定位和导航电子地图的设计与实现具有一定参考价值。     

含有未配位羧基的吡唑羧酸基镉和铜的配合物的合成、晶体结构和荧光性能

以菲咯啉和3,5-二甲基-1-羧甲基-4-吡唑甲酸为配体,合成了2个新的配合物[Cd(Hcmdpca)2(phen)(H_2O)](1)和[Cu2(Hcmdpca)2(phen)4(NO3)2]·4H_2O(2)(H2cmdpca=3,5-二甲基-1-羧甲基-4-吡唑甲酸;phen=菲咯啉),并用红外光谱、元素分析、热重分析和X射线单晶衍射结构分析等对其进行了表征。配合物1和2都属于单斜晶系,1和2的空间群分别为C2/c和P21/c。配合物1的镉离子采取七配位的方式,Hcmdpca-阴离子桥联2个镉离子形成一个双核结构;这些双核结构单元间通过分子间氢键及π-π相互作用构成一个三维的超分子结构。配合物2是一个由2个分立的单核铜配阳离子构成的独立单元,铜离子位于一个畸变的八面体构型中;这些单核铜配阳离子和硝酸根通过静电引力和分子间氢键作用,进一步形成一个三维的超分子结构,而溶剂水分子填充在该结构的空隙中。此外还考察了1和2的热稳定性和固体荧光性质。     

京津冀县域夜间灯光数据碳排放时空动态分析

为了更准确地分析京津冀县域碳排放时空分布状况,通过温度EVI调节夜间灯光城市指数(LE-RNCI)和灯光阈值分别校正DMSP-OLS和NPP-VIIRS夜间灯光数据,结合中国30个省份的碳排放统计数据,构建2000-2016年1 km像元级的碳排放模型,分析京津冀碳排放时空格局变化特征及其影响因素.结果表明:(1)一元...     

二电平PAM系统盲均衡的一种新方法

根据数字通信码间干扰的数学模型，提出了一种解决盲均衡问题的新方法，该方法计算复杂程度低，易于实现实时处理。文中给出了计算机模拟结果。     

氢化物发生ICP-AES法测定药用植物中的痕量锗

本文应用氢化物发生ＩＣＰ－ＡＥＳ法研究了药用植物样品中痕量锗的测定方法，系统地研究了ＩＣＰ－ＡＥＳ仪器参数及氢化物发生条件对锗谱线信背比的影响，考察了１３种共存元素的干扰，并比较了植物样品的３种前处理方法。选定Ｈ３ＰＯ４－ＨＮＯ３－Ｈ２Ｏ２消化，在３ｍｏｌ／ＬＨ３ＰＯ４介质中，以１５ｇ／ＬＮａＢＨ４还原，测定药用植物样品中的锗，相对标准偏差≤２．９％，回收率为９４％～１０３％。方法检出限达０．１３μｇ／Ｌ。     

抽象函数的对称性和周期性——2022年全国乙卷理科数学第12题解法研究

1 试题呈现已知函数f(x),g(x)的定义域均为R,且f(x)+g(2-x)=5,g(x)-f(x-4)=7．若y=g(x)的图象关于直线x=2对称,g(2)=4,则■．A.-21 B.-22 C.-23 D.-242 试题分析对于此类求和问题,首先应考虑分析f(x)的规律,因为我们不可能把f(1),f(2),..,f(22)都求出来．要分析f(x)的规律,就要分析f(x)的性质,这里主要分析对称性与周期性．为了分析f(x)的规律,我们尝试消去g(x)的相关表达式．     

基于粒子群优化支持向量机康复下肢外骨骼的脑电控制研究

为解决失能人群自主移动的问题,脑机接口(brain computer interface, BCI)已广泛应用于外骨骼领域,但脑电(electroencephalogram, EEG)信号因信噪比低等原因导致识别率一直难以提高。为提高基于脑机接口下肢外骨骼的信号识别率,采用粒子群优化支持向量机(particle swarm optimization-support vector machine, PSO-SVM)算法提高脑电信号识别率,取得了86.52%的脑电信号识别率。首先建立共空间模式(common spatial pattern, CSP)数学模型对脑电信号进行特征提取,随后建立基于粒子群优化的支持向量机分类模型,优化脑电信号分类关键参数,将最终的实验数据与传统的支持向量机分类方法比较,最后进行算法的验证及下肢外骨骼实验。实验结果表明：经过粒子群优化的支持向量机分类准确明显高于传统支持向量机分类。所提出粒子群优化支持向量机对脑电信号的特征识别方法可实现运动想象(motor imagery, MI)的精确识别,为脑机接口技术在康复外骨骼领域的应用提供理论基础和技术支持。