AOTF驱动器设计

为提高声光可调谐滤光器(Acousto-optic tunable filter,缩写AOTF)分光性能,文中设计基于锁相环的AOTF驱动器.采用数字锁相环频率合成器产生射频驱动信号;设计了跳频电路部分以提高不同频率驱动信号间的切换速度;加入调制级,有效的减小了0级光噪声.     

混浊液态食品介质中脂肪的近红外光学特性研究

脂肪是多数食品中含有的典型且重要的营养成分,同时从光学测量的角度分析,也是决定食品光学特性的重要组成成分。本文对混浊液态食品介质中脂肪在近红外波段的光学特性进行研究。采用牛奶作为基体通过添加稀奶油得到的样品作为复杂液态食品介质的模拟物,应用双积分球技术在10000~6000cm-1的近红外波段范围测量脂肪含量变化引起的光学特性变化。结果表明,脂肪含量的变化会使吸收系数和散射系数都发生改变,而且散射系数的变化更大。本文的工作为应用近红外光谱技术进行混浊液态食品介质的测量提供了光学上的理论指导。     

基于GGBP蛋白绑定的表面等离子共振葡萄糖浓度测量

人体糖尿病的微创检测是通过测量人体表皮组织液中的葡萄糖浓度,来预测人体血液中的葡萄糖浓度.采用表面等离子共振（SPR）技术,并使用对葡萄糖有特异性吸附的D-半乳糖/D-葡萄糖结合蛋白（GGBP）,研究组织液测试的方法.实验中针对不同的GGBP蛋白配置了不同浓度的葡萄糖溶液.将突变蛋白（E149C）,（E149C,A213S）和（E149C,A213S,L238S）分别绑定在传感器上.实验结果表明,使用不同蛋白质修饰过的表面等离子共振传感器,能够测量不同浓度范围的葡萄糖溶液,其中GGBPE149（E149C为突变位点）有最高的灵敏度,在测量葡萄糖水溶液浓度0.5mg/L～5mg/L时有较好的线性.实验结果显示了GGBP蛋白在糖尿病检测及其他人体组织成分检测领域的良好应用前景.     

近红外光谱测量中的多尺度建模新方法

近红外光谱学是近十年来发展最快、最引人注目的光谱分析技术之一,其高精度测量依赖于化学计量学方法以准确提取光谱信息.针对近红外光谱单尺度传统建模方法中存在的信息易丢失问题,发展了一种多尺度建模新方法.多尺度建模可有效协同利用信号的时/频多尺度特性,并将多尺度特性以加权形式统一映射到多元校正空间,有效避免了信息丢失.该算法成功地应用于面粉中掺杂有毒非法添加剂硼砂含量检测,经验证后模型的预测值与真实值的相关系数和预测均方根误差分别为0.974和0.0019,其预测相对误差为1.9%.研究结果表明,多尺度建模方法完全满足近红外光谱高精度测量的要求.     

基于ARM的无创心血管功能检测系统

研发了一种智能化的无创心血管参数诊断系统．该系统应用动脉弹性腔模型和血液动力学理论,可以对10个重要的心血管参数进行测量．采用了基于ARM的嵌入式系统技术,克服了目前其他同类仪器体积大、测量参数单一等缺点．详细介绍了系统的硬件构成与软件流程．为了验证系统的性能,该系统在30个人中进行了初步实验．结果证明,该仪器具有良好的准确性和稳定性,与参考仪器测量结果的相关系数可达到0．95,重复性误差最大为2．36％,所获得的参数能较好地评价心血管功能状况,系统可运用于临床诊断和家庭健康监护．     

近红外成分含量分析仪的研制

基于近红外检测技术 ,研制了近红外成分含量分析仪。该仪器的工作波段在1 1 0 0～ 1 70 0nm ,可以对样品进行定性和定量分析 ,检测过程快速、高效、环保 ,它不仅可以应用于实验室分析 ,而且适用于现场快速检测和实时在线分析 ,本文对仪器的结构、组成及性能进行阐述 ,并给出仪器稳定性和测量精度的实验验证结果     

基于ARM的便携式心血管无创检测系统

根据脉搏波信号和修正了的弹性腔分室网络模型,设计和开发了基于ARM的便携式心血管无创检测系统。介绍了传感器设计中温度补偿、信号调理、键盘以及电源管理等几个关键的问题。     

基于锁相环技术的超声测速系统研究

声速测量在食品检测领域中具有广泛的需求和应用,在讨论锁相环测速原理的基础上,设计了一种声速测量系统。结合辅助电路,改进后的锁相环路减小了捕获时间,增加了稳态相差的稳定性,提高了测量精度。实验结果表明:加入辅助电路的锁相环测速系统,测量速度快,最大误差小于0.15%,能够满足在线测量的要求。     

高精度硅微简谐振子的设计与制作工艺

介绍了MOEMS加速度地震检波器中敏感元件——简谐振子的工作和设计原理，并详细讨论了影响简谐振子腐蚀质量的因素．在实验中采用硅各向异性腐蚀法，制作出了高精度的硅微简谐振子．改进浓度配比的腐蚀液，在80℃时，腐蚀速率控制在（0.53±0.2）μm．测试结果表明：SiO2控制精度达到0.1μm，可应用于光电集成加速度地震检波器的集成光学器件中．     

不同规模数据集下的人脸识别方法

系统研究了类内变化和类数目增加所引起的人脸识别中的非线性识别问题，并比较了线性识别方法和非线性识别方法在不同用户集规模下的适用性．采用CAS-PEAL大型人脸数据库中的表情集（330人）和姿势集（1000人）进行了3组实验．实验结果表明：当训练集的人数在300人（表情集）以内时，增加类内的变化不会对线性识别方法造成影响，并可以提高识别的准确率；但是，当保持类内图片数不变而增加类的数目时，类数（人数）增加对线性方法和非线性方法产生了不同的影响．随着人数增加，线性识别方法的识别准确率逐渐降低，而基于核方法的非线性方法却能够一直保持识别准确率的稳定．因此，应该根据类的总数合理地选择识别方法，并合理地设计类内的图片数，这样有助于提高人脸识别系统的识别率．同时，实验也验证了基于核方法（kernel）的非线性人脸识别方法更适宜于人数规模较大的情况．