中药石韦中黄酮类化合物的含量及抗氧化活性研究

目的:对中药石韦中黄酮类化合物进行分离纯化,并对分离纯化后的不同极性的黄酮类成分进行体外抗氧化活性研究。方法:利用超声法提取中药石韦中的黄酮类成分,用乙酸乙酯和正丁醇反复萃取后,将乙酸乙酯萃取液(S_1)用聚酰胺柱分离纯化,分别用体积分数30%、50%、75%乙醇溶液进行洗脱,蒸干后得到3个样品S_2、S_3、S_4(正丁醇萃取液得到的样品记为S_5)。对所得样品进行体外抗氧化活性分析。结果:黄酮类化合物含量:S_4S_1S_5S_3S_2;体外抗氧化活性:S_4S_5S_3S_2。结论:中药石韦中黄酮类化合物有较好的抗氧化活性。其中,75%乙醇洗脱的样品(S_4)黄酮类化合物含量最高,且抗氧化活性最好。说明中药石韦中的黄酮类化合物有较好的抗氧化活性。     

S 波段上下变频器的设计

本文设计了S波段上下变频器的设计,基于ADF4113芯片研制了频率合成器锁相源,中频AGC增益放大器,设计了S波段同轴腔滤波器。并对接收机双通道的幅频特性和相频特性以及通道平衡度进行了测试。给出测试结果,杂散抑制-70dBc(500MHz带内),相位噪声-80dBc/Hz@1kHz,50dB的AGC放大器动态范围,验证了该方案的可行性。     

热收缩包装技术在大型煤矿机械出口包装中的应用

首先介绍了拉伸缠绕包装技术在大型煤矿机械出II包装中存在的问题,然后简单介绍了热收缩包装技术及其特点,给出了大型煤矿机械热收缩包装的具体步骤,最后对热收缩包装技术在煤矿机械出口包装应用的发展前景进行了展望。     

基于直接数据域方法的自适应多波束形成算法

提出一种基于直接数据域最小二乘方法的自适应多波束形成算法,包括前向计算、后向计算和前一后向计算.利用天线阵元输出复电压的单快拍数据构建矩阵方程,采用共轭梯度法求解得到阵列的自适应权值向量,从而在所有期望信号方向形成接收波束,同时在各干扰方向形成深零陷,使信干噪比显著提高.由于只需对单快拍数据进行处理,并且避免了样本协方差矩阵的构造及矩阵求逆运算,故计算复杂度较传统算法低.仿真结果表明,算法具有良好的期望信号恢复和干扰置零性能.因此,可适用于卫星通信和移动通信等领域的实时性处理.     

基于直接数据域方法的快速波达方向估计算法

提出一种基于直接数据域方法的快速波达方向估计算法,该法仅采用阵元输出电压的极少数快拍数据即完成对相干与非相干入射信号的波达方向估计.首先根据直接数据域最小二乘思想构造矩阵方程,采用共轭梯度法求得各观察方向的输出功率,然后得到方向谱.最后利用输出功率粗估和方向谱细估,从而确定入射信号的波达方向.它无需构造协方差矩阵及进行矩阵求逆,又避免了复杂度较高的广义特征值分解.仿真结果证实了算法的估计性能以及相对传统算法所体现出的优越性.     

电台识别的云模型算法研究

时频域的电台识别较多利用频率稳定度作为特征,但在采集环境和设备噪声的限制下,频率估计精度难以提高,影响电台的识别率。本文在分析瞬时频率的概率分布函数的基础上,结合云模型分类器,提出了改进相位拟合的方法。首先将经过预处理的数据进行相位拟合,得到短时频率估计值,然后利用估计值建立正态云,最后转化为隶属度进行分类识别。这种方法淡化了非彼即此的硬判分类,弥补了分类过程中对特征的模糊性和随机性的忽视。仿真实验和实际电台实验验证了在算法运算代价基本相同的情况下,识别率有了较大的提高,最高的平均识别率达到了97%。      

铁皮石斛不同部位多糖含量及其抗氧化活性研究

目的测定铁皮石斛茎、叶、花中多糖含量,并对多糖的体外抗氧化活性进行比较,为更充分地开发利用铁皮石斛资源提供实验依据。方法采用苯酚-硫酸法测定铁皮石斛不同部位多糖含量,分别采用DPPH自由基清除法、羟基自由基清除法和超氧阴离子清除法测定铁皮石斛不同部位多糖的体外抗氧化活性。结果铁皮石斛茎、叶、花中多糖含量分别为34.61%,23.51%,13.47%。茎多糖对DPPH自由基的清除率最高,达87.41%;叶中多糖对羟基自由基的清除率最高,达85.39%;茎、叶、花中多糖对超氧阴离子的清除率均不高。结论铁皮石斛茎、叶、花多糖含量丰富,其多糖有良好的抗氧化活性,具有一定的开发价值。     

基于电磁环境大数据的智能基站布设方法

基站选址优化问题是移动通信中的研究热点,一个好的基站选址方案不仅能够节约资源,而且可以提高用户的通信体验.然而,基站布设常面对的是一个多参数、多约束、非线性的复杂问题,难以通过传统的优化方法进行求解.本文提出一种基于大数据的智能基站布设方法,根据实测电磁环境大数据构建基于深度学习的电波传播模型,使传播模型更加精确;采用...     

基于混合遗传算法的唯相位直接数据域算法

提出一种基于混合遗传算法的唯相位直接数据域最小二乘算法.通过采用标准遗传算法与Neider-Mead单纯形法相结合的混合遗传算法,提高了优化效率和运算速度.首先根据标准直接数据域算法推导得出目标函数,继而将目标函数作为适应度函数,将所有自适应权值的未知相位作为决策变量,通过混合遗传算法进行非线性优化,从而求得各个自适应权值的优化解.作为一种唯相位自适应算法,它在硬件实现上比传统算法更具简单性.同时,它只对单快拍数据进行处理,避免了样本协方差矩阵的构造以及矩阵求逆运算,更适合于实时处理.仿真结果表明,算法具有良好的信号恢复和干扰置零性能,比基于非线性其轭梯度法的唯相位直接数据域算法性能更优.