智能电表系统中的物理层辅助认证技术

本文将物理层认证技术应用于智能电表系统中,物理层消息身份认证方案利用物理层信道响应的时空唯一性,进行发送信息的认证,其可利用物理层的同步头作为消息认证的信道响应提前源,避免了额外的开销和上层的复杂计算,同时物理层消息身份认证方案同传统的消息身份认证机制结合,在实现快速认证的同时最小化包传输开销,通过在IEEE802.15.4g标准下的分析和仿真,验证我们提出的方案可以满足智能电表实时控制的要求.     

基于结构半随机LDPC码的协同编码通信

提出了结构半随机LDPC码的编码协同方案,并对该方案在不同的源到中继信道特性下的误比特性能进行了仿真评价,结果显示该协同方案在不增加传送和接收功率的情况下,能够提供更好的性能。     

离子色谱法测定不同谷物中草甘膦残留

目的建立离子色谱法测定玉米、全麦、小米和燕麦等谷物中草甘膦残留量的方法。方法样品经水提取后采用乙酸沉淀蛋白质,经固相萃取小柱(SPE小柱)纯化,取净化液进行离子色谱分析。采用Ion Pac AS16阴离子分析柱和电导检测器,确定了以氢氧化钾(KOH)溶液作为淋洗液进行梯度洗脱、柱温30℃,淋洗液流速1.0 mL/min的优化条件。结果在0.25~5.00μg/mL浓度范围内,空白基质和4种谷物基质(玉米、全麦、小米和燕麦)草甘膦线性关系良好(r~20.999)。在2.5、5.0、10 mg/kg添加水平下,4种谷物基质(玉米、全麦、小米和燕麦)中草甘膦回收率均为80.3%~103.5%,相对标准偏差(relative standard deviation,RSD)为2.7%~4.9%(n=6),方法检出限为0.70~1.50 mg/kg(S/N=3)。结论该方法简便快速、准确度和精密度高、检出限低,适用于谷物中草甘膦的测定。     

QuEChERS-气相色谱-串联质谱测定牛奶中有机氯农药及多氯联苯的分析

建立快速测定牛奶中有机氯及多氯联苯残留量的气相色谱-串联质谱（gas chromatography-tandem mass spectrometry,GC-MS/MS）分析方法。样品经30%硫酸-甲醇预处理,正己烷提取,QuEChERS净化,GC-MS/MS测定,基质标准曲线定量。结果表明,待测物质在5～200?μg/L范围内线性关系良好,相关系数大于0.99,检出限为0.1～0.3?μg/kg,样品平均加标回收率为85.5%～115.2%,相对标准偏差小于10%（n=6）。该方法简单、准确、高效,可用于牛奶样品中有机氯及多氯联苯残留的快速筛查和定量检测。     

基于灰色数据预处理的WD-LSTM模型对乳制品质量安全风险的预测预警分析

乳制品是人们日常生活中一种重要的营养食品,为了提高对乳制品质量安全风险预测的准确性,保障乳制品质量安全,本文基于检测产品和检验数据的随机性、模糊性以及信息不完全性,将所得不同地区的乳制品检测数据通过改进的softmax公式进行等级划分,并按自然日进行分箱处理,通过风险权重等比例映射法得到风险等级,充分利用了乳制品灰色数据,对检验合格数据中的潜在风险进行挖掘。采用小波分解（Wavelet Decomposition,WD）和长短期记忆神经网络（Long Short-Term Memory,LSTM）模型结合的方式,对不同地区的乳制品检测数据进行风险预测。结果表明,该组合模型的平均准确率达97.54%,标准偏差为0.03,与经验模态分解（Empirical Mode Decomposition,EMD）-LSTM模型和有选择性重构且间隔为2的WD-LSTM模型相比准确率更高,稳定性更好,可实现对乳制品质量风险的预测和防控,能为乳制品的风险监管提供有利参考和技术支撑。