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。     

热致液晶性纤维素衍生物及其热塑性塑料复合物熔体流…

用毛细管流变仪研究了乙基纤维素（ＥＣ）有其高密度聚乙烯（ＨＤＰＥ）复合物，纤维素芳族酯（ＣＡＥ）及其聚碳酸酯（ＰＣ）复合物的剪切流变特性和机理，结果表明，ＥＣ对ＨＤＰＥ／ＥＣ复合物的粘度影响不大，而少量（５％）ＣＡＥ的加入使ＰＣ／ＣＡＥ复合物粘度大大下降，且复合物流变曲线呈现新的特征。     

日本防污染设备市场需求分析

60年代末,环境污染问题在日本日趋严重,防污染用设备的年产量全面提高,但在1977年产量却急剧下降20％。因为当时大多数工厂都已安装上了防污染系统。70年代末到80年代初的大约十年间,防污染设备年产量保持稳定,每年上下变化不大。     

钢丝绳与衬垫高速摩擦试验台数据采集系统设计

试验台测试数据采集的准确度直接关系到铜丝绳与衬垫高速摩擦学性能。为了提高铜丝绳与衬垫高速摩擦试验台数据采集的可靠性，笔者将传感器、信号采集与转换、数值计算与模拟、计算机应用等技术融为一体，开发了一套集数据采集、数据存储与串行通讯等功能于一体的数据采集系统，详细介绍了下位机硬件实现和上位机软件设计。利用该系统可以绘制速度及摩擦系数随时间的变化曲线。     

系统分布式LT码的构造

LT码是一类可现实的喷泉码,喷泉码由于其本身的特性可以克服深空通信中反馈难以实现,距离远,变时延的困难。依次介绍了在有中继传输的深空通信中适用的分布式LT码编码以及相对普通LT码编译码复杂度更低,系统开销更小的系统LT码。在此基础上提出系统的两信源分布式LT码的编码方法,并通过仿真结果验证其性能,为喷泉码在深空通信中的应用提供了一类性能优良的编码方案和建议。     

基于数据云处理的物理特征安全验证系统

与传统加密技术相比，物理层安全技术利用信道噪声实现与明文等长的密钥加密效果，窃听者即使拥有强大的破解计算能力，在没有主信道信息的前提下依然无法破译保密数据，在未来的通信系统中极有可能实现“一次一密”，为无线通信系统提供了强有力的安全保障。提出了基于数据云处理的物理特征安全验证系统，基站和合法用户可以高效获取信道信息，窃听者可凭借云服务器强大的存储及计算资源不限时地进行保密信号破译。基于此系统，设计并验证了联合预编码及人工噪声的物理层安全方案，填补了该方案原型机验证平台的空白，为验证物理层安全技术的无条件安全特性提供了有力支撑。     

深层卷积神经网络的自动调制识别方法

简述了利用深层卷积神经网络进行自动调制识别（Automatic Modulation Recognition,AMR）的进展，并结合其模型在基准数据集上的实验表明，大多数不依赖于先验知识的特征提取模型容易忽略模型参数量大、计算复杂度高的问题，因此将工作重点集中在保持高精确度的同时轻量化模型。利用多信道深度学习模型，从时间和空间的角度有效提取特征，搭建以卷积神经网络（Convolution Neural Networks,CNN）和门控循环单元（Gating Recurrent Unit,GRU）为特征提取层的深层学习框架，可以在现有高识别度模型的识别效果上有略微提升，具有高效的收敛速度，且减少了40%以上的参数体积，在训练时间和测试时间上更有优势。该方法在RadioML2016.10a数据集0 dB以上信噪比条件下的识别精度保持在90%以上。     

基于LabVIEW-USRP的人工噪声辅助MIMO通信系统仿真实验硬件平台

人工噪声作为一种物理层安全技术，与基于强计算密码学的传统通信安全机制不同，不会被快速发展的算力破解。关于人工噪声辅助多输入多输出（Multi-Input Multi-Output,MIMO）通信系统的安全性的理论研究已相当完备，但由于人工噪声深度依赖即时、准确的信道反馈，其在实际系统中的应用效果仍需通过试验进一步验证。提出了一种人工噪声辅助下的MIMO通信系统仿真实验硬件平台，并通过实验数据证明了人工噪声对合法MIMO通信系统可靠性的影响较小，且能够有效提升系统安全性。     

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。