基于蓝牙和LoRa的广区域无线电目标监测系统

随着万物互联时代的到来,物联网技术得到了普遍的推广和应用。蓝牙是一种优秀的低功耗技术,LoRa是一种性能优异的远距离通信技术,二者在其各自的领域都得到了广泛的研究和应用,然而却鲜有兼顾二者特点的结合研究。针对野外高原鼠兔监测这一广区域目标监测场景,本文基于蓝牙和LoRa提出了一种广区域无线电目标监测系统,突破了续航和通信距离方面的瓶颈,具有低成本、低功耗等特点。     

山药主要功能因子及山药酒发酵技术研究进展

山药是一种具有营养保健功能,富含淀粉的食药材。对山药中主要活性物质的提取与分离纯化方法、药理作用及山药酒的发酵技术进行了综述,并对山药的发展前景做了展望。     

基于递归神经网络的LS-SVM硬件实现与实验研究

在标准支持向量机(SVM)学习神经网络的基础上,将最小二乘支持向量机(LS-SVM)与递归神经网络相结合, 提出一种新的最小二乘支持向量机学习神经网络.该网络直接采用Lagrange乘子进行训练,消除了标准SVM神经网络中的线性部分,可用于进行分类和回归学习.并且其拓扑结构更适合于用简单的硬件模拟电路实现.对两种网络的稳定性进行了证明,并设计了相应的硬件电路,最后通过Simulink、Pspice仿真和硬件电路实验证明了所提出的方法是有效的.     

生物统合加工嵌合纤维小体组装模块反应机制探究

为探究生物统合加工嵌合纤维小体中重组蛋白粘连模块与对接模块的分子相互作用及其对嵌合纤维小体组装效率的影响,采用酿酒酵母细胞分泌表达支架蛋白和酶分子催化模块,在胞外通过非变性蛋白凝胶电泳和等温滴定量热法测定分析二级支架蛋白、纤维素酶分别与一级支架蛋白结合时的相互作用反应。结果显示,分别连接二级支架蛋白和纤维素酶蛋白的对接模块与粘连模块的亲和力常数增大,亲和力减小,组装反应为焓变驱动的放热反应并产生氢键,证明这些蛋白分子间亲和力减小是导致二级支架蛋白与一级支架蛋白组装效率较低的主要影响因素。     

聚乙二醇在硅酸二钙表面吸附的分子动力学模拟

采用分子动力学模拟研究了在真空和水溶液环境下聚乙二醇在β-2CaO·SiO₂表面吸附的规律及其机理。在真空环境下聚乙二醇与β-2CaO·SiO₂不同晶面的吸附强弱顺序依次为:(110)>(010)>(011)>(001)≈(101)>(100);而在水溶液环境下其吸附强弱顺序为:(010)≈(110)≈(001)>(011)>(101)>(100)。真空和水溶液环境下在343～363 K时温度对聚乙二醇与β-2CaO·SiO₂(110)晶面相互作用时的单位面积吸附能影响不大,但当在聚合物链节数较小时单位面积吸附能随链节数的增加而明显增加。在水溶液的环境中,分别构造了β-2CaO·SiO₂和聚乙二醇与水分子的径向分布函数,水分子与聚合物、β-2CaO·SiO₂表面之间都存在吸附能,由于水分子较小,其对聚合物与晶面的吸附产生排斥作用,导致聚合物在水环境中与硅酸二钙晶体吸附能降低。     

β—胡萝卜素裂解温度对其裂解产物的影响

分别对β-胡萝卜素在300，400，500，600，700，800℃裂解时形成的产物进行了研究．结果表明：β-胡萝卜素高温裂解是一个十分复杂的过程，其产物为许多化合物的混合物，而且裂解的温度不同，裂解时所得到的产物也不相同．在相对较低的温度下进行裂解时，形成芳香物质的种类比较多，含量也比较高，随着裂解温度的升高，这些芳香物质的含量逐渐减少；到600℃时，β-紫罗兰酮和二氢猕猴桃内酯已完全消失，取而代之的是，茶、蒽和菲等稠环化合物的含量迅速增加；到800℃时，产物基本上是苯、甲苯、二甲苯、乙基苯等芳环化合物以及萘、蒽和菲等稠环化合物。     

施耐德电气Quantum PLC在空气预器热点检测系统中的应用

空气预热器是火力发电机组重要的换热设备。由于燃料的不完全燃烧以及低负荷或停炉后空预器内气体流速低造成散热条件变差等原因会引起空预器的再燃烧事故。本文介绍了基于施奈德电气Quantum PLC的电站锅炉空气预热器热点检测系统的主要内容。目前以施奈德电气PLC为主控制器的国内外用户已达64家,施奈德电气可靠的产品质量、友好的用户开发环境以及较高的性价比得到了用户的认可和肯定。     

基于支持向量机的非线性离散动力学系统控制

提出了一种用支持向量机辨识系统状态空间模型的非线性离散动力学系统控制新方法. 在本方法中, 采用最小二乘支持向量机在每一个工作点辨识非线性系统的局部最优线性化模型. 针对该模型, 采用常规的线性控制方法在每个工作点设计局部线性控制器, 并在整个控制任务的每个工作点重复此设计过程.用该方法对两个典型的非线性离散系统采用极点配置技术进行了仿真验证, 结果显示系统对参考输入具有满意的跟踪性能, 证明该方法是有效和可行的.     

基于子网络级联式混合信息流的显著性检测

针对现有显著性检测算法在复杂场景下细节特征丢失的问题,本文提出了一种多层子网络级联式混合信息流的融合方法。首先使用FCNs骨干网络学习多尺度特征。然后通过多层子网络分层挖掘构建级联式网络框架,充分利用各层次特征的上下文信息,将检测与分割任务联合处理,采用混合信息流方式集成多尺度特性,逐步学习更具有辨别能力的特征信息。最后,嵌入注意力机制将显著性特征作为掩码有效地补偿深层语义信息,进一步区分前景和杂乱的背景。在6个公开数据集上与现有的9种算法进行对比分析,经实验验证,本文算法运行速度可达20.76帧/秒,并且实验结果在5个评价指标上普遍达到最优,即使对于挑战性很强的全新数据集SOC。本文方法明显优于经典的算法,其测试结果F-measure提升了1.96%,加权F-measure提升了3.53%,S-measure提升了0.94%,E-measure提升了0.26%。实验结果表明,提出的模型有效提高了显著性检测的正确率,能够适用于各种复杂的环境。     

基于分块奇异值分解的两级图像去噪算法

为了更有效地进行图像去噪, 提出了一种基于分块奇异值分解(Singular value decomposition, SVD) 的两级图像去噪方法, 该方法首先将含噪图像中具有相似结构的图像块组织成具有很强相关性的图像块组; 然后, 利用二维奇异值分解去除图像块组中每个相似块的内部相关性, 利用一维奇异值分解去除相似图像块组之间的冗余; 最后, 通过硬阈值方法收缩变换系数实现图像与噪声的有效分离. 为了进一步提高去噪效果, 对含噪图像再次进行上述操作. 不同的是, 在第二级去噪过程中,相似图像块组根据第一级估计出的图像计算获得且相似图像块间的相关性通过离散余弦变换去除. 仿真实验表明, 提出的两级图像去噪算法不仅可以较大程度地去除图像噪声, 还能有效保留图像细节, 取得了良好的去噪效果.