电力线载波通信数字化进程及标准

对电力线载波通信设备在数字化发展方面作了一定的说明。同时,对数字电力线载波通信设备的分类、组成、复接技术、网管……等方面提出了自己的看法,并提供了一些数据。其目的是促进数字电力线载波通信设备的发展及有关标准的制订。     

稀土超量积累植物铁芒萁中稀土元素的赋存状态

从稀土矿区和非矿区采集的稀土超量积累植物铁芒萁的叶片分离成醚溶物、水溶物、碱溶物和残余物四个组分。用中子活化分析测定了其中稀土元素的含量 ,发现稀土元素主要存在于残余物 (果胶、半纤维素、纤维素 )中 ,而主要成份为蛋白的碱溶物中稀土含量维持较低水平 ,从而避免了大量稀土对植物正常生理功能造成影响。矿区幼叶醚溶物 (脂肪、色素、蜡等 )和碱溶物中稀土含量明显高于矿区和非矿区的成熟叶片 ,表明稀土元素很可能参与了植物的生理活动。     

无烟煤配煤炼焦试验

通过无烟煤与肥煤配合炼焦的实验室和２０ｋｇ焦炉试验表明,当翼城无烟煤和西沟肥煤的配比为６０：４０时,采用捣固装煤,所得焦炭的各项质量指标,基本达到了冶金焦的要求。     

电感耦合等离子体质谱法分析粉煤灰漂珠中稀土元素

为研究粉煤灰漂珠中稀土元素对环境的影响,减少二次污染,建立了一种压力密闭消解-电感耦合等离子体质谱法测定粉煤灰漂珠中Sc,La,Ce,Pr,Nd,Sm,Eu,Gd,Tb,Dy,Ho,Er,Tm,Yb和Lu等15种稀土元素的方法。方法用于分析国家标准物质(GBW07103)中稀土元素,结果与认定值一致;用于分析粉煤灰样品中稀土元素并做加标回收实验,加标回收率在93.9%~104.2%之间。     

离子液体催化合成香料乙酸异戊酯

冰醋酸和异戊醇在离子液体[(C2H5)3NH][HSO4]的催化作用下,合成香料乙酸异戊酯.通过正交试验优化反应条件,考察反应时间、反应温度、醇酸摩尔比、离子液体用量4个因素对产率的影响.优化的最佳反应条件为:冰醋酸0.02mol,反应时间4h,反应温度90℃,醇酸摩尔比0.9∶1,离子液体用量2g,产率达到78.1％.离子液体可循环使用4次,催化活性基本不变.     

黑青稞的营养价值与产品开发分析与展望

黑青稞是青稞的一种,为青藏高原特有作物。随着人们追求营养健康饮食,黑青稞的营养价值和降血糖、降血脂的保健功效愈来愈受到关注。系统地总结与分析了黑青稞的营养成分、主要功能成分及产品开发方向,并对其发展前景进行展望,旨在为黑青稞产业的高质量发展提供一定的参考。     

摄像机灵敏度/最低照度知多少

作为一种电子设备，如果按照“黑盒子”的观点来看，摄像机可以大略认为是一个将“光影”转换为“电子信号”的“光／电转换器”，接受到输入的光线，就可以输出视频电引言号。下面，就摄像机灵敏度/最低照度有关可能存在于安防监控工作者心中的部分问题，从“概念描述”和“相关问答”两方面来进行探讨，供大家参考。[编者按]     

双级G—M型制冷机运行参数对制冷机性能影响研究

在建立了一套使用电磁阀控制G－M型制冷机进，排气的软，硬件控制系统的基础上，成功地控制了双级G－M型制冷机的进，排气动作。在实验的基础上指出，对于G－M型制冷机而言，存在一定的最佳进，排气角度，这个最佳的进，排气角度对于不同的制冷机而言是不同的。并且制冷机性能受频率变化的影响也是非常大的。文章对此进行了初步的分析，为制冷机的理论分析和设计计算提供了有力的实验依据。     

人脸识别中基于系数相似性的字典学习算法

在现有的基于稀疏表示分类算法的人脸识别中,使用通过稀疏学习得到的精简字典可以提高识别速度和精确度。metaface学习(Metaface Learning,MFL)算法在字典学习过程中没有考虑同类样本稀疏编码系数之间具有相似性的特点。为了利用这一信息来提高字典的区分性,提出了一种基于系数相似性的metaface学习(Coefficient-Simi-larity-based Metaface earning,CS-MFL)算法。CS-MFL算法的学习过程中,在更新稀疏表示系数阶段加入同类训练样本稀疏编码系数相似的约束项。为了求解包含系数相似性约束的新的最优化问题,将目标函数中的两个l2范数约束项进行合并,将原问题转化为典型l₂- l1问题进行求解。在不同的人脸库上进行实验,结果表明,提出的CS-MFL算法能够获得比MFL算法更高的识别率,说明由CS-MFL算法学习得到的字典更高效且更具区分性。     

采用低秩与加权稀疏分解的视频前景检测算法

传统的鲁棒主成分分析模型能较好地解决视频前景检测问题.但是,若该模型的假设条件不能满足,算法性能会变差.针对此问题,本文提出了一种低秩与加权稀疏分解模型,通过对前景矩阵加权以增强其稀疏性.在建立加权矩阵的过程中,采用光流法获取每帧的运动矢量,以区分真实运动区域.其次,进一步提出一种增强模型,通过将加权矩阵作用于观测矩阵及背景矩阵,防止前景与背景的错误分离.实验结果表明,在无噪和有噪的情况下,提出的算法均能有效地分离监控视频中的前景和背景.