酶解法从猪气管中提取硫酸软骨素

以猪气管软骨为原料,利用二次酶解法提取硫酸软骨素,设计正交试验对酶解工艺进行优化,并测定了硫酸软骨素的纯度、含氮量、含氯化物量等主要指标.结果表明:最佳工艺组合条件为温度40℃,酶质量分数1.5％,提取时间2.5h,在此条件下平均得率达到10.98％,纯度达到85.22％.该工艺简便易行,有望为工业生产提供参考.     

微波对红法夫酵母的诱变效应的研究

利用微波诱变技术对红法夫酵母(Phaffia rhodozyma TY-Ⅰ)进行了诱变。结果表明,红法夫酵母TY-Ⅰ对微波辐照非常敏感(120s时菌株存活率只有4.67%)。在最佳处理时间100s,加盖冷却的条件下进行微波诱变、二苯胺推理筛选,最终筛选获得1株遗传稳定性良好,虾青素产量高的突变菌株TY-Ⅰ-8,虾青素含量较出发菌株提高了102.51%。     

基于自相关观测的语音信号压缩感知

本文基于压缩感知技术,根据语音信号的特点,提出了一种基于自相关特性的截断循环自相关矩阵作为观测矩阵,并在此基础上,从实用的角度出发,提出了基于模板匹配的近似截断循环自相关矩阵作为观测矩阵,并证明其满足RIP特性。由语音信号与截断循环自相关矩阵、近似截断循环自相关矩阵和高斯随机矩阵分别构造相应的观测,采用BP算法来重构原始语音信号。实验表明,由2个模板元素线性组合而成的近似截断循环自相关矩阵重构原始语音信号的性能与截断循环自相关矩阵的重构性能相当,且优于经典高斯随机矩阵,而且在相同的重构性能下,其压缩比远大于高斯随机观测矩阵,对语音信号的压缩性能有了明显地提高。      

分块的有序范德蒙矩阵作为压缩感知测量矩阵的研究

测量矩阵是压缩感知(Compressed Sensing, CS)的重要组成部分,确定性的测量矩阵易于硬件实现,但是重构信号的精度一般不如随机矩阵。针对这一缺点,该文提出并构造了一种新的确定性测量矩阵,称作分块的有序范德蒙矩阵。范德蒙矩阵具有线性不相关的性质,在此基础上加上分块操作和对元素进行有序排列得到的分块的有序范德蒙矩阵,实现了时域中的非均匀采样,特别适合于维数较大的自然图像信号。仿真实验表明,对于图像信号该矩阵具有远高于高斯矩阵的重构精度,可以作为实际中的测量矩阵使用。     

基于SEP3203拉力试验机嵌入式测控系统设计

针对材料试验机测控系统要求精度高,实时性好的特性,提出一种基于32位的ARM微处理器SEP3203和实时操作系统μC／OS-Ⅱ的电子万能试验机测控系统开发方案。其中,触摸屏与LCD合为一体,采用AC97＋UCBl400的工作方式来完成图形用户界面的设计;利用24位的CS5530芯片来完成数据模拟量的采集。在硬件平台基础上,选用μC／OS-Ⅱ作为控制器的操作系统,完成软件的结构化设计,通过移植μC／GUI,实现控制器的人机接口功能。     

多路高压放大器输出直流电压监测与显示系统设计

在自适应光学系统中,自适应控制器AD输出控制信号需要通过高压放大器放大成高压电驱动压电陶瓷变形镜,从而实现波前实时校正.在实际系统中,往往需要对高压放大器输出电压进行实时监测.本系统采用小体积单片机C8051F310作为控制器,采用专用电表芯片CS5460A作为核心测量芯片,实现了单板对20路0～500 V直流电压的实时监测与显示,线性度优于0.2％.     

基于NSST和CS的红外与可见光图像融合

针对红外与可见光图像需要实时融合的特点,提出一种降低算法复杂度的基于非降采样剪切波变换(Non-subsampled Shearlet Transform)和压缩感知域的红外与可见光图像融合算法。利用NSST算法对红外图像和可见光图像分别进行多尺度、多方向稀疏分解,分别得到低频系数和各带通方向子带系数。对低频子带系数采用基于目标特征的加权平均融合规则;压缩感知理论的测量矩阵采用哈达马阶快速沃尔什矩阵,对细节信息保留较多的各带通子带系数进行观测测量,得到更稀疏的各带通子带系数测量值,对此测量值采用基于区域方差选大的融合规则得到融合测量值,运用基于增广的拉格朗日乘子和交叠方向恢复算法对融合测量值进行重构得到近似精确的各带通子带融合系数,最后对低频子带融合系数和各带通方向子带融合系数执行NSST逆变换得到最终的融合图像。实验结果表明,该融合方法不仅可以保证融合清晰度,同时还可以缩短算法的运行时间。     

基于压缩感知观测序列的语音信号基音周期提取

语音信号的清浊音辨别及基音周期的提取是语音信号处理的重要组成部分。提出了一种基于压缩感知( CS)观测序列的语音基音周期提取方法,大大减少了基音周期提取的计算量。首先分析不同观测矩阵下观测序列的特征,选择了行阶梯矩阵作为所提方法的观测矩阵;然后对此观测矩阵下的观测序列做小波分解,对小波分解的低频系数采用自相关方法提取基音周期。仿真与分析表明,和传统方法比较,所提方法与传统方法基音检测准确度相当,且在语音含有高斯白噪声的条件下运行良好,但计算量仅约为传统方法的1/16。     

基于图稀疏正则化多测量向量模型的高光谱压缩感知重建

压缩感知重建是解决高光谱现有成像模式数据量大冗余度高问题的一个有效机制。针对高光谱图像的多通道特性,该文建立了高光谱压缩感知的多测量向量模型,编码端使用随机卷积算子对各通道进行快速采样,生成测量向量矩阵。解码端构建图稀疏正则化的联合重建模型,在稀疏变换域将高光谱图像分解为谱间的关联成分和差异成分,通过图结构化稀疏度量表征关联成分的空谱相关性,并约束谱间差异成分的稀疏性。进一步提出模型求解的交替方向乘子迭代算法,通过引入辅助变量与线性化技巧,使得每一子问题均存在解析解,降低了模型求解的复杂度。对多个实测数据集进行了对比实验,实验结果验证了该文模型与算法的有效性。     

1-Bit压缩感知盲重构算法

1-Bit压缩感知(CS)是压缩感知理论的一个重要分支。该领域中二进制迭代硬阈值(BIHT)算法重构精度高且一致性好,是一种有效的重构算法。该文针对BIHT算法重构过程需要信号稀疏度为先验信息的问题,提出一种稀疏度自适应二进制迭代硬阈值算法,简称为SABIHT算法。该算法修正了BIHT算法,首先通过自适应过程自动调节硬阈值参数,然后利用测试条件估计信号的稀疏度,最终实现不需要确切信号稀疏度的1-Bit压缩感知盲重构。理论分析和仿真结果表明,该算法较好地实现了未知信号稀疏度的精确重建,并且与BIHT算法相比重构精度及算法复杂度均相当。