简介:采用高温固相法合成系列Eu^2+掺杂的单一基质的白光荧光粉(Sr_(0.95)Mg_(0.05))_3(PO_4)_2.该荧光粉可有效被270~390nm的紫外光激发,激发波长范围与紫外LED芯片相匹配.在激发波长为350nm时,发射光谱中有两个发射峰,峰值分别位于410nm和570nm,对应于Eu^2+的4f65d1→4f7跃迁,是Eu^2+占据了基质中Sr~(2+)的十配位和六配位的两种不同的格位后,形成的两个发光中心.当Eu^2+的掺杂浓度为1mol%时,具有最大的发光强度,继续增加Eu^2+的浓度后,会出现浓度猝灭现象.通过将Eu^2+的掺杂浓度从0到0.01,可以使该荧光粉的CIE色坐标从(0.2595,0.1987)的蓝光区域逐渐移动到(0.3245,03133)的白光区域.基于实验结果和理论分析计算表明,这种荧光粉是一种潜在的用近紫外光激发产生白光LED的荧光粉.
简介:为了能够对鱼塘、河流的水质进行长时间的在线监测,本文设计了一款在线式多参数水质监测系统.该系统具有灵活多变的传感器接入能力及数据融合性能,可以实时跟踪水质参数的变化、追踪污染源、辅助渔民养殖.系统以STM32F103为核心处理器,包括传感器及数据处理电路,通过RS485/MODBUS协议与PC进行通讯.采集的水质参数包括温度、pH、ORP、电导率、水位等五个常用基本参数.
简介:基于菰黑粉菌全基因组测序结果及其酵母型和菌丝型转录组差异化表达数据库,结合RACE技术克隆获得一个长度为7625bp的基因,其中编码序列为5874bp,无内含子.结构及聚类分析结果表明该基因编码的MAPKKK蛋白激酶,属于Hogl信号途径,与大麦坚黑粉菌中的Ssk2亲缘关系最近.表达分析结果显示:UeSsk2在菌丝诱导形成过程中持续上调表达,而在生长受到抑制的菌丝细胞中其表达无显著变化或受到抑制,表明UeSsk2与菌丝形成具有相关性.同时,经生物传感器进行的蛋白互作检测结果表明,UeSsk2与前期发现的UeMkkl不存在蛋白互作关系,表明该蛋白参与其他MAPK途径来影响菌丝形成及生长.
简介:实验通过高温固相法合成了不同气氛条件下的BaZn2(BO3)2荧光粉.在空气气氛条件下制备的BaZn_2(BO_3)_2样品,发射黄色的荧光,峰位在543nm处,这是由颗粒中单个带负电荷的氧填隙离子O-i中心捕获价带上的光生空穴,与导带上落下的光生电子辐射复合产生的.在氮氢还原气氛条件下的BaZn_2(BO_3)_2样品,发射绿色的荧光,峰位在500nm处,这是由于在颗粒中光生电子经过无辐射跃迁,落入被单一电离的氧空位缺陷V*o,再由缺陷回到靠近价带,与光生空穴复合产生可见光的发射.BaZn_2(BO_3)_2荧光粉紫外波段有很强的吸收,并且荧光衰减寿命和稀土元素掺杂的荧光粉寿命相当.因此BaZn_2(BO_3)_2荧光粉在用于白光LED时,将会具有广泛的应用前景与潜在的商业价值.
简介:由于Newman有理算子对|x|逼近效果较好,所以考虑利用Newman-α型有理算子对|x|~α进行逼近.构造Newman-α型有理算子,讨论Newman-α算子在Chebyshev结点组下逼近|x|~α的收敛速度,最后得到精确的逼近阶为O(1/(n~αlogn)).该结果包含了α=1时的情形.
简介:在FPGA进行硬件加速的基础上,采用10位的高速A/D转换器设计并实现了采样率5Gsps(Gigabitsamplespersecond)、带宽2GHz的宽带数字接收机的硬件实物原型.在所设计的硬件平台上,完成了FPGA硬件加速的FFT算法实现和超分辨率的信号检测算法实现,进而提高了接收机在接收多个信号时的瞬时动态范围(IDR).该设计较之前代在集成度、功耗、体积和动态性能等方面均有显著提升.经实验验证,在高达2GHz的频率范围内,接收机同时接收两个信号时,通过硬件加速的4096点FFT计算,其瞬时动态范围最大可达52dB.
简介:利用R-1-苯基乙基异氰酸酯对β-环糊精键合固定相进行衍生,合成了R-1-苯基乙基氨基甲酸酯-β-环糊精手性固定相,填充后在反相条件下考察其对氢化安息香、安息香和α-苯乙醇的手性拆分,探讨了流动相中乙腈含量、缓冲盐类型等对手性拆分的影响。氢化安息香获得了基线分离,分离因子可达1.214,安息香得到了部分分离,α-苯乙醇未能拆开。结合线性溶剂强度(LSS)模型和计量置换理论(SDM—R)对色谱保留机理进行了探讨,认为水分子和乙腈分子一起参与了溶质的置换。
简介:针对单一特征步态识别率低的问题,提出一种将步态能量图(GaitEnergyImage,GEI)中动态部分和Gabor小波特征融合的步态识别算法.首先,通过运动目标检测及二值化和形态学处理等预处理操作得到步态轮廓图,再进一步从步态轮廓图计算得到步态能量图,并从中分割出动态部分.然后,利用Gabor小波从步态能量图的动态部分中提取不同角度的信息,将两步态特征融合在一起,对融合后得到的特征向量用改进的KPCA方法进行降维.最后,将降维后的融合特征向量输入到基于多分类的支持向量机(SupportVectorMachine,SVM)中,从而完成步态的分类和识别.经过在中国科学院自动化研究所CASIA步态数据库上进行实验,取得了很好的识别效果,实验结果表明,与单一特征的步态识别方法相比,融合后算法的识别率提高了约10%.