|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
超聲波改變濕藻細胞分形結(jié)構(gòu)促進油脂萃取的方法
本發(fā)明涉及生物質(zhì)能利用技術(shù)，旨在提供一種超聲波改變濕藻細胞分形結(jié)構(gòu)促進油脂萃取的方法。該方法包括：收獲分形維數(shù)為1.21～1.24、細胞壁厚度為0.07～0.08μm的濕藻，然后進行超聲波輻照改性，控制超聲波輻照功率和時間使?jié)裨逯屑毎姆中尉S數(shù)上升為1.46～1.51，細胞壁厚度減小為0.04～0.06μm；向處理后的濕藻中加入萃取劑，進行油脂萃取；所述濕藻細胞是指含水率在10～90％的微藻細胞的集合體。本發(fā)明利用超聲波改變濕藻細胞分形結(jié)構(gòu)促進油脂萃取，省去了傳統(tǒng)方法中濕藻細胞的脫水干燥等高能耗步驟，通過提高藻細胞分形維數(shù)和降低細胞壁厚度，使萃取劑對細胞內(nèi)油脂的萃取效率提高到85-90％。
浙江大學(xué)
2021-04-13
.jpg){kind=logo}
基于光譜擬合與差分算法的光纖傳感動態(tài)信號解調(diào)方法
本發(fā)明公開了一種基于光譜擬合與差分算法的光纖傳感動態(tài)信 號解調(diào)方法，包括：掃描得到光譜紋波；對光譜紋波進行擬合獲得靜 態(tài)光譜；將光譜紋波與靜態(tài)光譜進行差分處理獲得差值信號；對光譜 紋波的極值點進行擬合獲得上下邊緣包絡(luò)曲線；對上下邊緣包絡(luò)曲線 進行差分處理獲得光譜變化函數(shù)，將差值信號與光譜變化函數(shù)進行歸 一化處理，獲得去包絡(luò)后差值信號，根據(jù)掃描速度和初始波長將波長 換算為時間，獲得去包絡(luò)后時域動態(tài)信號。本方法對紋波光譜及其擬 合曲線進行差分獲得動態(tài)信號，可以消除諸如溫度、濕度等環(huán)境干擾， 且恢復(fù)的動態(tài)
華中科技大學(xué)
2021-04-14
基于分形彈簧結(jié)構(gòu)的 RFID 電子標簽、射頻天線及制備方法
本發(fā)明公開了一種基于平面分形彈簧結(jié)構(gòu)的 RFID 電子標簽射頻天線，其為由多個呈分形彈簧結(jié)構(gòu)的線圈段依次首尾相連形成的閉合線圈。本發(fā)明還提供了基于所述射頻天線的 RFID 電子標簽，射頻天線附著于基板上，線圈段的彈簧伸縮方向與其處的基板區(qū)域受到的拉伸方向一致。本發(fā)明還提供了制備所述 RFID 電子標簽的方法。本發(fā)明 RFID 電子標簽在基板橫向和縱向分別布置有與基板拉伸方向一致的多級彈簧分形結(jié)構(gòu)的射頻天線，存在較大的變形冗余，能夠承受軸向和橫向拉伸與壓縮，具有很大的彎曲變形能力，從而使其可以貼在人體
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法
本發(fā)明公開了一種基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法，包括步驟：步驟 1，獲取樣本圖 像序列中各樣本圖像的圖像差分熵及不同壓縮倍數(shù)下的圖像結(jié)構(gòu)相似性；步驟 2，基于步驟 1 獲取的數(shù)據(jù)， 采用線性擬合方式構(gòu)建不同壓縮倍數(shù)下圖像差分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系，即圖像編碼質(zhì)量預(yù)測模 型；步驟 3，根據(jù)待預(yù)測圖像的圖像差分熵，采用圖像編碼質(zhì)量預(yù)測模型即可獲得待預(yù)測圖像在不同壓縮倍 數(shù)下的圖像結(jié)構(gòu)相似性。本發(fā)明簡單，高效，無需消耗較大的硬件
武漢大學(xué)
2021-04-14
.jpg){kind=logo}
基于空譜差分輔助核聯(lián)合稀疏表示的高光譜圖像分類
該成果提出了一種基于空譜差分輔助核聯(lián)合稀疏表示分類的高光譜圖像分類方法。本章方法的主要創(chuàng)新性在于：1）能夠?qū)⒐庾V的差分輔助信息和原光譜特征信息有效結(jié)合。2）能夠考慮不同光譜屬性間的高階空間相關(guān)信息。3）原空譜和差分空譜核特征字典的信息通過具有混合正則的核聯(lián)合稀疏表示分類方法得到充分利用。通過在真實高光譜圖像數(shù)據(jù)上的實驗表明，該成果提出的方法能夠有效地提高高光譜遙感圖像的分類效果。
主要技術(shù)指標
不同數(shù)據(jù)集下的訓(xùn)練樣本與測試樣本數(shù)參閱表 1. 在該訓(xùn)練樣本集數(shù)量下的分類結(jié)果表現(xiàn)參見表 2. 相比于傳統(tǒng)分類器 SVM，OA 提高了約 20%；相比于 SOMP，OA 提高了約20%。
該成果無需使用 GPU 資源在保證精度的同時有效提升了分類的精度和效果，同時在較少訓(xùn)練樣本條件下仍能得到較好的分類精度和分類效果。
表 1. 不同數(shù)據(jù)集下的訓(xùn)練樣本選取數(shù)量
表 2. PaviaU 大學(xué)數(shù)據(jù)下不同方法的正確率比較
西安電子科技大學(xué)
2023-03-22
一種低噪聲差分前置放大電路及放大器
本發(fā)明公開了一種低噪聲差分前置放大電路及放大器，低噪聲差分前置放大電路采用差分輸入輸出電路，對整體電路的噪聲性能起主導(dǎo)作用。由 Q1、Q2、Q3、Q4 四個并聯(lián)的 NPN 型晶體管對管和 Q5組成共射—共基放大電路。在 Q1、Q2、Q3、Q4 的基極引入無噪聲偏置電路。由電阻 R11、R16 和電容 C5 組成的電路為 Q5 提供基極偏置電壓。儀用放大器 U1、U2 對差分信號進行放大。通過電阻 R2L(R2R)和
華中科技大學(xué)
2021-04-14
一種電容分壓器的誤差測量方法、系統(tǒng)及應(yīng)用
本發(fā)明提供一種電容分壓器的誤差校驗方法，通過測量其比差 和角差實現(xiàn)對該電容分壓器的誤差校驗，其特征在于，該方法具體步 驟為：將被測高電壓由標準電壓互感器變?yōu)檫m于數(shù)據(jù)采集的第一低電 壓（U1）；將被測的電容分壓器（4）所分出的電壓轉(zhuǎn)換為適合于數(shù)據(jù) 采集的第二低電壓（U2）；將所述第一低電壓（U1）和第二低電壓（U2） 同時送入信號處理電路進行模擬和數(shù)字信號處理，獲得比差和角差， 即可完成誤差校驗。本發(fā)明還公開一種誤差校驗系統(tǒng)以及其在電子式 互感器中的應(yīng)用。本發(fā)明的方法和系統(tǒng)可以對電容分壓器的比差和角
華中科技大學(xué)
2021-04-14
一種基于多尺度梯度差分熵的圖像質(zhì)量評價方法
本發(fā)明公開了一種基于多尺度梯度差分熵的圖像質(zhì)量評價方法，包括如下步驟：步驟 1，將原始圖 像和失真圖像均轉(zhuǎn)換成灰度圖像；步驟 2，基于步驟 1 的結(jié)果，計算不同尺度空間內(nèi)的梯度差分熵，并 將不同尺度空間內(nèi)的梯度差分熵進行加權(quán)平均；步驟 3，計算原始圖像和失真圖像對應(yīng)的灰度圖像均值 的比值；步驟 4，計算原始圖像和失真圖像對應(yīng)的灰度圖像方差的比值；步驟 5，基于步驟 2，步驟 3 和步驟 4 的結(jié)果，進行綜合評價。本發(fā)明引入尺度空間的基本思想，基于人在不同距離下目標在視網(wǎng)膜 上的形成過程，通過提取尺度空間下的輪廓特征，并通過熵來反映原始圖像和失真圖像在尺度空間下輪 廓特征的差異，與主觀評價結(jié)果具有較好的一致性。
武漢大學(xué)
2021-04-13
高級氧化水處理設(shè)備處理高濃度染料10分鐘的變化
高級氧化水處理設(shè)備處理高濃度染料10分鐘的變化
科利爾（青島）環(huán)境技術(shù)有限公司
2023-03-03
網(wǎng)盒視通原裝正品1分16路VGA分配放大器
產(chǎn)品詳細介紹
深圳市網(wǎng)盒視通技術(shù)有限公司
2021-08-23