基于MEMS的压电厚膜谐振梁能量收集器的研究

在谐振梁能量收集器中PZT膜材料的制备起着至关重要的作用,复合结构的锆钛酸铅(PZT)厚膜采用溶胶-凝胶方法旋涂在硅基的Au/Cr/SiO2/Si结构衬底的制备方法,主要因为溶胶-凝胶制备方法简单,成本低适合于集成制作.改进PZT组分和和0-3混合法及复合结构的Au/Cr/SiO2/Si衬底,使制备的PZT厚膜避免了厚...     

一类特殊圈的交错多项式

介绍了支点操作H uv的概念,并给出了简单图H的交错多项式Q(H,x)的定义和一些已知图的交错多项式,最后计算出图中一类比较特殊的圈的交错多项式.     

贮藏温度对蓝莓活性成分及抗氧化活性的影响

研究不同贮藏温度下,蓝莓果实的活性成分及抗氧化活性的变化,确定蓝莓鲜果适宜的贮藏温度,并为研究蓝莓果实中主要的抗氧化成分提供参考.在贮藏温度为20~25,10~15,0~5℃下,于不同贮藏期取样测定蓝莓果实中花青素、总酚和总黄酮的质量分数;测定蓝莓对DPPH自由基（DPPH.）和羟自由基（OH.）的清除率,并分析3种活性成分与蓝莓抗氧化活性的相关性.结果表明,在不同的贮藏温度下,蓝莓果实中花青素、总酚和总黄酮的质量分数及抗氧化活性均呈现先上升后下降的趋势,在贮藏初期,较高的贮藏温度能明显促进蓝莓果实活性成分含量和抗氧化活性的增加,但在贮藏后期,较高的温度加速了蓝莓果实活性成分含量和抗氧化活性的下降速度,并缩短了蓝莓贮藏期;低温（0~5℃）能使蓝莓果实的活性成分含量和抗氧化活性始终维持在一个相对较高的水平,且能显著增加果实的贮藏期,是蓝莓较适宜的贮藏温度;蓝莓果实中花青素、总酚和总黄酮质量分数与其清除自由基的能力之间均呈显著正相关（P〈0.05）.     

四川凉山彝族7项不对称行为特征的研究

2009年12月调查了314例四川凉山彝族中学生的7项不对称行为特征(扣手、利手、叠臂、叠腿、利足、起步和优势眼).研究结果显示:1)彝族7项不对称行为特征的出现率右型均高于左型;2)彝族7项不对称行为特征的出现率利手、叠臂、叠腿、起步有显著的性别差异,其余3项指标的出现率均没有性别间差异;3)彝族与国内11个民族出现率的比较显示,彝族与汉族、朝鲜族、回族、布依族、苗族有显著差异,彝族7项不对称行为右型率在我国族群中属中等水平;4)分析了彝族7项指标间的相关性,发现利手与利足这对特征相关极显著,起步与利足这对特征相关显著.     

功能薄膜材料的环境协调性制备技术研究进展

在对环境协调性制备技术进行了概述的基础上,对目前最有希望的几种功能薄膜材料环境协调性制备技术分别进行了介绍,特别重点介绍了软溶液工艺技术的优势和发展趋势。针对上述功能薄膜材料的环境协调性制备技术的不足之处,对今后的发展方向提出了展望。     

基于FPGA的雷达模拟器控制系统中分频模块的设计与实现

要以Xilinx公司Spartan_Ⅱ系列XC2S200芯片为FPGA控制单板的核心,设计必要的外围扩展电路,包括A/D、D／A、液晶显示、二极管指示、串行通讯、按键等模块来构成雷达模拟器控制系统。重点阐述了控制系统中的重复频率设置及多站触发控制和指示这一主要功能模块的设计方法及实现过程。控制系统运用Verilog硬件描述语言编程,在ModelSim SE平台下进行功能的仿真,实现了硬件设计软件化。经过仿真及硬件测试表明：基于FPGA技术的硬件设计方案能够实现控制系统分频功能,实时性好,可靠性高。     

在Java中进行数字签名的一种实现方法

随着Internet和电子商务的快速发展,对网络信息安全提出了更高的要求,而数字签名技术在保证数据的完整性、私有性和不可低赖性方面起着极为重要的作用。介绍了公开密钥加密体制及数字签名技术的实现过程,通过引入第三方控件并结合Java安全API数字签名方法,给出了数字签名技术在Java中的一种实现方法。     

AlGaN/InGaN/GaN双异质结构中2DEG的数值模拟

由于InGaN的物理性质,在传统AlGaN／GaN单异质结中嵌入一定厚度的InGaN层,会使二维电子气的密度提高为原来的近两倍。正是从导带差、极化效应两个方面分析了这种现象的原因,并且通过自洽求解泊松方程和薛定谔方程分别作出了AlGaN／InGaN／GaN双异质结和AlGaN／GaN单异质结的能级图以及2DEG的电子能量图,进一步解释了该现象。     

浅议银行计算机风险的防范

描述了银行计算机风险在操作层、技术层和管理层的主要表现形式及其危害,从客观因素、防范意识与能力、管理制度与内控机制、管理手段四方面分析了银行计算机风险产生的原因,并从加强领导、完善制度、加大投入、健全法规等方面提出了防范银行计算机风险的几点建议。     

基于神经网络的高并行大规模MIMO信号检测算法

随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。