静止拟微分电位溶出分析法的研究

本文讨论了电位溶出分析的理论,提出了静止拟微分电位溶出的概念,并导出其理论方程式。该方程式描述了静止拟微分电位溶出的峰值,峰电位和其它参数的关系。另外还通过实验验证了理论方程式,并讨论了采样电位间隔AE的选择,汞浓度的影响,静止电位溶出中电容本底产生的原因及其扣除的方法等。     

计算机控制的电位溶出分析法的研究

电位溶出分析是近年发展起来的一种新的电分析化学技术。在电位溶出分析中,痕量金属首先电解富集在汞膜电极中然后通过溶液中氧化剂氧化溶出,并记录溶出过程的电位-时间曲线,这种方法操作简便,灵敏度高,元素之间干扰小。本文介绍了利用微型计算机控制的电位溶出分析系统,讨论了仪器的硬件结构和软件设计,利用微机实现了恒电位,自动存取分析方法和数据,分析过程自动控制,自动扣除电容本底和数据平滑,采用静止拟微分电位溶出方式使其灵敏度大大提高。富集五分钟最低可检测0.08ng/ml镉。在1ng/ml的镉离子和1ng/ml铅离子浓度下,连续测定11次,其相对标准偏差分别为3.8%和4.9%。     

中国的民族政策与族群认同的几个问题——与于鹏杰同志商榷

于鹏杰同志的《族群认同的现代含义:以湖南城步苗族为例》认为中国政府的民族政策使得许多民族自愿或不自愿的采用了汉族的生活方式,并导致了新时代文化认同与族群认同的困惑。如此评价,实有误解乃至歪曲中国政府民族政策的嫌疑。新时代族群认同的困惑不是由于中国政府的民族政策造成的,而是在于“族群”概念的不确定性和民族、族群认同表现的多样性。     

四重马氏平稳过程的非线性预测问题

假设{X（t），t∈R^1}是由广义Wiener随机积分所定义的四重马氏平稳过程．如果该随机过程{X（t），t∈R^1}被一有界Borel可测函数f（＊）变换，则得到新的随机过程，记为Y（t）=f（X（t））．作者在本文中，首先粗略地研讨了四重马氏平稳过程{X（t），t∈R^1}及其均方导数的一些概率性质．其次，对于一些构造较简单的Borel可测函数f（＊），较详细地探讨了随机过程{Y（t）=f（X（t））}的非线性均方预测问题．     

缬氨霉素固定相的手性分离研究

 采用环肽(valinomycin)(缬氨霉素)作为气相色谱手性固定相,对几种手性化合物进行手性拆分研究.考察了柱子极性的影响,根据该环肽结构上的特点,对手性拆分机理进行了推测,建立了用环肽作毛细管固定相对手性化合物拆分的分离方法.     

最优投资消费问题的对偶解法

 考虑了市场中投资者信息的不对称性,用Lagrange乘数法给出了一类最优投资消费问题的对偶问题,并给出了该问题在完备市场下的最优解.对于不完备市场,讨论了最优解的存在性和唯一性.     

硫杂冠醚气相色谱固定相的研究

硫杂冠醚用作气相色谱固定相,制备毛细管柱,考察固定相的使用比例、极性、热稳定性,并对甲基苯酚(o/p),二氯苯(o/p,m),硝基氯化苯(m/o)等难分离的混合样品进行色谱分离.实验结果表明:使用固定相的质量比例为15%时有好的分离效果,固定相中等极性,120 ℃时平均极性为815,且使用温度高(185 ℃),热稳定性好.从分离性能看,该固定相具有较好的应用前景.     

基于Trimmed NURBS曲面的目标RCS计算

复杂目标RCS(radar cross section)物理光学法(physical optics,PO)计算的最大难点是目标曲面之间相互遮挡关系的确定和消隐处理。首先将任意复杂目标用非均匀有理B样条(NURBS)曲面描述,并通过Cox-DeBoor算法将NURBS曲面拆分为拼接有理Bézier曲面。然后利用Trimmed NURBS技术很好地解决了物理光学积分中Bézier曲面之间的遮挡消隐问题。最后,提出了Trimmed NURBS曲面快速积分新方法,实现了导体目标物理光学散射场的快速计算。数值算例验证了方法的有效性和准确性。     

一类随机环境下随机游动的保守集和常返性

就一类平稳遍历随机环境ξ下随机游动{Xn}n∈Z 给出相应的Markov-双链{Xn}n∈Z ={(Xn,Tnξ)}n∈Z 的保守集,和在该平稳遍历环境ξ下{Xn}n∈Z 为常返链的条件。     

fMRI time series analysis based on stationary wavelet and spectrum analysis

The low signal to noise ratio (SNR) of functional MRI (fMRI) prefers more sensitive data analysis methods. Based on stationary wavelet transform and spectrum analysis, a new method with high detective sensitivity was developed for analyzing fMRI time series, which does not require any prior assumption of the characteristics of noises. In the proposed method, every component of fMRI time series in the different time-frequency scales of stationary wavelet transform was discerned by the spectrum analysis, then the components from noises were removed using the stationary wavelet transform, finally the components of real brain activation were detected by cross-correlation analysis. The results obtained from both simulated and in vivo visual experiments illustrated that the proposed method has much higher sensitivity than the traditional cross-correlation method.