韩波博士简介

<正>韩波,男,1983年8月生,安徽颍上人。2007年毕业于华东师范大学电子系,获工学学士学位。2012年毕业于华东师范大学电子系(硕博连读),获工学博士学位,2012年至今在阜阳师范学院计算机与信息工程学院从事教学科研工作,2014年东南大学毫米波国家重点实验室客座研究。韩波博士主要从事微波毫米波片上元件建模与设计研究。内容主要涉及:异质结三极管     

氧化还原介体催化强化污染物厌氧降解研究进展

 由于厌氧生物处理技术具有产生剩余污泥少、可回收能源等优点而被广泛用于处理各种有机污染物，尤其在有毒、有害、难降解污染物的去除方面取得了良好的效果。然而，厌氧生物法的处理速率通常比较低，而氧化还原介体可通过自身不断的氧化和还原来传递电子，提高电子在氧化还原反应过程中的传递速率，从而促进污染物高效厌氧降解。醌类物质和腐殖酸是应用较多的氧化还原介体，在催化难降解污染物降解方面取得了一定效果。讨论了氧化还原介体的特点、作用机制，并总结了其对偶氮染料厌氧脱色、反硝化和多氯联苯厌氧降解的强化作用，提出了氧化还原介体未来的研究方向。     

[Zn(Pybox)Br2]配合物的合成, 晶体结构及催化性质研究

合成了一种锌的配位化合物(Dm-Pybox)ZnBr2(1),(Dm-pybox为2,6-二[4',4'-二甲基噁唑啉]吡啶),通过核磁,元素分析,红外和X-射线单晶衍射表征确定其结构.对于配合物C15 H19 N3 O2 ZnBr2,Mr(分子量)=498.52,单斜晶系,空间群为P21/c,a=10.2422(19)?,b=16.141(3)?,c=11.513(2)?,β=99.128(2),V=1879.2(6)?3,Z=4,F(000)=984,μ=5.570mm-1,ρc=1.762g/cm3,最终的R1=0.0584(I>2σ(I))和wR2=0.1773(所有数据).配合物1可以在水溶剂和室温条件下高效催化二茂铁甲醛与活泼亚甲基化合物Knoevenagel缩合反应.     

大尺寸单晶金刚石同质连接技术

介绍了制备人造单晶金刚石的技术途径及发展现状,重点讨论并对比了几种化学气相沉积法(CVD)金刚石制备技术的优缺点,详细阐述了基于微波等离子体CVD (MPCVD)法的同质连接技术——一种突破晶体尺寸限制,实现大尺寸单晶金刚石的有效途径。通过该技术实现了英寸级单晶金刚石晶片的制备,并针对横向生长、界面质量及演化、三维结构连接控制等核心科学技术问题进行了分析和讨论,展望了其在尖端应用领域的发展前景。     

糠醛及其衍生物催化加氢制备1,5-戊二醇研究进展

糠醛是重要的生物质平台分子,其合理转化是生物质利用领域的重要课题之一. 1,5-戊二醇是一种具有巨大市场应用前景的聚合单体,研究糠醛及其衍生物选择性氢解制备1,5-戊二醇,在生物质转化和催化加氢理论研究领域都具有重要的意义.本文综述了四氢糠醇、糠醛、糠醇选择性加氢制备1,5-戊二醇的研究现状、催化剂类型和催化性能.对于具有优异1,5-戊二醇选择性的酸性氧化物修饰的贵金属类催化剂,从活性金属种类、金属-氧化物之间的协同作用、氧化物酸性影响、溶剂效应、不同催化剂体系中的构效关系,以及相关催化机理进行阐述.同时,对比了非贵金属类催化剂的研究现状,并对研究趋势和重点作了展望.     

井下WPT技术机理研究

为解决井下无线传感器电池容量受限的问题,根据井下无线传感器带壮分布的特点,提出了井下无线运动充电的思想.构建充电系统模型,讨论了充电信道建模、接收微带天线设计、多天线协作三个方面的技术路线.本文在研究井下微波输能传输特性的基础上,探讨在低功率密度下,多天线协作的移动无线充电技术在井下运动式充电特性,使用这个技术对无线传感器节点充电,解决井下无线传感器网络能量补充问题,突破现有节点单纯依靠电池供电的局限.     

光与光基技术推动人类文明与进步

2015年是光和光基技术国际年,简称2015国际光年.联合国之所以做出这一决议,是基于光和光基技术对世界人民的生活以及全球社会多层面未来发展的重要性.希望通过各种宣传提高人们对于光科学技术的认识并加强这方面的教育,这对于世界各国应对可持续发展、能源、社区保健和提高生活质量的挑战至关重要.     

正交试验优化手性镍催化不对称反应条件研究

用正交试验法优化手性镍催化二乙基锌对α，β不饱和酮的不对称麦克尔加成反应条件，优化后的不对称麦克尔加成反应的一般条件为：低温(近反应溶剂冰点)，常压，非质子非极性溶剂(环己烷)．     

Hybrid SVM／HMM Method for Face Recognition

A face recognition system based on Support Vector Machine(SVM) and Hidden Markov Model (HMM) has been proposed. The powerful discriminative ability of SVM is combined with the temporal modeling ability of HMM. The output of SVM is moderated to be probability output, which replaces the Mixture of Gauss (MOG) in HMM. Wavelet transformation is used to extract observation vector, which reduces the data dimension and improves the robustness.The hybrid system is compared with pure HMM face recognition method based on ORL face database and Yale face database. Experiments results show that the hybrid method has better performance.