1 1.中国石油大学(华东) 新能源学院, 青岛 266580
2 2.山东能源集团有限公司新能源事业部, 济宁 273500
3 3.西安交通大学 材料科学与工程学院, 西安 710049
碳材料以其低成本、良好的化学稳定性和热稳定性等优异特性被广泛应用于各种催化反应中。本研究利用来源广泛的天然脱脂棉为原材料, 通过原位气相掺杂的方法制备了N掺杂、B掺杂、BN共掺杂的生物质碳材料, 并将其应用在丙烷直接脱氢制丙烯反应中。研究发现, 与未掺杂的生物质碳相比, 杂原子掺杂的生物质碳均表现出更高的丙烷转化率和丙烯选择性, 而且N、B单独掺杂的生物质碳材料催化性能优于BN共掺杂的生物质碳材料, 其中N掺杂的生物质碳具有最优催化性能: 在600 ℃反应温度下, 丙烷转化率达到17.6%, 总烯烃收率达14.8%, 且经过12 h的脱氢反应后, 催化剂性能无明显的衰减。通过对这些碳材料的化学结构和催化性能的对比分析, 发现N掺杂和B掺杂使得碳材料表面的大量C-O基团转变为具有丙烷脱氢活性的C=O基团, 抑制反应过程中的C-C键断裂, 从而提高目标产物丙烯的选择性。生物质碳材料成本低廉且来源广泛, 以其作为催化剂可以极大地推动丙烷脱氢工业的发展。
生物质碳 杂原子掺杂 直接脱氢 丙烷 丙烯 biochar heteroatom-doping direct dehydrogenation propane propylene
安徽大学 化学化工学院, 安徽 合肥 230601
线粒体作为一种重要的细胞器, 其功能包括能量供应、信号传导、细胞分化以及控制细胞生理周期和细胞生长等。线粒体的任何损伤及随后的功能障碍都可能导致一系列人类疾病。其中线粒体pH直接影响着其生化过程, 正常的pH水平是线粒体功能正常运作的基础。本文以7-羟基香豆素为原料, 合成了一种对线粒体特异性标记的pH荧光探针(CMPH)。并对该探针的光学性质、细胞毒性和线粒体靶向能力进行了研究。结果表明, 探针CMPH具有较大的斯托克斯位移, 能对pH特异性荧光响应。pH在6.5~8.2范围内时, 探针的荧光强度和pH值具有良好的线性关系。细胞毒性测试表明探针CMPH细胞毒性低。共聚焦荧光成像结果证明, 该探针能有效靶向线粒体并能监测线粒体pH的变化。我们的目的是为线粒体pH变化的监测提供一种新的成像工具。
荧光探针 香豆素 线粒体 fluorescent probe coumarin pH pH mitochondria
1 韶关学院信息科学与工程学院，广东 韶关 512005
2 西北工业大学电子信息学院，陕西 西安 710129
高分辨率的应用需求使得传统的高光谱遥感成像系统面临高速率采样、海量数据存储等难以突破的瓶颈问题，压缩感知理论为传统高光谱遥感所面临的瓶颈问题提供了解决可能。针对高光谱压缩感知成像，提出了一种摆扫型高光谱压缩成像系统，该系统采用光栅、柱面透镜、二维编码孔径和线性传感阵列等光电器件，一次曝光中可获取空间像素点的光谱维向量对应的多个压缩采样值。在压缩感知数据重建过程中，为了充分利用高光谱图像的空间相关先验信息，提出了一种空间预测迭代重建算法。实验结果表明，与标准压缩感知重建算法对比，该算法在压缩感知采样率超过0.2时重建图像信噪比可提高10 dB 以上。所设计的系统简单易实现，可应用于星载、机载等遥感平台的高光谱压缩成像。
高光谱遥感 压缩成像 摆扫型 数据重建 hyperspectral remote-sensing compressive imaging whiskbroom data reconstruction
1 西北工业大学 电子信息学院， 陕西 西安 710129
2 铜陵学院 电气工程学院， 安徽 铜陵 244000
3 铜陵学院 数学与计算机学院， 安徽 铜陵 244000
根据高光谱数据的特点，提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统，并研究了用于该系统成像的重构算法。在图像采集阶段，将高光谱数据分为参考像元和压缩感知像元; 地面像元的辐射能通过棱镜进行谱带分离，再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码，对参考像元进行采样率为1的线性编码。压缩采样数据重构时，不再采用传统方法直接重构高光谱数据，而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计，然后根据重构的端元和丰度恢复原数据。对比实验表明，在压缩采样数据为总数据的20%时，重构的平均信噪比提高了10 dB。所设计的成像系统应用压缩感知理论减少了采集的数据量，采样方式简单，可应用于星载或机载的高光谱压缩感知成像。
分布式压缩感知 高光谱图像 成像光谱仪 线性混合模型 感知矩阵 distributed compressive sensing hyperspectral imagery imaging spectrometer linear mixing model sensing matrix
西北工业大学 电子信息学院,陕西 西安 710129
利用有限的标记样本, 将其作为硬性约束加入矩阵分解中；同时构建局部邻域graph, 挖掘数据的流形结构并保持局部的不变特性, 提出一种基于矩阵分解的高光谱数据特征提取(FEMF)方法.经过矩阵分解, 使得原始高维光谱特征空间中相近的数据在低维空间中仍然相近, 而相同类别的标记数据则被投影到同一个位置.这样的低维表示具有更强的判别性能, 从而得到更好的分类和聚类效果.该方法的求解过程是非凸规划问题, 同时给出了一个乘性更新规则获得局部优化解.最后, 对真实高光谱数据进行特征提取验证了该方法的有效性.
高光谱 遥感 流形 特征提取 矩阵分解 hyperspectral remote sensing manifold feature extraction matrix factorization
1 西北工业大学 电子信息学院, 陕西 西安 710129
2 铜陵学院 电气工程系, 安徽 铜陵 244000
提出一种推扫式谱间压缩采样的高光谱成像系统, 用于实现高光谱图像的压缩感知成像, 并对该系统成像的重构算法进行了研究。在图像采集阶段, 采用棱镜对地面成像行的像素进行谱带分离, 然后利用数字微镜器件实现谱带的线性编码, 通过柱面透镜完成编码谱带的叠加。压缩采样数据重构时, 不像传统的压缩感知重构方法那样直接重构高光谱数据, 而是利用线性光谱库混合模型将重构高光谱数据转换成重构丰度系数矩阵, 采用交替方向乘子法求解丰度的优化问题, 再根据重构的丰度和高光谱库恢复原数据。与标准压缩感知重构算法的对比实验表明, 该方法在压缩采样数据为总数据的20%时, 重构的平均峰值信噪比比标准压缩感知提高了18 dB。所设计的成像系统采样方式简单, 可应用于星载或机载的高光谱压缩感知成像。
压缩感知 高光谱图像 成像光谱仪 线性混合模型 感知矩阵 compressive sensing hyperspectral imagery imaging spectrometer linear mixing model sensing matrix 光学 精密工程
2014, 22(11): 3129
