传统的商用白光LED由于缺乏红光成分, 造成显色指数较低。为了提升白光LED的显色性能, 可以在荧光粉中加入Sm3+, 以提升橙红光的发射能力。采用传统的高温固相法制备了Ca2YNbO6：Sm3+新型双钙钛矿氧化物荧光粉, 并详细研究了荧光粉末的晶体结构、元素组成、发射光谱、激发光谱、热稳定性和荧光寿命等性质。研究表明, 该荧光粉为纯相化合物, 粒径约5 μm。在408 nm的激发下, Sm3+在650 nm附近有强烈的红光发射。数据拟合表明, 荧光粉的发光属于Sm3+的电偶极子-偶极子相互作用过程。高温测试表明, 该氧化物荧光粉具有较高的热稳定性。将商用蓝粉、绿粉与Ca2Y0.96NbO6：0.04Sm3+粉体混合, 并利用365 nm的InGaN芯片激发, 可制备出色坐标为(0.344, 0.350), 色温为4 989 K, 显色指数为81的暖白光LED。

为了能够快速、精确地检测出矩形,综合分析目前存在的矩形检测算法的优缺点,提出了一种快速、高精度的矩形检测算法。所提算法首先采用环形窗口将图像分割为多个感兴趣区域,再提取感兴趣区域的亚像素轮廓,并将亚像素轮廓分割为若干线段,然后利用模糊数学理论对线段的几何和物理特性进行融合计算,最终根据模糊融合得到的判决结果完成矩形的高精度检测和定位。实验结果表明:所提算法的检测速度是基于Hough变换的矩形检测算法的7.4倍,检测最大中心定位误差为(0.507 pixel,0.272 pixel);长度的平均误差为1.034 pixel,宽度的平均误差为1.310 pixel,倾角的平均误差为0.304°,并且能够准确地检测出矩形。所提算法满足工业应用中快速、高精度的要求,且有较强的稳定性。

目的:分析川穹内酯联合阿托伐他汀对VCAM-1和PAI-1的抑制作用,并研究两类药物联用对抗动脉粥样硬化的意义.方法:以2010年5月-2013年5月间于我院接受治疗的198例动脉粥样硬化为研究对象,以随机数字表法将其划分为观察组和对照组;对照组患者在常规保守治疗的基础上联用阿托伐他汀;观察组在对照组的基础上联用川穹内酯.对比治疗前后VCAM-1和PAI-1的血清浓度变化,统计血液生化检测及超声动脉检测结果.结果:①治疗后,两组患者两指标均上升,检测发现观察组VCAM-1和PAI-1明显低于对照组,组间差异具备统计学意义(P<0.05).②TC、LDL-C、HDL-C及颈动脉IMT和斑块Crous积分的变化均显示,观察组各指标改善情况明显优于对照组,对比差异均显著(P＜0.05).结论:以川穹内酯联合阿托伐他汀;可有效抑制VCAM-1和PAI-1的表达;提升动脉粥样硬化治疗效果.

为了高效而准确地评价与控制车内噪声品质, 以B级车稳态工况下副驾位置的车内噪声为研究对象, 采用等级评分法对采集到的声音样本进行了主观评价试验, 同时计算了7个客观参数。以客观参量为输入, 声品质主观结果为输出, 引入基于遗传算法的BP神经网络建立了声品质预测模型。实验显示该模型输出结果与实际评分的相关系数达到0.928, 检验组的预测最大误差为±8%。以所建模型的连接权值, 分析了客观参数对主观评价结果的贡献度, 并以影响系数较大的参数为输入重新构建了预测模型。研究结果表明: 稳态工况下, 车内声品质主要受响度、粗糙度和尖锐度的影响, 其预测模型可由这3个参数来描述。

提出了基于神经网络和证据理论的数据融合技术.首先,根据声全息的测量原理,建立了由传感器子网和融合子网组成的数据融合模型.接着,给出了基于神经网络的传感器子网结构,实现了从目标特征参数到目标类型的映射,得到初步的输出结果.然后,采用证据理论将目标信息融合起来,达到对目标的有效识别得到最后的识别结果.最后,给出了数据融合技术应用于声全息法识别声源的实例计算.实验结果表明:数据融合后的声源识别率为94.2%,比融合前提高了11.7%.该技术减小了由于信息量不足或存在较大偶然误差而带来的不利影响,使声源的识别结果更可靠.