§7.1 简谐振动 §7.2 阻尼振动 §7.3 受迫振动与共振 §7.4 二自由度振动* §7.5 机械波 §7.6 波在空间中的传播 §7.7 波的叠加 §7.8 多普勒效应 §7.9 非线性波简介

一、电波传播历史与发展 二、基本原理与概念 三、自由空间电波传播 四、传输媒质对电波传播的影响 五、无线电系统的信道及传播效应 六、传播方式与传播机制

一、电波传播历史与发展 二、基本原理与概念 三、自由空间电波传播 四、传输媒质对电波传播的影响 五、无线电系统的信道及传播效应 六、传播方式与传播机制

地下水不仅是资源,而且也是环境的主要因子。随着工农业发展,人口增长,人类大 量开发利用地下水资源。与此同时,也出现了地下水位持续下降、水质恶化以及由此诱发 的一系列地质生态环境负效应,不仅造成了严重的经济损失,而且影响着人类生存空间。 对此必须对有限的地下水资源实行保护

一、电波传播历史与发展 二、基本原理与概念 三、自由空间电波传播 四、传输媒质对电波传播的影响 五、无线电系统的信道及传播效应 六、传播方式与传播机制

地下水不仅是资源,而且也是环境的主要因子。随着工农业发展,人口增长,人类大 量开发利用地下水资源。与此同时,也出现了地下水位持续下降、水质恶化以及由此诱发 的一系列地质生态环境负效应,不仅造成了严重的经济损失,而且影响着人类生存空间

内容包括：有趣的空间滤波、高温超导材料性能测试(一)、高温超导材料性能测试(二)、光纤干涉式温度传感器、偏振光实验(一)、偏振光实验(二)、全息照相(一)、全息照相(二)、夫琅禾费衍射、迈克耳孙干涉仪、微波布拉格衍射、分光计、弗兰克-赫兹实验(一)、弗兰克-赫兹实验(二)、力学实验、测定固体材料的热导率、测定不良导体的热导率、测定良导体的热导率、核磁共振实验、核磁共振成像、真空镀膜、相对论、用霍尔效应测量磁场、弹性模量的测定、X射线衍射、X射线标识谱与吸收

一、 固定化技术 将酶或细胞通过物理的或化学的方法使之成为在一定空间内运动受到完全的或局部的约束的技术。 二、固定化技术的应用特点 三、 使得酶或细胞得到重复利用 四、减轻了产品分离的负担 五、操作稳定性好 六、 便于实现生产的连续化

1.1 量子概念的提出 1.1.1 光的波动性与黑体辐射 1.1.2 量子概念的提出 1.2 辐射的粒子性 1.2.1 光电效应 1.2.2 康普顿(Compton)效应 1.2.3 辐射的波粒二象性 1.3 关于原子结构的早期理论 1.3.1 电子的确定 1.3.2 汤姆森(Thomson)的原子模型 1.3.3 原子核的发现 1.3.4 卢瑟福(Rutherford)的原子模型 1.3.5 原子结构的玻尔(Bohr)理论 1.4 物质的波动性 1.4.1 德布洛意(de Broglie)假设 1.4.2 微观粒子的波动性 1.5 微观粒子状态的描述 l.5.1 微观粒子的状态 1.5.2 波函数的统计解释 1.5.3 波函数的标准化条件 1.5.4 态迭加原理 1.6 不确定（测不准）原理 1.6.1 平面波迭加成波包 1.6.2 坐标和动量的不确定关系 1.6.3 能量和时间的不确定关系 1.7 薛定谔（Schrödinger）方程 1.7.1 Schrödinger 方程的得来线索 1.7.2 定态 Schrödinger 方程 1.8 在势箱中运动的粒子 1.8.1 Schrödinger 方程的求解 1.8.2 解的讨论 1.9 算符和力学量 1.9.1 算符的一般概念 1.9.2 线性算符和厄密(Hermite)算符 1.9.3 本征值方程 1.9.4 算符和力学量的关系 1.9.5 Hermite 算符的两个性质 1.9.6 力学量的平均值 1.9.7 对易算符及其力学量 1.10 氢原子 Schrödinger 方程的解 1.10.1 原子的玻恩一奥本海默(Born-Oppenheimer)近似 1.10.2 分离变量 1.10.3 ߔ(߮)方程的解 1.10.4 ߆)θ)方程的解 1.10.5 R(r)方程的解 1.11 关于氢原子解的讨论 1.11.1 波函数߰௡௟௠是ܪ,෡ܯ෡ଶ和ܯ෡௭的共同本征函数 1.11.2 塞曼(Zeeman)效应 1.11.3 氢原子的维里（virial）定理 1.12 氢原子的电子分布图 1.12.1 径向分布图 1.12.2 角度分布图 1.12.3 空间分布图 1.13 电子自旋和角动量耦合 1.13.1 电子自旋 1.13.2 角动量耦合 习题

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响