大一下 组会笔记

把自己在组会上的收获整理一下，记录在这里。

1、卷积

这个对我而言是一个全新的东西。

我先了解了什么是移动平均。移动平均就好似把做平均的范围像打开画轴一样打开，再作平均。我们还可以加权，就好比打开一个三角形的布一样。还有指数平均，也是类似。

卷积是分析数学中的一个算子。操作对象是两个一元函数。可以直观地这样理解：将一个函数左右翻转并加以平移（与移动平均类似，作为权重），再和另一个函数相乘。事实上是一个移动平均。

卷积之所以很重要，是因为它在傅立叶变换中有很大的作用。两函数傅立叶变换后的乘积，等于两函数卷积后再做傅立叶变换。不过这个还不太有体会。

脉冲采样就是用的卷积。这里要用一个狄拉克函数（自变量不等于0时函数值都等于0，但在整个定义与上的积分为1，是一个广义上的函数）。

2、线性时不变系统（LTI）

线性时不变系统的性质，从名字上就可以猜想到，是线性，以及时不变性。

线性时不变系统可以用一个h(t)来表征，这个函数是输入单位脉冲序列后输出的单位脉冲响应。此外还可以用一个常微分方程来描述，并附上零附加条件。（给定非齐次项x(t),输出y(t)）此外，工程中亦常用框图直观表示。

非常值得一提的是，在这里，我加深了对特征函数和特征值的理解。特征函数之所以特别，是因为输出函数形式极为简单，仅仅是原函数乘以一个常数。该常数因此也成为特征值，与特征函数密不可分。简言之，即＂规律可预知＂（乐老师语）。

3、声波速度的测量

声波速度的测量主要从两个方向上去思考，一个是用速度的定义式，另一个则用的是波的性质，波长乘以频率。可以用驻波法测量。

4、 实验报告的写作

对于理论值和实验值的讨论很好很好，因为这个也困惑了我一段时间了。不过现在还是不太能在二者间划清界限（毕竟，不论理论值怎样得来，归根结底，都还是需要实验的）。希望大家能再讨论讨论，也好让我更加明白一些。

PS：觉得大家都好厉害，王烁学长的讲解和叶麦学长的实验报告都好好。我觉得跟大家一起一定会学到好多东西。

这是我第二次听组会，渐渐地有些习惯了。我也要开始做温度测量电路了，希望自己能好好地利用时间，做好想做的事情。请大家多多指教！

这一次组会，张莅学长、祁起学长分享了他们做的事情：电导量子化的实验观测；并以叶麦学长的实验记录为材料，再次讨论了种种关于实验记录的问题。

[先写一点＂废话＂好了。

之前对于＂量子化＂现象，或许是高中学习这类知识时总抱着想当然的缘故吧，头脑里对此仅仅是存一种漠然的认同感。这次再次了解到量子化，心里竟然有些惊奇，仿佛进入一个陌生的房屋里，淡淡地扫视一周后突然定睛发现什么吃惊的东西一样。

世界竟然是量子化的。仿佛今天才突然听说这个事情一样。]

这次组会令我了解到观测量子化现象的一种办法：通过带有切口（三四十微米）的金丝（直径为七十五微米）的机械性延展，获得尺度逐渐减小的金丝；接入电路后，量子化直接表现为电压的阶跃。选择金作为材料，是因为金恰好是一种延展性能很好，并且氧化速度极慢的金属。 纳米线的制备，除了论文中所用的机械可控断裂结法（MCBJ）之外，还有诸如电化学腐蚀的化学办法，以及用STM针尖刻划的办法。维基上把这些办法分作三类：悬置，沉积，化学合成。

之后关于实验记录的讨论，让我收益很多。在这之前，我已经做了三个基础物理实验；也渐渐意识到了实验＂计划＂和实际＂步骤＂的差别。我在画实验记录的表格时，会列出两列来记录，一个是＂计划值＂，一个是＂实际值＂。计划值方便自己做实验时查看，实际值则是真正操作时的示数，一般不会恰好等于计划值（比如计算机实测里调节函数信号发生器，希望调到某个值，但往往很难精确调到）。这个道理在＂实验步骤＂和＂实验记录＂里也是类似的。这次讨论乐老师再次强调了数据精度的问题。关于＂实验记录中的数据精度是否有意义＂，我觉得自己理解得比先前更清晰了。

Ps:乐老师最后的那番话，用心良苦，很能督促人。谢谢。

王烁学长对信号与系统知识的深入浅出的讲解非常棒，令我深深钦佩。

总的说来，在处理LTI 系统时，由于傅立叶变换带来的好处，可以将复杂问题转换成简单问题；频域和时域的分析，通过傅立叶变换，亦能满足计算机对离散性的要求。从而能准确地处理有关系统的输入、输出问题。频域分析法，即将进行傅立叶变换将卷积化为乘积运算的方法，只需进行逆傅立叶变换就能求出输出信号。

此外，今天偶然了解到，平时电脑上播放音乐时跳动的高高低低的东西，其实是音乐频谱。这里有一个用Arduino做的音乐频谱，我觉得很棒。

http://v.youku.com/v_show/id_XNDkxMjM2MDU2.html?x

说的不好又学的粗浅，大家多多指教。

（一）光栅光谱仪的应用（刘宇轩学长）

讨论如何解释实验结果的问题：主要是入射缝宽和半高宽，入射缝宽和信号强度的结果的解释。 乐老师后来讲，做实验，首先头脑里要有很清楚的物理图像。光栅光谱仪本质是一个成像系统。整体要先把握好。

（二）太阳能电池的基本特性研究（陆海宇学长）

学长对于伏安特性曲线分段特性一题谈了自己的想法。 学长和沈金辉学长后来讨论：一些数据点，即使用一种函数拟合得非常好，若是不能给出合理的物理解释，也只好放弃这样的拟合，换作能够理解的函数。嗯嗯，能感觉到这之中有一种态度，即不能本末倒置：求得物理解释是本，如何数据处理是末。

（三）太阳能电池禁带宽度的测量（沈金辉学长）

学长谈了他的苦恼：依照文献对数据进行了线性拟合，却没有得到老师的认同。感觉文献里的数据处理挺＂含糊＂的。第一篇文献里仅仅取了比较靠近的四个点就进行直线拟合了。这样的情况，就我这样的初学者看来，也是有些牵强。

•关于王烁学长后面说的色弱的同学不能辨认出灯光里的粉色，我在维基百科上看到一点解释。

＂事实上，某个场景的光在视网膜上细胞产生的信号并不是完全百分之百等于人对这个场景的感受。人的大脑会对这些信号处理，并分析比较周围的信号。例如，一张用绿色滤镜拍的白宫照片——白宫的形象事实上是绿色的。但是因为人大脑对白宫的固有印象，加上周围环境的的绿色色调，人脑会把绿色的障碍剔除——很多时候依然把白宫感受成白色。

＂人眼一共约能区分一千万种颜色，不过这只是一个估计，因为每个人眼的构造不同，每个人看到的颜色也少许不同，因此对颜色的区分是相当主观的。假如一个人的一种或多种锥状细胞不能正常对入射的光反映，那么这个人能够区别的颜色就比较少，这样的人被称为色弱。

＂在通过照相机或扫描仪录取颜色的时候也会产生误差。一般这些仪器中的感光元件的感光特性与人眼的感光特性相差甚远。因此在特别的光照下这些仪器所产生的颜色可能会与人眼所感受到的相差很大。＂

所以，感觉是是眼睛辨别能力比较差，不能准确辨别出粉色（夜晚光线比较暗）。而相机拍摄的＂误差＂又恰好突出了这种粉色，所以直接看照片时就能够辨认了。

颜色识别能力测试网站：http://www.opticien-lentilles.com/daltonien_beta/new_test_daltonien.php — 乐永康 2013/05/21 16:56

•最后对乐老师致以感谢。乐老师组会前的谈话，很严厉，却很珍贵。

我倒是挺喜欢被老师批评的，这会让我觉得我在老师眼里还有存在的价值，还可以让自己时刻保持警醒，不松懈，不骄纵！ — 沈金辉 2013/05/20 21:55

我也很喜欢很喜欢！上大学后，难得遇见愿批评学生的老师了。 — 王思阳2013/05/21 06:51

组会笔记写的好少。 — 王思阳 2013/07/19 08:50