基于压电薄膜传感器的穿戴式健康监测体域网系统

为实现脉搏、呼吸、血压等重要生理信号的连续运动监测,研制了一种基于压电薄膜传感器的穿戴式健康监测体域网系统。体域网系统利用放置于弹性织物(腰带、腕带)内部的压电薄膜传感器获取人体脉搏波、呼吸波等生理信号。根据压电薄膜传感器监测到的呼吸信号的几何特征提出一种状态识别算法,可区分站立、走、跑、坐、躺、睡眠等状态。利用脉搏波传导时间与血压的关系计算佩戴者的收缩压和舒张压,实现无压迫血压监测。系统通过蓝牙实现体域网节点的互通信,利用穿戴显示设备和移动终端实现数据显示,实现了脉搏、呼吸、血压的连续运动监测。     

时序驱动的详细布局方法

针对超大规模集成电路布局过程中时序优化问题,提出一种时序驱动的详细布局方法。对设计进行时序分析并获取时序违反路径集合,对路径上两个连续固定单元间的线网进行平滑处理,以减小路径曲折度以及减少线长。再针对每一个可移动单元与其相邻的线网建立二次规划时序模型,求解局部最优布局位置。对于给定的测试电路,实验结果表明,最差的时序违反与总的时序违反均有明显改善,采用ICCAD2015竞赛的测试模板和评价方法,总的时序性能有45~350 min的提升。     

一种基于多目标微粒群优化的虚拟网络映射方法

针对多个虚拟网络同时映射时资源统一优化分配的问题,提出了一种基于多目标微粒群优化的虚拟网络映射方法(MSC-VNE),提高底层网络资源利用率及全局负载均衡性能。建立了虚拟网络映射的多目标优化模型,将单个虚拟网络映射作为一个子群,并采用多子群协作优化的方法在子群映射时通过相互信息交换进行协同进化,最终达到全局资源的优化分配。仿真结果表明,与典型成果相比,提出的方法有效地提高了底层网络资源利用率和虚拟网络构建成功率。     

大型降落伞拉直过程中的抽打现象分析

针对某大型降落伞回收系统主伞拉直过程中出现的抽打现象进行了分析,根据其拉直过程的特点将其划分为五个阶段,分别建立了各阶段的实体模型和约束模型,通过模型的组合建立了各阶段的多体动力学模型,将各阶段模型连接进一步组成该型号大型降落伞拉直全过程的动力学模型。仿真分析了该型号大型降落伞出现抽打现象时的伞衣位形、顶部伞衣速度、伞绳和伞衣的偏离距离以及张力的变化,总结了抽打现象形成时的一些特征数据,分析结果可为大型降落伞设计、改进、使用等提供参考。     

融合空间偏好和语义的个体活动识别方法

个体活动识别对用户画像、个性化推荐、异常行为检测、群体行为分析和基于活动的资源配置优化具有重要价值。提出了一种基于稀疏的社交媒体签到数据的个体活动语义识别方法,从签到数据中提取活动行为的时间周期性和趋势性特征,并采用空间偏好量化算法,从个体与群体活动的空间关联中提取群体和个体的空间访问偏好,使用自然语言嵌入工具BERT模型提取访问兴趣点的语义。时间特征、空间偏好特征和访问兴趣点名称语义特征共同构成表征群体、个体偏好的时空联合特征,通过极限梯度提升分类器对其进行分类,得到活动语义识别结果。在Foursquare数据集上的对比实验和消融实验中验证了所提活动语义识别模型可以有效提升活动语义识别的准确性。     

运动声呐海底混响建模及仿真研究

在水平不变海洋声道中,基于声源和接收器运动情况下窄带脉冲声传播表达式,导出了收发合置声呐在水平运动情况下的海底混响信号模型.针对模型仿真,提出了一种基于距离-方位角单元结构的混响时间序列仿真方法,该方法能够有效解决时延一多普勒单元内不同模态简正波相关散射系数难以表达的问题,并且实现了任意单元的时延一多普勒间隔小于额定分辨率.仿真结果的功率谱及概率密度分布情况显示了建模及仿真方法的有效性.     

非线性系统中的机动目标跟踪算法

对于非线性系统中的机动目标跟踪问题 ,首先针对“当前”统计模型的缺陷提出了一种修正算法 ,然后应用转换测量Kalman滤波算法进行跟踪。仿真结果表明在非线性观测条件下 ,算法明显提高了对弱机动和非机动目标的跟踪性能 ,同时保持了对强机动目标的高性能跟踪     

基于随机服务资源管理对象的装备维修保障系统仿真建模

装备维修保障系统(EMSS)是一类复杂的动态系统,如何对其有效地仿真建模是一个问题。首先,以"物理层—业务层"的两层分解方法详细地对EMSS进行分析。然后,将一般的面向对象思想扩展为随机服务资源管理对象(SSRMO)来对EMSS物理层仿真建模。接着,先给出了基于UML动态建模技术的EMSS业务建模方法,然后将业务流程分解为每个SSRMO的业务规则来实现EMSS的业务流程模型。最后,给出了一个全面的仿真实例并给出了详尽的仿真结果,揭示了两层分析法的较完备性和SSRMO对物理资源和人为规则进行建模的可行性。     

1.8V供电8.2ppm/℃的0.18μm CMOS带隙基准源

带隙基准电压源是各类模拟/数模混合集成电路中的基础性部件,其性能直接决定了整体电路的稳定性。CMOS工艺中的衬底三极管的放大倍数β较小,"发射极-基极"通路对三极管的集电极电流的分流作用十分显著,导致带隙基准温度稳定性下降。此外,低电压条件下的电路缺乏足够的电压裕度,电源噪声的影响已经不可忽略,基准源的抗电源噪声能力亟待加强。针对上述两个问题,分别提出了自适应的"发射极-基极"电流补偿技术和使用电容直接耦合电源噪声负反馈的方案。基于0.18μm CMOS工艺的实现结果表明,在-55℃~150℃范围内,电源电压1.8V情况下,输出基准电压的温度系数可达8.2ppm/℃,且中/高频段的电源抑制比得到大幅度提高,直流段电源抑制比更可达-90dB。     

一种基于最大选择的Switching-CFAR检测器

针对传统CFAR(Constant False Alarm Rate)检测器不能同时适应于均匀和非均匀杂波背景的问题,提出了一种改进的CFAR检测器,即IEGOS(Iterative Excision Greatest of Switching)-CFAR检测器。在迭代删除的基础上,采用Switching方法,利用检测单元幅度自适应选择参考单元,得到前后滑窗的局部杂波功率估计,然后取二者中的最大值作为总的杂波功率估计,实现恒虚警检测。在SwerlingⅡ型目标和瑞利包络杂波分布的假设下,推导证明了IEGOS的恒虚警性,与CA、GO、SO、OS和EXS算法的对比分析表明IEGOS在均匀杂波、多目标干扰和杂波边缘中均拥有较好的性能,且该算法无需排序,便于工程实现。