基于LS信道估计的SC-FDE系统性能研究

无线高速传输系统中存在严重的多径干扰,因此需要采用均衡技术,而均衡技术需要接收端准确掌握信道参数。根据文中设计的帧结构,本文改进了最小二乘(LS)信道估计算法并提出一种新的信噪比估计方法,该改进算法可以在减少运算量的同时保持估计精度。利用估计出的信道参数,文中仿真比较了三种不同均衡技术对系统性能的影响,最终的结果表明,该信道参数估计方法联合判决反馈均衡,可以很好的实现SC-FDE系统的高速信号传输,满足实际系统设计的需要。     

用于视频图像帧间运动补偿的深度卷积神经网络

为探索深度学习理论在视频图像帧间运动补偿问题中的应用,提出一种用于视频图像帧间运动补偿的深度卷积神经网络。该网络由卷积模块和反卷积模块构成,可以处理不同分辨率输入图像并具备保持较完整图像细节的能力。利用具有时序一致性的视频图像序列构造训练样本,采用随机梯度下降法对设计的深度卷积神经网络进行训练。视觉效果和数值评估实验表明,训练得到的网络较传统方法能更有效地进行视频图像帧间运动补偿。     

激光陀螺零偏误差复合信号补偿分析

作为一种集成了光学、电学和机械力学的复杂系统,激光陀螺可以精确地测量物体的角速率输出。为了满足惯性导航系统长时、高精度的测量要求,研究了激光陀螺内部不同类型的传感器与激光陀螺零偏误差之间的特性;在传统的基于温度的零偏误差补偿方法的基础上,引入二频机抖激光陀螺内部温度传感器、光电二极管和粘在抖动机构上的压电陶瓷的输出信息进行复合建模;利用非线性拟合能力强的支持向量机算法,针对不同类型信息与二频机抖激光陀螺零偏误差的相关性对模型进行优化。实验结果表明,该二频机抖激光陀螺零偏误差补偿模型的补偿精度高于传统的补偿方法。     

自适应模糊神经网络推理系统在电缆故障定点检测中的应用

电缆故障定点检测中存在着噪音复杂多变、信噪比较低的问题.自适应模糊神经网络推理系统(ANFIS),具有非线性映射和自学习能力,能够用于噪音信号的非线性建模,可以很好地解决故障定点检测中噪音的不确定性问题.建立了基于ANFIS的自适应滤波系统模型,讨论了ANFIS中隶属函数类型、数目的寻优以及参考函数的确定方法,设计了以ANFIS对消器为模型的滤波系统的硬件和软件.用该滤波系统对实际电缆故障信号进行了处理,结果表明了滤波系统的有效性.     

基于系数的二阶线性时变系统镇定条件

针对实际应用中Lyapunov函数不易选择,且随输入量的变化具有不定性的问题,利用积分不等式研究了二阶线性时变系统的镇定条件,给出了利用系数和输入量直接判定该函数稳定性的若干结论.经实例验证,这些结论的应用简单、有效.     

机械抖动激光陀螺小时延信号处理方法的研究

去除抖动信号是机械抖动激光陀螺信号处理电路的重要工作,针对目前现有的机械抖动激光陀螺解调方法存在的缺陷,本文提出了抖动剥除和FIR滤波器相结合的一种解调方法,以满足机抖激光陀螺在快速跟踪中的应用要求。实验结果表明,抖动剥除后,陀螺计数脉冲中的抖动信号衰减了近75dB,可以直接用于精度要求不高实时输出角速率的场合。抖动剥除后用低阶的FIR低通滤波器滤除剩余的抖动偏频量和高频噪声,在保证小时延的基础上提高了精度。     

基于观测器的某火控系统故障诊断方法

以某自行高炮火控系统为对象,研究了基于状态观测器的故障诊断方法,并作了仿真试验.通过状态观测器提取相对余差来检测和识别故障.试验结果表明,对于火控系统中可以建立数学模型的分系统或单体,基于观测器的故障诊断方法具有较好的诊断效果.该方法已成功应用于某高炮火控系统的综合检测与诊断设备中.     

Malliavin唯一性定理的一个推广

改进了Malliavin在半平面上关于解析函数的唯一性定理,得到复分离条件下Phragmen-Lindelf定理离散情形的一个推广。     

磁悬挂天平校准关系的非线性拟合

以磁悬挂天平系统的校准为研究背景 ,介绍了传统的校准关系的线性建模方案 ,针对其存在的缺陷 ,并结合校准实验数据的特点 ,提出了非线性拟合的改进方案 ,该方案借鉴了主成份分析法的合理成分 ,采用三次样条拟合方法建立校准关系 ,获得了令人满意的实际效果 ,最后 ,还定量比较了校准拟合的改进方案和传统的线性建模方案。     

用B4C陶瓷先驱体涂复碳纤维研究

用溴苯和BF3乙醚为起始原料,合成出聚对亚苯基硼(PPB),高温裂解后得到含B4C 54.4%、B2O2 13.6%、自由碳32%的陶瓷.用溶液浸涂碳纤维(CF)并高温裂解后得到B4C涂层CF,与未涂层CF相比,B4C涂层CF抗热氧化性提高200°C.1800°C热压时B4C涂层CF较未涂层CF制得的CF/SiC复合材料的σb值提高10.5% ,KIC值提高19.4%,1850°C热压时相应的σb值提高31.6%,KIC提高5.8%.