系统状态方程的信流图描述

本文从基本概念出发,结合两个具体电路讨论如何用信流图建立系统标准状态方程的方法。     

微波雷达目标信号模拟器及其应用

本文为在野战条件下检测雷达测距系统的性能提供一种新型微波目标信号模拟器,闸述其工作原理及功能。除在检测雷达测距系统性能上已得到实际应用外,还论述了可以进一步开发的应用项目,因为不受场地和气候条件的限制,从而获得较好的效能、效率和效益。     

实现信号衰减的程控电路

本文介绍线路设计中所应用的两种程控信号衰减电路。这两种电路容易实现,使用简便,具有较大的衰减范围,实现了信号衰减控制自动化。显示出比纯电阻手控衰减电路更优越的性能。     

基于BP神经网络的机载航炮故障诊断方法

机载航炮是战斗机的一个重要作战武器,其工作情况的好坏直接影响到战机的攻击和自卫能力,因此,对机载航炮的故障诊断受到航空兵部队普遍关注。通过对机载航炮大量故障现象、故障原因、故障样本的收集、分析和整理,利用BP神经网络建立了机载航炮智能诊断模型。该网络采用了三层结构、17个输入量、10个输出量的故障诊断系统,较完善地反映了机载航炮的故障类型。经故障诊断实例检验,该系统诊断结果正确,有良好的实用价值。     

语音矢量量化编码

语音矢量量化编码是一项新技术,具有很大的实用价值。本文简要地阐述矢量量化原理之后,着重介绍语音波形矢量量化编码、语音参数矢量量化编码、以及混合形式矢量量化编码,综述近年来国内外学者在这几个方面取得的一些成果,预测它们的发展动向。     

2014nccet:基于SI仿真的高密度存储服务器高速链路设计

针对高密度存储服务器中高速链路结构复杂、信号速率高、链路长度长等特点,在高速链路PCI-E3.0和SAS3.0设计过程中引入全面的SI仿真。通过对高速PCB设计中拓扑结构、材料类型、PCB结构等关键项目进行仿真设计,获得成本最低、性能达标的最优方案;通过全链路有源仿真,预估系统性能,降低系统投产风险;通过系统实际信号测试,验证系统性能完全满足相应规范要求,仿真结果有效可靠。     

连续旋转爆震波传播模态试验

通过保持空气流量不变、改变H2/air当量比开展了连续旋转爆震对比试验,发现随当量比的降低出现三种传播模态:在较高的当量比(0.90~1.86)下,连续旋转爆震波以同向传播模态传播;在较低的当量比(≈0.75)下,则以双波对撞模态传播;在中间工况,则以上述混合模态维持传播。分析了不同传播模态下的高频压力特征,并初步分析了传播模态的转换机制:当量比较高时,爆震强度较高,传播过程中的损失和速度亏损相对较小,爆震波以同向传播模态维持传播;当量比较低时,爆震强度较低,传播过程中的损失和速度亏损较大,此时无法维持同向传播模态,而以双波对撞模态传播,这是由于双波对撞模态中的激波对撞产生高温环境,有利于燃烧放热,其可能是连续旋转爆震的极限传播模态。     

一种强干扰环境下的相干弱目标DOA估计算法

提出了一种强干扰环境下相干弱信号的DOA估计算法。该算法通过修正的Toeplitz矩阵实现了对相干弱信号的解相干,然后将强干扰信号对应的特征矢量从信号子空间中剔除,最后利用MUSIC算法对弱信号进行DOA估计。所提算法不需要预知强干扰信号方位信息,对非平稳噪声有较好的抑制性能。此外,相对JJM算法,该算法具有更高的估计精度和正确概率,对强干扰信源具有更好的抑制性能。     

KL散度多模块滑动窗口慢特征分析的故障诊断方法

针对传统分块方法根据经验划分子块导致变量特征信息无法充分利用,其单一的建模方式忽略局部信息以及离线模型无法适应时变特性的问题,提出了一种KL (Kullback-Leibler)散度多模块滑动窗口慢特征分析方法。在正常工况数据集中,利用KL散度来度量变量间的距离,同时引入最小误差平方和准则进行聚类,分成两个距离最小的子模块;在此基础上利用慢特征分析方法对每个子模块进行建模,结合滑动窗口对每次采样的数据进行更新,得到最优模型,分别计算监测统计信息,利用支持向量数据描述对故障监测结果进行融合,实现故障诊断。并将该方法应用于田纳西伊斯曼过程的监控中,得到了较高的故障检测率和较低的虚警率,验证了该方法的可行性和有效性。     

CFO条件下的OFDM子载波调制样式识别方法

提出了一种基于信号幅度分布特征与多次方谱线特征相结合的调制样式识别算法。该算法主要基于正交解调后的正交频分复用子载波信号的幅度分布特征,采用直方图统计的方法实现多进制相移键控和多进制正交幅度调制识别,用多方次谱特征实现多进制相移键控类的调制识别。相比基于经典的高阶累积量的调制识别算法,具有更好的载波频率残留偏差适应能力,在载波频率偏差条件下,提高了调制识别率;相比循环平稳方法,具有更好的信噪比适应能力。仿真实验结果表明了该方法的有效性,相同的识别率下能适应更低的信噪比。