基于改进灰狼算法的粒子滤波算法研究

针对传统粒子滤波算法易出现粒子贫化与权值退化现象和为了实现对非线性系统较为准确的状态估计,通常需要大量粒子的参与的问题,提出了基于改进灰狼算法的新型粒子滤波方法,该算法用粒子表征灰狼个体,模拟狼群捕猎的过程,使粒子向后验概率的高似然区域移动,提高粒子分布的合理性。在灰狼寻优算法中引入了莱维飞行策略,提高灰狼算法的收敛速度;在部分重采样前采用了权值自适应调整策略,增加粒子的多样性。仿真实验结果表明:改进的方法提高了粒子滤波的估计精度、保证了粒子的多样性与粒子分布的合理性、降低了状态估计所需的粒子数量。     

飞秒光纤光源的波分解复用 复用实验

为研究飞秒光源作为链路初始光源的可行性，使用阵列波导光栅（AWG）对265 fs光纤光源进行波分解复用 复用实验。实验光源波长为1 52765～1 56505 nm，通道数为48，通道间隔为080 nm。研究发现:在分波实验中，飞秒光纤光源经过AWG后，扫描谱线3 dB带宽为064 nm ，相邻通道串扰为2726 dB，比连续光源增大502 dB；在合波实验中，观察到AWG多端口端对宽带光源的波长选择作用，验证了AWG的色散特性，发现多光束的输出谱线总体轮廓未出现太大变形；在波分解复用 复用实验中，谱线最大损耗为251 dB，输出谱线轮廓和初始光谱基本一致，信号在传输过程中未出现明显失真，证明飞秒光源作为链路初始光源的可行性。     

基于高斯滤波下的粗糙度不确定度的计算

自由曲面的粗糙度的大小直接反映了表面加工质量的优劣.粗糙度的提取可以通过滤波过程来实现,本文选取高斯滤波来确定粗糙度评定中线,高斯滤波可以得到较为准确的粗糙度.本文将粗糙度评定中线根据波峰和波谷的位置在其临近部分分段模拟为二次曲线,最终分别得到波峰和波谷段的粗糙度评定中线的表达式.在此基础上,建立了关于粗糙度Rz的数学模型.随后采用"测量不确定度的标准指南"(GUM)来计算粗糙度的不确定度,并采用自适应蒙特卡罗方法(AMCM)来进行比较,得出了高斯滤波模型下通过GUM法来计算粗糙度不确定度是一种有效的方法.     

高速泥浆脉冲遥传系统研制及应用

针对正脉冲式泥浆脉冲发生器传输速率低(1 bit/s),不能满足实时地质导向和实时地层评价的问题,介绍了一种高速泥浆脉冲遥传系统。通过理论分析、仿真模拟计算及试验,确定在系统中采用旋转阀式脉冲发生器的井下信号发生系统,以进一步提高传输速率和泥浆适应性;针对地面系统高速泥浆脉冲信号被噪声淹没等问题,采用通过高速信号采集处理系统,基于自适应滤波、位同步解码等算法,对采集到的原始信号进行了滤波解码处理;另外,通过现场应用对系统存在的其他问题进行了升级改进。现场应用表明,该系统具有泥浆适应性好、传输速率高(3～5 bit/s)等优点。     

自校正滤波有源噪声控制算法

滤波-x最小均方（Filtered-x Least Mean Square,FxLMS）算法是前馈有源噪声控制系统中应用最广的算法，但滤波器阶数选择和运算量是制约其在多通道系统中应用的重要因素.引入一种自校正自适应算法，通过串联多个低阶滤波器以简化滤波器阶数选择并降低计算复杂度.在有源降噪耳机实例中的对比结果表明，该算法能在计算量较小的情况下获得与FxLMS算法相当的降噪性能.     

导航信号功率增强对阵列接收机的影响分析

为了分析低轨导航增强系统中信号功率增强对阵列接收机的影响, 提出一种信号传播与阵列接收机的数学模型, 基于该模型分析了功率增强条件下最小均方误差算法与直接矩阵求逆算法对抗干扰性能的影响。根据理论分析与仿真实验, 增强信号对最小均方误差与直接矩阵求逆的影响相似, 当信号增强量在15 dB以下时, 阵列抗干扰对信号的影响较小；随着信号功率进一步增强, 增强信号被识别为干扰并进行了抑制；当信号的信噪比增强到10 dB时, 增强信号被抑制约15 dB。研究结果表明, 在采用传统阵列抗干扰方法的情况下, 信号功率的增强并非越大越好, 信号功率增强15 dB时对传统阵列抗干扰的影响较小。     

植入式硅神经微电极的发展

 神经科学和神经工程研究需要研究大脑神经元的电活动情况，以了解大脑产生、传输和处理信息的机制。植入式神经微电极作为一种传感器件，是时间分辨率最高的神经电活动传感手段之一。介绍了国内外几种主要的植入式硅基神经微电极的结构特点、制备方法和性能特点。分析表明，未来通过不断结构优化和改性修饰，特别是在高通量的神经记录方面，通过与同样基于硅材料的电路的集成，硅神经微电极能够进一步提高生物相容性，解决大规模的电极通道体内外传输与连接问题，实现对神经元的在体大规模长时间记录。     

基于粒子滤波与BP神经网络的短时交通流预测

为了有效缓解当前交通拥堵问题,结合时下流行的智能交通系统,本文将粒子滤波算法引入短时交通流预测过程中,提出一种基于粒子滤波与神经网络的预测算法。该系统通过BP神经网络的非线性映射功能,分裂选择适当的权值,在多次训练之后能够提高算法中粒子的多样性,改善算法滤波的性能,最终达到提高预测精度的目的。另外,本文以河南省新乡市交通局公交和出租车数据作为数据来源,通过与传统的粒子滤波算法和BP算法的预测结果进行对比,发现本文所提出的方法对短时交通流预测具有更好的预测精度。