基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力，使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度，提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先，对跳频信号进行短时傅里叶变换获取谱图。然后，从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明，此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

一种应用于高含硫气井的智能取垢器系统设计

油气井生产过程中，受地质环境、生产阶段、矿物成分等多种因素综合影响，井筒上易产生垢物堵塞，影响正常生产；而解堵和工艺措施的有效性由能否精准取样井下垢物直接决定。针对高含硫气井井下垢物样本取样需要，设计研制了一套智能井下取垢系统，介绍了智能井下取垢器的体系结构及工作原理；详细论述了电路板减震结构、取垢弹爪、容垢篮装置以及扶正装置等取垢器关键机械结构及部件；阐述了基于DSP的电气定时控制系统的体系结构及控制原理，重点说明了系统PID控制算法关键参数计算过程。室内性能实验以及试验井功能试验结果表明，研制工具的耐温、承压性能以及取垢和容垢装置自动化伸缩同步联动控制功能可靠，入井和出井过程顺利，能为高含硫气井井下垢物精准化取样提供设备支撑。同时，提出的设计方法和思路对其他智能化井下工具的研发具有一定的参考意义。     

改进型DSC的并网锁相环直流偏移消除方法

针对在SRF-PLL的控制内环中使用延迟信号消除(DSC)算子，放缓了动态行为问题，提出了一种用于电网同步的三相PLL中的快速直流偏移抑制方法.通过使用改进型DSC运算器(MDSC)方法，改进了传统的基于DSC的PLL的动态性能.该方法能够有效地克服系统带宽给直流偏移消除带来的影响，并使系统响应速度得到提升.另外基于MDSC的PLL在相位跳变和频率阶跃变化的调整时间也很小.所提方法的有效性通过仿真实验结果得到证实.     

基于重心法和层次分析法的高校快递智能柜选址布局问题研究

针对高校快递智能柜选址问题，提出了重心法联合层次分析法的综合选址方法。该方法首先运用重心法确定智能快递柜的备选位置，再结合层次分析法从备选位置中确定最优选址。以广州某高校为例，对联合选址方法进行了实际应用。结果表明，该方法计算过程简便、实用，在校园自提柜选址决策方面有较高的科学性和可行性，可以为各大高校快递智能柜选址提供参考。     

张家界大鲵产业集群竞争力测度的AHP-GEMS模型

构建了大鲵产业集群竞争力测度的AHP-GEMS模型，该模型包括四因素对，涵盖八要素.设计了大鲵资源量等34项评价指标，通过层次分析法确定指标权重，并运用GEMS模型对大鲵产业集群竞争力进行定量化测度与评价.以张家界市大鲵产业为例展开分析，结果表明，张家界市大鲵产业集群的竞争力评分为582.55，处于国家一般水平，具有本国范围内较强的集群竞争优势；但张家界市大鲵产业发展存在国内外市场不足、精深加工产业链不完善、从业人员素质与教育水平偏低、产业所在地交通与通讯设施不完善等问题.针对这些问题，提出了加强国内与国际市场融合、基础设施建设与可持续发展融合、产业与全域旅游建设融合、产业发展改革与创新融合等建议.     

沥青路面使用性能评价模型与性能评价案例分析

为了客观准确了解沥青路面的实际使用性能，以便及时进行沥青路面管理与维修养护，依据检测数据对沥青路面进行了使用性能评价研究，即将主成分分析法与层次分析法相结合，建立了基于主成分-层次分析法的评价模型，并进行了评价案例分析。本研究以荣乌高速保定段2016~2019年的路面定检数据为基础，首先用主成分分析法对性能指标归类和预处理后的检测数据进行主成分提取，建立判断矩阵，再用层次分析法对各指标赋予权重系数，得到上下行路面的使用性能评价模型。选用荣乌高速检测数据进行了模型验证，并与现行《公路技术状况评定标准》评价结果相比较，评价等级高于《标准》的路段样本比例约为0.34%，低于《标准》的比例约为6.83%。本研究的评价结果更能够反映路面的实际衰变特性。     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

基于跟踪信息的多帧联合检测方法

传统多帧联合检测方法针对搜索阶段进行设计, 由于无任何目标信息, 需要采用较高的检测门限以降低虚警数量。然而, 一旦成功建航, 目标存在性已确定, 可利用目标跟踪信息调整多帧联合检测策略, 以提升微弱目标检测能力。基于上述考虑, 本文提出了一种基于跟踪信息的多帧联合检测方法。首先利用当前时刻跟踪信息建立预测波门, 然后设定较低的单帧检测门限保障微弱目标信号的高概率检测, 最后在航迹恒虚警约束下调整多帧联合检测门限, 从而完成航迹维持和撤销。仿真实验表明所提方法可有效提高目标检测概率和跟踪维持概率。     

液中放电沉积技术研究进展

液中放电沉积是一种新型的表面改性技术，起源于电火花加工技术，可在金属表面制备出具有高硬度、高耐磨性以及高结合力等优良性能的沉积层。此外，该技术不污染环境，有望替代部分常用但具有污染性的表面改性技术。液中放电沉积技术的核心内容为沉积层形成机制、工具电极材料以及介电流体成分。简单介绍了液中放电沉积技术的特点，重点阐述了沉积层的形成机制以及缺陷优化工艺，并从工具电极材料、介电流体成分和实际生产应用三个方面总结了液中放电沉积技术的国内外研究进展，展望了该技术的发展方向。