旋转调制式寻北仪滤波技术研究

研究用机械旋转和数字滤波的方法提高寻北仪精度.利用连续恒速旋转方法对陀螺信号进行调制,用积分方法进行解调,以抑制陀螺常值漂移、漂移趋势项和刻度因数误差对寻北精度的影响,用设计的低通滤波器对含有随机漂移和系统干扰的陀螺信号进行滤波.实验结果表明这两种措施可有效提高寻北仪方位角估计精度.     

小波域中值滤波器在陀螺寻北仪中的应用

研究了利用小波变换消除陀螺干扰漂移的方法．通过对陀螺寻北仪两位置寻北方案的分析，表明陀螺随机干扰信号是影响系统精度的主要误差源．为此将中值滤波与小波阈值去噪相结合构造了小波域中值滤波器，并应用于陀螺数据处理中．寻北试验结果表明，该滤波器在有效对白噪声滤波的同时也能较好地去除脉冲噪声，与传统的去噪方法相比，寻北精度提高20％，对陀螺各种干扰信号具有很好的抑制作用．     

小波去噪技术在捷联寻北仪中的应用

为了提高捷联寻北仪在动态干扰下的精度,采用小波去噪法对寻北仪的原始输出信号进行处理.通过对多尺度下信号的小波变换系数及模极大值的跟踪,发现有用信号为平稳信号,而干扰信号的模极大值并不都随尺度的增加而减少,因此提出模极大值与软阈值相结合的方法.对随尺度增大的模极大值用其左右相邻几个非模极大值平均值替代,滤去李氏指数大于0的干扰信号;对李氏指数小于0的噪声采用软阈值法去噪.该方法可使寻北精度达到1 mrad.     

基于小波域隐马尔可夫模型的信号处理技术研究

研究寻北仪惯性传感器信号处理问题,采用基于小波域的隐马尔可夫模型(WHMM),对连续旋转式寻北仪陀螺的输出信号进行降噪处理. WHMM使用混合高斯模型描述小波系数的分布特性,隐状态间的概率转换描述不同尺度小波系数间的相互关系,并采用期望极大化(EM) 算法对模型参数进行训练. 通过训练得到的WHMM估计真实信号的小波系数,将估计出的小波系数进行逆小波变换,实现信号的降噪处理. 应用实例表明,该方法对陀螺输出信号有效地进行了降噪处理,抑制了干扰,提高了寻北精度.     

基于B-小波提高寻北仪抗基座扰动的能力

为消除静基座寻北时外部基座扰动对寻北仪精度的影响，提出采用波形反对称的三阶B-小波对寻北仪原始输出信号进行滤波处理，通过对多尺度下小波变换模极大值的分析，可以确定低频基座扰动在时域上的作用点，从而消除受污染数据对寻北精度的影响，利用实测数据进行的仿真表明，该方法能有效地提高寻北仪抗基座扰动的能力。     

采用数据处理方法提高车载捷联式寻北仪的精度

本文采用数据处理方法来提高车载捷联式寻北仪在受到外界干扰时的寻北精度.详细分析了捷联式寻北仪的寻北原理和外界干扰产生寻北误差的原因,提出了低通滤波方法和两种类型的统计分段方法.试验数据和仿真结果表明,所提出的方法对于寻北仪抑制某些外界干扰从而提高寻北精度是非常实用和有效的.     

去除移动心电中运动干扰的前馈组合自适应滤波器

最小均方自适应滤波器(LMS-AF)和变步长LMS-AF(VSS-LMS-AF)通常用来去除移动心电信号中的运动干扰.运动干扰和移动心电信号的非稳态特性会增加自适应滤波器的失调,组合自适应滤波器(C-AF)虽具有跟踪非稳态信号的能力,但仍存在信号失真.为了进一步减小信号失真,提高去除运动干扰的能力,提出了一种前馈组合自适应滤波器(FFC-AF),采用参考信号对运动干扰的稳态程度进行估计,将两个并行的自适应滤波器的输出组合起来.用10位健康志愿者的移动心电记录进行了仿真实验,以评估FFCAF的性能.结果表明,文中提出的FFC-AF比C-AF具有更小的信号失真和更大的信号干扰率,可以用于移动心电信号中运动干扰的去除.     

静电陀螺寻北仪中的磁干扰

电磁兼容性的问题尤其对采用静电陀螺作为核心元件的高精度寻北仪越来越显得重要。有关静电陀螺的文献对于静电干扰讨论较多,本文则侧重对静电陀螺寻北仪中的磁干扰进行讨论。磁干扰包括外部磁干扰和内部磁干扰,外部磁干扰可通过严格的电磁屏蔽加以排除,对于内部磁干扰本文推导了有关数学关系式,必要时可以加以补偿。     

连续旋转式寻北仪的寻北算法及信号处理

研究一种连续旋转式寻北仪.推导了该寻北仪在无姿态下的寻北解算公式.为了提高系统的寻北精度,对其干扰源进行了分析,采集了陀螺和加速度计的信号,根据其信号特点提出了基于快速傅里叶变换(FFT)的滤波方法,应用该方法对陀螺单次寻北数据进行了滤波,并与原始数据作了比较.在此基础上提出了对多次寻北结果采用多周期平均的数据处理方法.实验结果表明,系统在精确调平状态下寻北340 s即可达到0.008 3°的寻北精度.     

径向基函数网络在扩频通信干扰抑制中的应用

提出了一种基于径向基函数网络的自适应干扰抑制方法,与传统的基于反向传播算法的感知器神经网络相比,径向基函数网络具有收敛速度快,对环境变化不敏感等优点,计算机仿真结果表明,当干扰为窄带信号时,利用径向基函数网络可以有效地对干扰进行抑制,将该方法与基于传统横向滤波器和感知器神经网络的干扰抑制器进行比较,结果表明该方法具有一定的优越性。     

一种新型前向神经网络用于汉语四声识别

提出了一种新型的前向神经网络，并研究了其在语音识别中的应用。该神经网络为只含一层非线性隐层的前向神经网络，以线性的输出层代替一般ＢＰ网络的非线性输出层，可以更准确地，范围更大地完成非线性函数估值功能。该神经网络采用了包括反向传播算法及最小均方算法的混合算法进行训练，可以减少落入局部最小点的概率以及提高收敛速度。     

基于3种训练神经网络方法解决异或问题的研究

分别运用误差反向传播(error back propagation)算法、扩展卡尔曼滤波(extended kalman filter)和数值积分卡尔曼滤波(cubature kalman filter)算法对多层神经网络模型进行逐次状态估计,并将其用于解决异或的分类问题。从仿真实验结果来看,利用BP,EKF和CKF算法训练的神经网络的输出信号的均方误差曲线的收敛速度依次加快,这使得神经网络的实际输出值越来越逼近其期望输出值,同时针对异或问题3种算法都得到了良好的分类结果.     

一种耗散型混沌神经元及其延时分类

讨论了离散的、耗散型非线性神经元模型动力学·数值模拟表明模型中带有非零衰减系数时,自抑制神经元呈现出复杂的动力学模式,其中包括倍周期分叉通往混沌·利用混沌神经元对BP网络结果进行后处理,组成BP/CNN混合神经网络,利用其倒分岔特性实现延时分类·构建的BP/CNN对典型的具有延时特性行为的SYNflooding滥用入侵进行检测,结果表明该混合神经网络具有灵活的延时分类能力,扩展了BP神经网络的计算能力,提供了一种新的分类处理方法,可以推广到识别其他延时分类的事件中·     

静电陀螺寻北仪的力学原理

静电陀螺仪是当今世界上精度最高的陀螺仪,研制静电陀螺寻北仪是为了寻求高精度的方位测量仪器。采用静电陀螺仪组成寻北仪可采用以下两种方式：力反馈方式和自由陀螺方式。前者水平方向包含两个力反馈回路,通过测量反馈回路电流得出方位角。后者陀螺自由转动数分钟,通过测量静电陀螺水平轴偏角得出方位角。该文讨论了力反馈方式和自由陀螺方式静电陀螺寻北仪力学原理,其中包括两种方式下坐标变换及获得方位角的算法推导,并得出结论。     

基于机器学习的锚固岩质边坡变形预测

锚索锚固是一种广泛使用的边坡加固技术,锚固性能的研究是锚固的核心问题之一。利用有限差分程序建立324组物理力学参数不同的锚固边坡,组成包括锚索参数和岩土体性质参数的9维输入指标和以沉降位移和塑性区面积为输出指标的数据集,分析输入输出指标间的关系。随后用随机森林和神经网络方法学习数据并建立层状边坡变形预测模型。分析显示,边坡沉降位移和塑性区面积预测结果变化对锚索性质参数中锚索总长度变化最敏感,锚固力的变化影响最小;其次岩土体物理力学性质中边坡力学指标黏聚力、内摩擦角起主要影响作用,岩土体密度变化影响最小;对预测结果的误差分析表明随机森林变形预测模型预测准确性比BP神经网络变形预测模型高5%~10%;模型预测沉降的偏差率小于预测塑性区面积的偏差率。研究表明随机森林算法在锚固效果预测问题上更加具有适用性,通过建立预测模型可以快速预测锚固边坡沉降位移和塑性区面积,指导锚固方案优化和变形控制设计。     

基于组合神经网络的软件可靠性预测研究

为了进一步提高神经网络的预测能力,提出了一种前馈神经网络混合学习算法,并将其应用于组合神经网络.该算法由一种模式提取算法(Alopex)和伪逆算法组成.在该混合学习算法中,网络的学习任务被分解为2个部分:隐藏层的权值先随机给定,然后使用Alopex算法不断地对其进行扰动;输出层的权值使用伪逆算法确定.所使用的组合神经网络由多个结构相同的前馈神经网络组成,每个前馈神经网络都使用混合学习算法(采用不同的初值)进行训练.实验结果表明,这种组合神经网络能够显著提高软件可靠性的预测精度.