电磁噪声的产生及防止对策

本文论述了电磁噪声的产生和种类以及耦合噪声的形态与噪声故障的防止对策。举例说明电磁感应故障和控制回路的噪声防止对策,最后介绍防止电源线路传播噪声的措施。     

有色测量噪声下的输入白噪声估计算法

由于在实际工程中,测量噪声并不是白噪声而是时间相关的有色噪声．本文通过建立等效测量方程提出了测量噪声是有色的情况下输入白噪声的估计算法．     

浅谈城市噪声的危害及防治

噪声是一种环境污染,是仅次于大气污染和水污染的第三大公害。介绍了城市噪声的分类,分析了噪声的来源和危害重点,提出了目前城市噪声污染防治的建议及对策。     

贵工大教学区噪声评估和治理

对贵工大Ⅰ教学楼临道教室作噪声级实测,并与GB3096－82标准对照,提出治理交通噪声的可行措施。     

开关电源噪声的产生及抑制方法

分析了开关电源噪声产生的类型、原因及传播方式，根据开关电源结构特性，提出了抑制和消除噪声源、屏蔽噪声、滤除噪声等抑制开关电源噪声的一些措施。     

飞机巡航近场噪声经验预测方法研究

巡航状态下的机体表面噪声,其声源分为点声源和分布式声源.推进系统噪声中,风扇、压气机、核心、涡轮噪声可视为点声源,采用飞行修正的远场噪声预测方法.喷气噪声和机体噪声(机翼或尾翼后缘噪声、机身湍流边界层噪声)则为分布式声源,采用工程近场的方法进行预测.采用噪声源半经验参数关联模型,发展了巡航条件下的机体表面噪声预测计算方法.该计算方法可以对飞机机体(机身、机翼或尾翼等)外表面声场进行预测,并能够对各噪声源的辐射特性进行计算.以ARJ21-700为例:飞行高度10 000 m,飞行马赫数0.7,对机背表面(纵轴)5个点进行了声场预测.计算结果表明:风扇噪声是巡航条件下的最主要声源,其次为涡轮噪声、后缘噪声以及喷气混合噪声,各观察点的次要噪声源有所不同.     

异步电动机运行噪声及其控制方法

异步电动机的运行噪声主要有三类，机械噪声，电磁噪声和通风噪声，本提出了噪声的诊断及控制噪声的方法。     

异步电动机噪声及其控制

根据电机设计理论,从电磁径向力波出发,首先着重分析和论述了异步电动机的电磁噪声及其控制方法;接着对机械噪声和通风噪声的成因及降低这些噪声的技术措施等作了详细的阐述;最后,对降低电机噪声的辅助措施作了介绍。     

基于有色噪声卡尔曼滤波的GPS多径估计研究

在最大似然多径估计技术的基础上,提出了一种新的基于有色噪声卡尔曼滤波的全球定位系统(GPS)多径信号估计技术.建立了GPS多径信号的卡尔曼滤波估计模型,推导了观测噪声为有色噪声的卡尔曼滤波的状态方程和观测方程,阐述了有色噪声的形成过程,推导了卡尔曼滤波的递推公式.实验结果表明,提出的设计技术可以在20dB·Hz的载噪比条件下对多个GPS多径信号进行较精确的估计.     

基于噪声顺序解相关的两阶段Kalman滤波融合

针对传统两阶段Kalman滤波只能处理单一或部分复杂噪声情形,在充分考虑多雷达跟踪系统的误差噪声有色建模和四类噪声相关性建模基础上,建立一种基于噪声顺序解相关的两阶段Kalman滤波融合算法。首先给出能有效避免噪声相关性耦合化的噪声解相关顺序,进而应用等价变换技术来获得有色噪声、过程噪声和测量噪声三者间不相关的目标跟踪融合模型,最后应用平方根分解和单位下三角阵求逆技术来实现多雷达量测噪声相关系统的集中式Kalman滤波融合,并通过4个仿真实验验证了该算法对复杂噪声情形的有效性和高精度。     

基于Burg算法与卡尔曼滤波的有色噪声状态估计

探讨一种有色噪声卡尔曼滤波算法。基于静态环境下多传感器的噪声信号,借助Burg算法和自回归模型,获得可在线估计噪声信号的噪声模型,进而结合经典卡尔曼滤波算法,获得可估计系统状态的有色噪声卡尔曼滤波模型。数值实验结果比较显示该模型对系统的状态估计精度高、噪声抑制能力强。     

Kalman滤波的发散现象及其克服方法

指出了Kalman滤波可能出现的发散现象，分析了产生的原因，通过实例的讨论，提出了一种克服发散的方法。     

基于BCRLS-AEKF的锂离子电池荷电状态估计及硬件在环验证

研究有色噪声下的锂离子电池参数辨识与荷电状态（SOC）估计,并进行硬件在环实验验证.在动力电池模型的参数辨识过程中,利用带遗忘因子的偏差补偿递推最小二乘法进行偏差补偿,提高了有色噪声数据的参数辨识精度.在此基础上,利用自适应扩展卡尔曼算法进行SOC估计,使得滤波算法中的估计结果可以随着噪声统计特性的变化而自适应更新,实现了模型参数和电池状态的联合估计.最后,借助BMS测试系统模拟电池电压电流信息输出,完成了硬件在环实验以验证所提出的方法.实验结果表明,利用所提出算法估计得到的电池端电压和SOC误差分别小于10 mV和0.5%.      

过程噪声和量测噪声多步相关的卡尔曼型滤波

本文详细讨论了在随机离散时间动态系统 中过程噪声~$w_k$~和量测噪声~$v_k$~两步相关情况下的最优状态估计, 给出了两步相关情况下的卡尔曼型滤波. 然后把它推广到过程噪声~$w_k$~和量测噪声~$v_k$~多步相关的情况, 给出了n步相关情况下卡尔曼型滤波的一般表达式.     

基于自适应网络模糊推理系统的噪声抵消

对自适应网络模糊推理系统(ANFIS)在噪声抵消中的应用进行了研究，说明了ANFIS的结构和使用ANFIS进行噪声抵消的原理，对窄带干扰的滤除和噪声中的信号提取两种情况进行了仿真，并对ANFIS和LMS(小均方误差准则)两种算法进行了对比研究，结果表明，利用ANFIS进行噪声抵消要优于LMS。     

基于中国餐馆过程的语音增强

针对有色噪声中的语音增强问题,通过引入中国餐馆过程混合模型（Chinese Restaurant Process Mixture Model,CRPMM）,其潜变量满足中国餐馆过程,能够较方便地获得马尔科夫链式样本的展开.建立了参变量与潜变量基于块采样的后验更新形式,结合卡尔曼滤波技术,能够在分布空间上更精确地逼近噪声的后验分布.仿真算例及实际语音信号增强算例表明,较之传统的参数化卡尔曼滤波算法及变分贝叶斯滤波算法,基于数据驱动的无穷维的块采样技术能够更好地适应新模态,并取得较好的语音增强效果.     

基于小波分解的色噪声预测

研究色噪声的预测．将小波分析理论与神经网络建模预测基本原理相结合，提出了基于小波分解的神经网络预测方法．通过对年平均太阳黑子数典型统计模型的预测，验证了该方法的预测效果．将该预测方法用于色噪声的预测研究，通过改变对色噪声的采样速率，分析了色噪声预测的可能性和效果．研究结果表明，色噪声是可以预测的；对其预测的误差随采样率的提高而减小；基于小波分解的神经网络预测方法的预测精度优于线性神经网络预测方法．