TVM制导方式中无源测向交会定位系统

无源测向交会定位是雷达组网抗干扰的重要途径。给出了无源测向交会定位技术的理论依据和算法 ,从而构造出系统的基本组成。该算法应用于TVM制导方式中的无源测向交会定位系统 ,要求副站所测信息少 ,而且系统跟踪精度高 ,抗干扰能力强     

基于机动频率自适应的目标跟踪算法

利用观测新息在目标机动时发生变化的信息，设计了一种自适应的机动目标跟踪算法，通过对目标状态误差的估计，从而自适应的改变机动频率，使跟踪算法与目标的真实状态更接近，该算法具有运算量小、跟踪精度高、易于工程化实现的特点。     

基于新型模糊 PID 算法的恒温控制系统研究

为解决传统恒温控制在工农业应用中自动化程度低、精准度不高以及稳定性差等问题,设计了一种基于新型模糊 PID( Proportion Integration Differentiation) 控制理论的自动控制系统。该系统应用 STM32 芯片对温度量进行采集和实时控制,使用矩阵键盘和液晶屏作为人机交互设备,引入新型模糊 PID 控制算法,构建新型模糊PID 控制器,通过迭代算法整定比例、积分和微分参数值,得到加热控制量,控制器根据该控制量按对应的PWM( Pulse Width Modulation) 高电平占空比输出电流量对半导体制冷片进行加热。实验表明,该系统能快速采集系统温度并进行实时控制,将系统温度稳定在预期温度,系统理论绝对误差为 0． 1 ℃ ,实际测量误差为0． 5 ℃ 。系统较好地实现了温度自动检测与控制,解决了自动化程度低、精准度不高以及稳定性差的问题。     

基于Wi-Fi/气压计组合的楼层定位

针对目前大多数楼层识别方法由于未考虑楼梯间的活动识别,在楼梯处楼层定位结果来回切换的问题,提出了一种基于Wi-Fi/气压计组合的楼层定位方法。在平面楼层离线建立指纹库,并用基于密度聚类(density-based spatial clustering of applications with noise,DBSCAN)算法对指纹库进行聚类,区分不同区域的信号特征,在线接收信号与指纹库进行匹配识别楼层。在楼梯间用气压计进行上下楼活动识别,活动识别融合了步频检测,以应对突然运动状态的改变导致的误判。结果显示,在平面楼层本文方法较基本楼层识别方法准确率提高;在楼层过渡部分能有效识别上下楼活动,解决了楼梯间楼层来回切换问题,融合步频检测后能有效剔除人运动状态改变导致的误判。实验表明本文的楼层定位方法能有效应对复杂环境的楼层定位需求,且完备性较强。     

低成本高精度单导联心电信号采集电路设计

为解决心电信号采集过程易受噪声干扰、 电路复杂等问题, 设计了低成本高精度心电采集电路, 采用芯片 AD8232 采集并放大心电信号, 引入 100 Hz 低通滤波器、 0. 05 Hz 高通滤波器及 50 Hz 陷波电路。 实验表明,高频干扰衰减 60 dB(10 倍频), 50 Hz 噪声衰减了 41. 08 dB。 该电路有效地滤除了单导联心电信号中掺杂的共模干扰、 肌电干扰、 基线漂移和工频干扰等, 提高了单导联心电采集精度, 可应用于家用医疗监护、 便携式可穿戴式心电监测设备。     

基于IFTBN的不确定性时间推理方法

针对模糊贝叶斯网络模型对复杂不确定性时间信息描述和推理方面的局限性,给出了直觉模糊贝叶斯网络的定义,并将直觉模糊时序逻辑理论与贝叶斯网络推理相融合,构建了直觉模糊时间贝叶斯网络(intuitionistic fuzzy time Bayesian network, IFTBN)模型,提出了基于IFTBN的不确定性时间推理算法,较好地解决了态势估计中不确定性时间推理精度不高的问题,提高了军事态势评估系统形成正确战场感知的作战效能。最后通过典型实例验证了该时间推理方法的有效性和优越性。     

参数自适应的长期IFTS预测算法

针对模糊时间序列预测理论多局限于短期时间范围预测以及对不确定数据集模糊变化趋势描述和论域区间划分研究不足的问题,构建了参数自适应的长期直觉模糊时间序列预测模型。新模型通过引入滑动窗口机制和参数自适应的直觉模糊C均值聚类算法优化论域区间划分,利用矢量预测技术解决时间序列长期范围预测误差积累的问题,有效地提高了复杂环境下时间序列长期趋势预测的精度,扩展了直觉模糊时间序列预测理论的应用范围。最后,通过典型实例验证了该方法的有效性和优越性。     

用ActiveX Automation技术实现齿轮精锻专家系统中的三维造型

讨论了CAD系统中AutoCAD与VB的连接方法 ,在AutoCADR1 4 .0的ActiveXAutomation技术基础上完成了CAD系统中的三维造型 ,并给出了直齿锥齿轮啮合演示实例 ,按照给出的编程实例操作 ,其结果充分体现了该技术在处理图形方面的强大优势。     

超高时空和能量分辨光电子成像研究进展

测量并操控新材料和新器件中极端时空小尺度电子的超快动力学过程,是后摩尔时代柔性半导体和微纳超快响应器件研发的核心.时空和能量分辨的光发射电子显微技术将光学的泵浦-探测方案与电子显微成像技术巧妙结合,兼具飞秒-纳米极端时空和高能量分辨本领,已经成为探索纳米光子学和低维半导体器件等领域超快光物理过程的普适显微手段,推动了等离激元学、半导体材料科学及其相关交叉学科在基础和应用研究领域的革命性发展.本篇综述将重点介绍超快光电子成像技术在等离激元功能器件、高阶等离激元涡旋场、等离激元斯格明子和低维半导体材料方面的应用.最后,我们将展望超快光电子成像技术在未来基础研究和应用研究中的新机遇.     

一种基于VMD-PSO-SVM的短期风电功率预测算法

基于风场数据,利用风电机组功率特性曲线,采用支持向量机（Support Vector Machine,SVM）非线性拟合方法,设计了一种基于变分模态分解（Variational Model Decomposition,VMD）的粒子群优化支持向量机短期功率预测算法.首先,通过VMD将原始风功率序列分解为多组平稳的固有模态函数和趋势项,对风电功率数据进行预处理;其次,利用粒子群算法优化（Particle Swurm Optimization,PSO）支持向量机参数,建立VMD-PSO-SVM组合预测算法模型,对每组固有模态函数和趋势项进行预测,得到多组预测结果,再将其重组,得到功率预测结果;最后,将预测结果与其他预测算法进行对比,结果表明预测精度更高.