数字电路实验仪的设计

数字电路实验仪(SS—1型)是为物理系电子线路课程数字部份的实验教学要求而设计的,本仪器也可供其他专业的同类课程实验使用。设计思想是:1.数字电子技术是微机原理的基础课程,在当前计算机技术不断发展和应用日渐普及的形势下,使物理系学生学习和了解数字电子技术的基本知识很有必要,而实验则是必不可少的重要一环。2.着眼于探讨电子线路实验教学的改革,更好地培养学生的实际操作能力,提高实验技能,深化所学知识,做到对基本电路,重要原理既知其然也知其所以然,力求改变过     

忠诚卫士——记平江县安监局局长胡小平

平江县属洞庭湖带，虽没有煤矿，但非煤矿山、烟花鞭炮、危险化学品企业居岳阳之首，安全生产监管任务复杂繁重。近年来，平江县安监局长胡小平因地制宜采取有效措施从严监管，安全生产事故明显下降，2006年，平江县安监局被评为全省安全生产先进单位。这荣誉的背后，该有多少艰辛？近日记者来到平江采访，在安监一线听到、看到的点点滴滴，使记者深深感到，平江县安监局长胡小平真是安全监管一线的一位忠诚卫士。     

一种新的显式极点配置自校正PID前馈控制器

研制了一种新的显式极点配置自校正ＰＩＤ前馈控制器，与传统ＰＩＤ控制器不同，它考虑了对参考输入的滤波。因此，对于同时具有开环不稳和非最小相位两种复杂条件的系统，本控制器可以处理时滞大于１的情形，它能提高极点配置自校正ＰＩＤ控制器处理时滞的能力。计算机仿真结果证明，本控制器是可靠的，在工程方面的作用是明显的。     

一种新的固定滞后最优Kalman平滑器

基于带相关噪声系统的一种最优Kalman滤波算法,应用白噪声估计理论和射影理论,提出了一种带白噪声估值器的固定滞后最优Kalman平滑器。它可递推实现,一个仿真例子说明了其有效性。     

多传感器信息融合ARMA信号Wiener滤波器

应用现代时间序列分析方法,基于自回归滑动平均(autoregressive moving average,ARMA)新息模型和增广的状态空间模型,在线性最小方差按标量加权最优融合规则下,对带白色和有色观测噪声的单通道ARMA信号,提出了多传感器最优分布式融合Wiener滤波器。给出了计算局部滤波器误差方差和互协方差的公式,它们可被用于计算最优加权系数。同单传感器情形相比,可提高融合滤波器的精度。一个带三传感器的跟踪系统的仿真例子说明其有效性。     

GaN纳米柱的量子效率研究

主要通过低温和室温变功率光致发光(PL)谱的实验手段,研究了GaN纳米柱和对应薄膜(作为参考)的量子效率表现.实验中发现在室温,激发光功率为0.5mW时,GaN纳米柱的积分PL强度是薄膜的12.2倍,这表明GaN纳米柱具有比薄膜更高的内量子效率和光引出效率.另外,依据高低温积分PL强度比的方法计算得到激发光功率0.5mW时,GaN纳米柱的内量子效率低于薄膜,该计算结果违背由实验现象得到的结果,这表明该内量子效率的计算方法是不合适的,因而建立了一种新模型,得到GaN纳米柱和薄膜的内量子效率比随激发光功率的变化规律,结果表明GaN纳米柱的内量子效率表现显著优于薄膜.     

多传感器全局最优加权观测融合Wiener信号滤波器

基于Kalman滤波,应用加权观测融合方法,对于带白色观测噪声的单通道ARMA信号,提出了全局最优多传感器观测融合Wiener信号滤波器。可统一处理信号融合滤波、平滑和预报问题。同集中式规测融合方法和分布式状态融合方法相比．不仅可获得全局最优Wiener信号滤波器,而且明显减小计箅负担,便于实时应用。一个三传感器加权观测融合仿真例子说明了其有效性。     

自校正信息融合Kalman预报器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均（MA）新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器。证明了它的收敛性,即它具有渐近最优性,且自校正融合Kalman预报器比每个局部自校正Kalman预报器精度高。一个目标跟踪系统的仿真例子说明了其有效性。     

广义系统多传感器分布式融合降阶Kalman滤波器

对于带多传感器的广义线性离散随机系统,应用奇异值分解,将其变换为等价的两个降阶多传感器子系统,提出了基于变换后的状态融合器构造原始状态融合器的新的融合方法。应用Kalman滤波方法,在线性最小方差按矩阵加权、按对角阵加权和按标量加权融合准则下,分别提出了三种最优加权融合降阶广义Kalman滤波器。可统一处理融合滤波、平滑和预报问题。可减少计算负担和改善局部滤波精度。证明了三种融合器和局部估值器之间的精度关系。为了计算最优加权。提出了局部滤波误差协方差阵的计算公式。一个Monte Carlo仿真例子说明了其有效性。     

辨识动态系统噪声方差Q和R的新方法

对于带未知噪声方差的线性离散定常随机系统,引入左素分解可得到一个新的观测过程,它用两个滑动平均（MA）过程之和表示。用解相关函数矩阵方程组得到了噪声方差Q和R的估值器,进而基于新的观测过程的采样相关函数及其遍历性可得到噪声方差Q和R的强一致估计。算法简单,便于实时应用。一个目标跟踪系统的仿真例子说明了其有效性。