基于IOAPIC重定位表修改策略的键盘过滤技术

设计了一种基于Windows操作系统下的键盘过滤技术。该技术采用WDM驱动框架和IOAPIC重定位表修改技术,可以对用户通过键盘输入的信息进行实时保护。该技术依赖内核驱动程序的最高权限,有效的防止木马程序对用户输入信息的窃取。将其与nProtect密码保护技术进行对比实验,实验结果显示该方法具有比nProtect技术更加底层的防护范围。     

一种基于TMS320VC5402实现FIR滤波器的技术

介绍了TMS320VC5402 DSP的主要特性和FIR滤波器知识,分析了两种循环寻址数据存储器的组织方案,并给出了相应的滤波程序,最后归纳了用FIRS指令实现FIR滤波器的优点。     

基于量子粒子群优化算法的PID参数控制

针对传统PID算法参数最优或接近最优确定较为困难,提出一种量子粒子群(QPSO)优化PID参数的算法,并用平方误差矩积分函数作为适应度判据,以克服PID算法自适应能力较差及遗传算法(GA)优化效率不高,其局部搜索能力较弱的缺陷。并使用伺服电动机数学模型进行仿真,结果表明量子粒子群优化PID参数速度快,避免早熟缺陷,同时表明了所提出算法的有效性和所设计控制器的优越性。     

基于卡尔曼滤波的实时总电子含量周跳探测与修复

总电子含量(total electron content, TEC)作为描述电离层形态和内部结构的重要参量,对于电离层领域的理论研究和发展有着重要作用,而周跳的探测一直以来都是全球定位系统(global position system, GPS)载波相位测量数据预处理的重点和难点,尤其是在高精度GPS定位中,卡尔曼(Kalman)滤波在周跳探测与修复中的应用使得能够准确可靠地探测出观测值中可能出现的周跳,利用Kalman滤波算法探测不同的观测数据类型及其组合,并将修复后的观测值与理论值进行对比。结果表明:该算法对周跳探测和修复有很强的有效性和精度。     

基于随机矩阵理论和改进粒子群优化-深度置信网络的无功优化

配电网无功优化是使电网能安全稳定运行的重要问题,本文将深度学习应用于配电网无功优化上,提出基于改进的粒子群优化 (Particle swarm optimization, PSO)深度置信网络（Deep Belief Networks,DBN）模型的配电网无功优化方法。首先,利用随机矩阵理论将配电网运行过程中产生的环境以及电气数据构造五种随机矩阵,每种矩阵构建8种特征指标,共提取40种特征指标;其次,以随机矩阵理论所提取的各特征指标为输入,以变压器分接头档位和节点的无功补偿容量作为输出,利用改进的PSO优化DBN网络的初始权重,建立PSO-DBN模型,学习各特征指标输入与变压器分接头档位以及节点无功补偿这两种控制策略之间的关系,得出相应的无功优化策略。最后,以改进的IEEE33节点系统作为算例仿真对象,验证了所提方法可降低网损和减少电压波动。     

基于改进自适应无迹卡尔曼滤波的国产民机导航数据滤波算法

针对国产民用飞机导航数据存在杂波不能准确测量的问题,提出一种基于改进自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法的导航数据滤波方法。将无迹卡尔曼滤波(unscented Kalman filter,UKF)与改进Sage-Husa次优无偏极大后验噪声估计器结合构造出改进AUKF,有效解决了在模型不确定或干扰信号统计特性不完全得知的情况下,滤波精度低甚至发散的问题,同时与维纳滤波器和小波阈值法滤波效果进行对比。选择ARJ21飞机实际运行的高度、经度及纬度数据进行仿真,结果表明：改进后的AUKF算法较其他滤波算法精度更高,有效提高了导航数据的可靠性。研究对提高国产民机导航定位精度具有重要意义。     

基于非齐次泊松过程的共享停车场运营策略

为缓解因城市某些地区、某些时间段停车供需不平衡的问题,将居住区内空闲车位进行共享的解决方法已引起多方的关注。在居住区实施共享停车时,需考虑车位提供者与社会停车用户的时空冲突问题。本文首先基于实际停车行为数据,假设车位提供者返回过程呈非齐次泊松过程;其次,以居住区共享停车为运营场景,居住区停车场车位共享率和管理者收益最大化为目标,构建了相应的数学优化模型;最后,设计了粒子群求解算法,通过数值实验,分析该场景下的最优运营策略。结果表明：(1)社会停车用户的最大离开速率在其占车位总数的四分之一左右时,管理者总收益最大;(2)随着车位提供者车位返回速率突变时间的改变,要使得总收益及车位共享率最优,第一阶段变更共享策略时间设置在车位提供者返回速率突变时间前三十分钟内,第二阶段变更共享策略时间应设置在车位提供者返回速率突变时间后一小时五十分钟以内为宜。     

Weights and robustness of model-based seasonal adjustment

Model-based seasonal adjustment implicitly defines a set of weights at the ends of series as well as in the middle. Until now, with the exception of very simple models, the weights have been obtained numerically. In this paper we give the analytical expressions for the weights for both the structural and the ARIMA framework for a model which contains trend, seasonal and irregular component. In the final part of the paper we address the question of robustness of model-based seasonal adjustment. We analyse practically, using real time series, and theoretically, through the analysis of the shape of the weights, how the fitting of different specifications for the non-seasonal part affects the extraction of the seasonal component. © 1998 John Wiley & Sons, Ltd.     

一种特殊要求的数字滤波器的设计与实现

数字滤波器是现代数字信号处理的重要基础。针对一种数字接收机对数字滤波器的特殊要求,提出了设计的基本原理,利用MATLAB软件进行了设计和仿真,结果表明达到了系统要求。最后给出了在DSP中实现的程序片段。     

基于DSP的GPS/DR组合定位系统的设计

对于城市车辆GPS导航来说,其很大的一个缺点是跟踪卫星的信号常常由于建筑物、隧道及树木等的遮挡而使GPS的定位精度大大降低,甚至无法进行正常的定位。为此,提出了基于DSP的GPS/DR组合定位系统,详细介绍了系统的硬件设计方法、组成和软件设计思想。最后进行了采用联合卡尔曼滤波器的GPS和DR系统的组合定位的仿真实验。实验证明,采用联合卡尔曼滤波算法的GPS/DR组合定位系统的转度明显高于GPS单独定位方式。