火箭飞行数据的两种滤波方法对比

传统的火箭飞行数据处理方法是使用α-β-γ数字滤皮离线处理，对飞行数据采样信号的第1点、第2点不进行滤波估值，第3点开始逐个进行估值、预测、校正。该方法需要消耗大量的时间，并且滤波后信号的残留噪声仍然较多。针对此问题，经过大量的数值实验和理论分析，发现用小波方法实时处理火箭飞行数据效果较好，比较两种结果，证明无论是滤波后信号的残留噪声还是消耗的时间上小波方法都优于α-β-γ滤波，且实现了数据的实时处理功能，应用前景好。     

多码DS／CDMA传输自适应系统的序列优化

为了优化多码DS／CDMA系统性能，提出了一种自适应序列优化及功率控制方法，通过优化系统扩频码设计，使系统能有效地克服多径多址干扰，降低系统传输功率。此方法中，为提高接收端用户的信号干扰噪声比(SINR)，提出了一种快速收敛的优化序列设计算法，通过优化发送扩频序列和接收解扩序列，降低了多址干扰，提高了多径分集增益；通过调整发射功率，使接收端达到设定服务质量要求，是一种有效的多码DS／CDMA传输自适应方法。     

战斗机起飞噪声测试及特性分析

目标特性的研究是智能武器系统进行目标识别的基础。主要对某型战斗机在起飞阶段产生的噪声信号进行了测试方面的探讨，介绍了测试系统的原理和各部分的功能，并分析了其时域和频域特性，具有一定参考价值。     

交通噪声预测的神经网络模型

运用 Matlab语言编程 ,构造预测交通噪声的 LM算法 BP神经网络模型 ,把预测因子 (轻、重型车流量、平均车速、受声点距路肩距离、敏感点高差 )作为样本输入到网络模型 ,噪声等效声级作为样本输出 ,反复训练网络 ,通过增加隐含层节点数、改进算法 ,以降低误差 ,缩短训练时间。     

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．     

微波放大器Rn-Gn噪声模型阻抗变换测量方法

为了使接收微波放大器在工作频段上具有较小的噪声，讨论了如何使用M-Lane方法，结合自行研制的精密阻抗变换器，得到微波放大器Rn-Gn噪声模型中包括最小噪声系数Fmin在内的4个参数，使设计的放大器工作在匹配状态，Fmin可达到2．32dB，测量时间也大大缩短，结果稳定，为进行微波放大器低噪声设计提供了一个快速准确的方法。     

一种基于Measurement Studio计算动态信号1/3倍频程谱的方法

在声学中,1/3倍频程谱反映了声源的能量分布情况。利用对信号1/3倍频程谱分析的结果,选择适当的吸声系数的材料,以达到良好的降噪效果。通过利用Measurement Studio中的Visual Basic组件,提供了一种快速、准确、可视化的计算1/3倍频程谱的方法。     

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。     

ANSYS在抗性消声器分析中的应用

ANSYS是一大型的通用有限元分析软件，其应用范围极为广泛．运用ANSYS软件对消声器声场进行了有限元分析，先建立抗性消声器的有限元模型，在此基础上通过加载、求解以及后处理等一系列的步骤对消声器进行计算分析，获得消声器内部的声压分布情况和传递损失随频率的变化关系，为消声器的优化设计提供依据．     

影响光电检测电路信噪比的因素

根据噪声电路理论，应用解析方法推导出了光电检测电路信噪比的公式，并结合噪声En-Jn模型，对光电二极管用于光电检测时影响电路信噪比的因素进行了探讨。