双模双向变流器研发

双模双向变流器技术主要分为四个方面，并网逆变及整流技术，使用电力电子技术实现逆变、整流、有功、无功调节等策略；储能技术，也就是蓄电池充放电管理及其相关技术；逆变和储能的切换技术，通过矢量闭环控制技术，可实现逆变和储能技术的双向0切换；离网工作模式及并网工作模式的无缝切换技术，在大电网失电时变流器会立即从并网模式切换到离网模式，并为本地负载供电。当大电网恢复供电时变流器又可以自动调整输出的电压、频率、相位，再次并入电网，实现无缝切换。     

一个切换混沌系统的分析及在FPGA上的实现

在变形Lorenz混沌系统的基础上,采用改变系统第三个方程中非线性项的方法,构建一个新的混沌系统,并分析该系统的平衡点及在平衡点的性质以及混沌吸引子相图、Lyapunov指数和Lyapunov维数等特性,它与另一个混沌系统构成一个切换混沌系统,利用电子设计自动化(Electronic Design Automatic,EDA)技术,借助于计算机的软件在现场可编程门阵列(Field Programmable Gate Array,FPGA)平台上实现了这个切换混沌系统。实验结果表明两个子混沌系统在各个相平面上的相图与理论分析结果符合得很好。该系统用于混沌同步的保密通讯中,可以提高安全性能。     

Vizrt在电视新闻类节目中的技术研发的探索与实践——Vizrt二次开发具体案例分析

Vizrt系统是一个比较开放的平台，具备优秀的设计制作功能，同时具有较为强大的二次开发扩展空间。本人通过近两年的经验积累，总结了一些对Vizrt进行二次开发进而提高制作效率、智能化操作流程、提升交互特性、解决系统故障、优化播控流程、扩展软件功能等方面的基本方法。鉴于目前在行业内对Vizrt二次开发方面进行探讨的资料并不多见，本人把相关程序思路与应用效果展示给同行业内人士，希望可以抛砖引玉，与诸位同行交流进步。     

一个具有Markov性的入圈问题

研究序列{Xn},{Xn}满足Xn=Yn(mod 2),其中Yn∈Z+,Y0≥2,Yn+1=Yn+[Yn/2],证明了{Xn}为一独立随机变量序列,并且是一时间齐次Markov链.最后,利用该Markov链{Xn}的性质,证明了入圈问题经过有限次插点,Cm的任意一边上都至少插入一个新点.     

整定计算系统多套定值方案研究

本文研究提出了一种基于运行方式的多套定值方案：将运行方式进行归类，把可以兼容的或者说定值变化较小的归为一套定值方案，在系统中提前计算多套定值方案，存储到保护装置的固定区域不同定值区中，当运行方式发生变化后相应的切换到对应的保护定值方案，通过故障信息系统实现定值的远程下放与定值区的在线切换。文中详细介绍了这一方案，并从系统目标、流程和功能方面介绍了实现方法。本系统已经在多个地区进行了实验验证，证明了该方案的可行性。     

两参数Markov过程的Sharp Markov性

证明了两参数Markov过程仅在正位矩形的有限并或可列并区域上才具有Sharp Markov性.     

执行器饱和的随机Markov切换系统的观测器设计

利用直接法对转移概率是部分未知的,并且具有执行器饱和现象的随机Markov切换系统进行稳定性分析.通过引入自由连接权矩阵降低系统的保守性.首先,针对此类随机Markov切换系统,充分考虑转移概率中元素之间的特性,通过构建参数依赖型Lyapunov函数,并设计观测器确保闭环饱和系统的随机稳定性.然后,在线性矩阵不等式的框架下,得到均方意义下的最大不变吸引域,并将其归结为求解一组线性矩阵不等式的可行性问题.最后,数值仿真算例验证本方法的有效性.     

基于分层移动的移动IPv6快速切换方案

快速切换是移动IPv6技术的关键问题之一.为了改善移动IPv6的快速切换性能,文中提出一个基于分层移动的快速切换方案HMFH.该方案基于微移动和链路层触发的思想,重点针对切换过程中的切换延迟、切换丢包、可扩展性以及路由影响等移动特性进行设计.仿真结果表明,HMFH具有切换延迟短、切换丢包少、可扩展性好、路由效率高等优点...     

基于AIC方法的切换神经网络模型设计

将切换系统设计中的切换思想与神经网络相结合,构建了切换神经网络模型.根据模糊C均值（FCM）聚类方法将样本数据分为多组训练数据,每组数据对应训练一个单一神经网络模型,再利用赤池信息准则（AIC）制定相应的切换规则.根据输入数据特性,选择单一网络或多网络组合的输出作为模型输出,从而达到函数逼近目的.本模型更好地利用了各个子网络在特定区域具有较高逼近精度的特点.仿真结果表明,切换神经网络模型有较高的逼近精度.     

用于统计语音合成的大尺度压缩HMM的方法

统计语音合成使用隐Markov模型(HMM)作为声学特征的统计模型。提出了一种利用声学模型空间距离进行HMM的大尺度压缩的量化方法,通过对矢量量化码本进行的优选迭代步骤,减小压缩后的声道谱模型与原模型之间的声学距离,使通过量化模型合成的语音更加接近未量化模型。主观和客观测试结果显示:使用该方法进行声道谱模型的压缩,在压缩至原模型大小的0.06左右时,仍有约90%的评价得分认为合成语音的质量没有明显下降。