基于Kaiser窗的相位差校正及tanδ测量应用

基本窗函数和广义余弦窗函数对信号加权可减轻非同步采样和非整周期截断对介质损耗因数tanδ测量的影响,但其效果受到窗函数固定旁瓣性能的制约.本文通过分析Kaiser窗函数的主瓣与旁瓣衰减比重可自由选择的特性,提出了基于Kaiser窗的相位差校正的tanδ测量方法,推导了tanδ的计算式,并介绍了基于该算法的测量系统的硬件实现方案.仿真和试验结果表明,Kaiser窗函数抑制频谱泄漏效果好,基于Kaiser窗的相位差校正方法克服了谐波干扰、基波频率波动及白噪声对tanδ测量的影响,且设计实现灵活,测量结果精确、稳定,可用于tanδ的离线测量与在线监测.     

基于三角自卷积窗的高精度电能计量算法

提出了一种基于三角自卷积窗的插值FFT谐波分析和电能计量算法,结合三角自卷窗的频谱特性,给出了其实现流程,建立了基波和谐波分次电能计量方法.由于三角自卷积窗具有优良的旁瓣性能,因此基于三角自卷积窗的插值FFT算法能有效减少谐波间相互干扰,提高谐波分析和电能计量准确度.仿真实验验证了本文算法的有效性和准确性.     

基于DFT频域校正的介质损耗角测量算法

离散傅里叶变换(discrete Fourier transform,DFT)求解容型设备介质损耗角存在较大误差,对引起误差原因的频谱泄漏进行了详细分析和阐述,指出电网频率波动是造成测量介质损耗角不准确的主要因素,其带来的非整周期采样造成信号能量发散,各频率处信号能量相关性不为0。通过加余弦窗函数平滑信号陡度,对DFT相位频谱校正给出了2种不同的方法：加窗插值算法和离散频谱相位差校正法,并通过校正频率偏移量,在频谱峰值最大值处获得信号相位。通过Matlab仿真分析表明,2种算法实现方便,精度高,具有一定的实用性。     

并行分布式仿真中最小时间窗MTW算法研究

并行分布仿真对复杂大规模动态系统的研究以及探索其长远的应用提供了便利,近年来目益成为研究的热点.然而时间管理是关注并确保并行分布仿真正确执行的核心机制,也是影响并行分布仿真系统高效运行的重要因素之一.首先分析了乐观机制存在的弊端;然后提出了一种不依赖反消息就能乐观推进的MTW混合推进算法,详细阐述了算法的思想、步骤及其实现,最后对算法进行了分析,证明它在一定程度上能够有效避免极端乐观和过分保守.     

窗体改造在居住建筑节能中的应用

在可持续发展观念日益增强的今天,既有建筑的节能改造成为一项越来越重要的研究课题。我国目前的既有建筑有很大一部分不符合节能标准,运行能耗巨大。随着我国经济水平不断发展,居民对室内热环境的要求也越来越高,相关节能法规和节能政策也在日趋完善。因此,对既有建筑特别是既有居住建筑的节能改造具有很强的现实意义。从建筑节能的角度来看,建筑窗体不仅是热量流失最大的构件,由于太阳辐射热通过外窗传入室内,所以使得窗体也同时成为得热构件。因此,根据不同地区的建筑气候条件、功能要求以及其它环境、经济等因素,对既有居住建筑窗体进行合理改造,选择适当的窗材、窗型和相应的节能技术。因地制宜地选择节能改造措施。是实现我国建筑节能目标的有效途径。     

多时间窗车辆调度问题的建模与求解

传统的单时间窗车辆调度问题模型无法描述用户空闲时间分段可选的情况,为此需要建立多时间窗车辆调度问题模型.对多时间窗车辆调度问题进行研究,建立了问题的数学模型,并基于模拟退火算法设计了一种两阶段启发式算法进行求解.该算法首先利用扫描算法求得初始解,然后利用模拟退火算法对初始解进行改进.实验结果表明该算法可以有效地求解多时间窗车辆调度问题.     

近场声全息线阵传声器“扫描”测量方法及其误差研究

研究了近场平面声全息"扫描"测量实验方法、重构中窗函数、K空间滤波器对全息重构的影响.对单个音响做了三个平行面的全息"扫描"测量,然后用中间面的测量声压来全息重构其它两个面的声压,并与实际测量值进行比较,验证了声全息"扫描"测量的可靠性与全息重构的正确性.     

基于遗传算法的带时间窗邮政车辆路径问题研究

针对带时间窗约束的邮政车辆路径问题,建立了带时间窗约束的最小车辆运输费用模型,考虑了车辆装载容量、时间窗、往返货物归集等约束条件,针对四川邮政11个市局的实际邮路安排问题,利用遗传算法对模型进行了求解计算和优化对比分析。优化结果表明,在目前邮路安排的基础上可以节约派车数、降低总费用、缩短实际邮运里程。     

Parzen窗核密度估计的大规模数据模式分类隐私保护方法

 针对大规模数据集上的模式分类任务, 提出基于Parzen 窗核密度估计的模式分类隐私保护算法。利用Parzen 窗算法对原始大规模训练集服从的概率密度进行估计, 根据估计的概率密度函数构造la 个替换训练样本, 其中l 为原始样本的数目, a 通过10 折交叉验证方式确定。最后发布替换训练样本进行模式分类, 以实现原始数据上的隐私保护。在Adult 数据集上的仿真实验充分验证了算法的有效性。     

基于MAC竞争窗强化学习的传感网节能滤波机制

依据传感器网络面向应用的价值区分度特征,提出一种基于冗余价值滤波的传感器网络节能数据收集机制。所提机制采用预测模型在线评估采样数据价值,并映射为相应的价值因子,进而根据强化学习理论将价值因子引入区分服务的退避机制设计,驱动媒体介质访问层层竞争窗尺寸的自适应优化调整,在满足数据收集服务质量的前提下,有效地抑制网内价值冗余负荷传输量,实现价值区分性滤波的节能效果。仿真实验表明,所提机制能有效增加网络吞吐量和降低传输时延,且相对于一些传统的节能收集机制,能够从传感器网络数据内涵应用价值挖掘的角度,更有效地降低网络整体能耗。