核聚变装置中双活塞轻气枪弹丸发射过程的数值模拟

分析了单活塞轻气枪的缺点，用特征线法模拟了双活塞轻气枪的弹丸发射过程，并将计算结果与单活塞轻气枪作了比较，说明双活塞轻气枪在弹丸受力方面的优点，文中还讨论了一些重要参数对双活塞轻气枪性能的影响，说明合理匹配参数之间关系的重要性，为双活塞轻气枪的设计和优化提供了理论依据。     

浅析传动系异响声源识别

本文主要针对国内某轻型卡车传动系异响问题,根据所述的异响识别方法,运用对比分析的手段,制成一种简便易行的排查方案。并结合某轻型卡车的传动系异响的整改效果,对该方案的可行性及有效性进行简要的探讨。     

地下车库噪声影响的随机点声源模型

在道路交通噪声随机点声源预测的研究基础上，根据地下停车库车辆进出的特点，提出分时从而瓣不同车辆类型的随机点声源模型。该模型通过计算机模拟给出按时段分布的预测值，与实测值进行比较后发现，模型预测精度较好，比较符合实际情况。     

噪声下基于耳蜗基底膜分频特性的声源定位

在人与人交流中,人耳能很好地定位出周围声音的位置,而在声源定位技术里,基于传统麦克风声源定位在噪声环境下无法精确地定位出声源.根据人耳能准确地辨别出声源这一特性,提出一种在噪声下基于人耳耳蜗基底膜分频特性的声源定位方法.该方法是利用多个麦克风对声源信号进行采集,将采集到的信号通过基底膜滤波器进行滤波、除去与声源无关的噪声,运用空间映射互相关方法对声源进行定位.该方法所定位出的声源位置比传统声源定位技术所定位的位置误差小、精准度高.实验结果表明,噪声环境下基于耳蜗基底膜分频特性的声源定位比基于传统麦克风声源定位技术更接近声源的真实位置;噪声环境下基于耳蜗基底膜分频特性的声源定位具有更高的精度与更好的鲁棒性.     

一种基于传声器阵列的室内声音定位方法研究

提出一种使用多个声源进行室内声音定位的方法,能够在室内平面空间内进行坐标定位,为室内移动机器人的定位和导航提供了一种可以通用的方案.采用传声器阵列分别获取各声源声波的到达时间差,并对各声源进行定位.通过对多个固定位置声源的定位,根据声源位置和传声器阵列的几何关系,计算或者估计得到待定位单元的坐标.     

不同最佳频率的下丘神经元的声反应特性和方位敏感性

在自由声场刺激条件下 ,从 2 0只昆明小鼠 (Kunming Mus Musculus)下丘 (Inferior Col-liculus,IC)记录到 1 93个神经元 .将这些神经元按其最佳频率 (best frequency,BF) (k Hz)分为(5 ,1 0 ],(1 0 ,1 5 ],(1 5 ,2 0 ]和 (2 0 ,3 1 ]4个频率段 ,观察和分析它们的声反应特性 ,并用最小阈值(minimum threshold,MT)和放电率 (firing rate)标准对这些神经元前听空间俯仰方位(Elevation) 0平面的 7个水平方位 (Azimuth)角 (同侧 90°、60°、3 0°,0°,对侧 3 0°、60°、90°)的敏感性进行了研究 .结果表明 :1、IC神经元的放电率和潜伏期基本随刺激强度的增加而增加和缩短 ,其函数表现为三种基本不同的形式 :单调型、非单调型以及放电率函数的不规则型和潜伏期函数的饱和单调型 .非单调函数神经元数目高于单调函数神经元 .三种函数形式的神经元数目分布与 BF之间无明显相关 ;2、BF较高的 IC神经元的潜伏期与 BF较低的神经元的潜伏期之间未发现显著性差异 ;3、用低 MT和最大放电率指标检测 IC神经元的方位特性发现 ,在神经元的最敏感角度展现出低 MT和高放电率 ,虽然最佳敏感角度的分布随频率段而不同 ,但绝大部分神经元的最敏感角度位于对侧 ,其中以对侧 60°所占比例最大 .用低 MT指标所确定的最佳敏感角度     

基于msp430单片机的声音导引智能车

本系统基于msp430单片机,采用声音传感技术,通过对声音源的信号处理、分析来定位其确定位置,并利用直流电机驱动智能车到达指定的位置。本系统低功耗,稳定,给出了声音传感及定位技术的基本功能。     

振速变化的环形活塞声源系统的设计分析与仿真研究

设计了环形平面活塞声源系统。从理论上导出了该系统远场指向性公式，并对其正确性和有效性进行了仿真分析。仿真结果表明：该阵地任何声频都有指向性；且环形活塞面积和相邻两活塞中心间距愈小、振速幅度愈大、活塞数量愈多，指向性愈强。当环形活塞的面积、振速幅度、数量一定，且相邻两活塞中心间距为活塞外直径（极限值）时，指向性最强。本文的研究在工程上具有重要的指导意义。     

虚拟仿真系统中的声音设计

在虚拟现实或分布交互式仿真等模拟环境中，为了提高他们的逼真度和沉浸感，有必要研究声音技术的相关问题。本文结合实例，阐述虚拟仿真系统中声音设计的基本方法。     

基于卷积神经网络的移动机器人声源定位方法综述

听觉系统是机器人感知周围环境信息的重要途径之一,精准有效地进行声源定位,可极大提高移动机器人的感知与决策能力。将声源定位应用于危险环境救援与巡检具有重要工程意义。随着深度学习的广泛应用,引入卷积神经网络(convolutional neural networks, CNNs)的声源定位效果显著改善。将移动机器人声源定位研究从网络架构与改进、声音特征类型、数据仿真与增强,以及多模态信息融合四个角度进行综合对比及分析,并对技术的应用提出思考与展望。