8.0kbit／sACELP声码器的GSM平台仿真

研究恶劣传输环境下８．０ｋｂｉｔ／代数码激励线性预测声码器的译码算法的改进及其在ＧＳＭ典型信道的传输性能。方法在集成软件仿真平台中引入稳信道编码模块,以消除衰落噪声和高斯噪声的影响,并完成ＡＣＥＬＰ声码器到ＧＳＭ全速率语音业务信道（ＴＣＨ／ＦＳ）的速率适配任务;在ＡＣＥＬＰ译码器中引入错误帧隐藏单元（ＥＣＵ）,以提高恶劣信道环境下的合成语音质量。结果与结论错误隐藏单元与相应的高效稳健的信道编码相结     

Dy_2Fe_(17-x)Al_x化合物的X射线衍射研究

利用Ｘ射线步进扫描研究了Ｄｙ２Ｆｅ１７－ｘＡｌｘ金属间化合物的详细结构,给出了结构中诸参数的变化情况并分析了这些参数的变化规律．     

多机组电站ICMMS及其基本特征

基于需求分析和设计原则,给出了多机组电站ＩＣＭＭＳ的总体结构,探讨了其集成、分布和智能特征．结合控制与维护集成的观点,获得了智能执行器和传感器的参考模型．基于智能单元参考模型,构筑了多机组电站ＩＣＭＭＳ的智能系统结构,突出了其智能本质．     

空气弹簧力学性态的非线性有限元模拟仿真

利用非线性有限元方法,在国内第一次给出了提速客车上空气弹簧的全实体单元模拟仿真方法.运用ABAQUS软件,给出了详细的力学性态分析过程与结果,通过与实验结果的比较,改进了提速客车空气弹簧设计的方法,并提供了重要的理论依据     

薄窄砂体流动单元划分方法研究

流动单元是储层物性特征的综合反映。从薄窄砂体储集层的基本特征出发,探讨影响渗流特征的地质因素,研究薄窄砂体储集层流动单元的划分方法,然后针对研究区目的层段进行流动单元研究。将研究区目的层段划分为26个垂向流动单元,在取芯井分析的基础上,结合其它静态资料将目的层段流动单元分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四种类型,并建立各流动单元的分类标准,对非取芯井按测井解释的物性参数进行流动单元的分类,最后绘制出各沉积单元的平面流动单元分布图。     

拦截器制导系统敏感装置捷联布局设计研究

针对在大过载直接侧向脉冲力作用下,动能拦截器捷联寻的器和捷联惯组在各自安装位置处所敏感到的、由弹性振动所导致的转角及其不一致性,耦合入制导系统后,会对拦截器高精确制导性能产生不良影响,并可能造成拦截任务失败。分析了制导系统敏感装置所敏感到的弹性振动信号对制导指令误差的影响。对捷联寻的器与捷联惯组的四种典型捷联布局形式进行了探讨。基于结构动力学观点,研究了捷联布局形式、敏感装置捷联刚度这两个设计要素对两敏感装置转角及转角差的影响;得出了弹体弹性振动条件下两设计要素对捷联敏感装置转角响应影响的特点。     

抽油机下偏杠铃节能技术应用

针对目前油田普遍应用常规式游梁抽油机存在的问题;平衡性能相对较差,启动扭矩大,拖动电机功率大,抽油系统效率低和耗能较高的问题,应用下偏杠铃复合平衡技术对其进行节能技术改造。阐述了该项节能技术改造设计结构及工艺原理,对现场应用效果进行了分析评价,取得以下认识;一是曲柄与下偏杠铃的复合平衡方式,削减了抽油机峰值扭矩,降低了电机消耗功率,有效改善了抽油机平衡效果,平均节电率达到20.53％。二是从现场应用情况看,在不改变原机结构前提下,安装方便,投入成本较低,CYJ10型机改造的节电总体效果高于CYJ6型机。     

机组组合的混合编码遗传/tabu搜索组合算法

通过对遗传算法和tabu搜索的各自运算特性进行分析,文章提出了一种混合编码遗传算法与tabu搜索策略结合的组合算法,并运用组合算法对机组优化组合问题进行了求解。组合算法较好的结合了遗传算法的大规模寻优特性与tabu搜索的强局部搜索能力的特点,较大地减小了算法陷入局部最优的概率,能快速搜索到高质量的系统优化解;而且算法所采用的混合编码策略避免了每一迭代步上的负荷经济分配计算,大大地减少了计算量,提高了搜索速度。实例仿真结果表明,这种组合算法是有效的。     

基于载荷均衡的韧性配电网分布式故障恢复

韧性电力系统旨在应对电力系统的极端事件,高效的故障恢复是提高配电网韧性的重要手段。为了提升配电网的韧性,提出了基于载荷均衡的分布式故障恢复方法。首先,相邻馈线终端单元根据故障恢复区负荷、相邻馈线容量及负载率,计算各相邻馈线完成故障恢复后的负载率期望值。然后,各相邻馈线终端单元均以该期望值为目标,分别完成各自的故障恢复路径。最后,根据各相邻馈线的故障恢复路径形成故障恢复区的故障恢复方案。算例分析结果表明,该方法在保证各馈线载荷均衡的前提下可以有效而快速地实现故障恢复。     

基于深度学习GRU网络的UWB室内定位优化

为减少信号传输质量和距离估计算法等因素对定位精度的影响,将深度学习应用于超宽带（ultra wide band,UWB）室内定位系统,利用门控循环单元（gated recurrent unit,GRU）网络代替传统UWB室内定位系统中的三边测量过程,以提高UWB室内定位精度。在得到定位标签到基站的距离信息后,将距离信息输入GRU网络中,输出最终位置坐标。GRU作为循环神经网络（recurrent neural network,RNN）的变种,既含有RNN处理时序数据的优势,又解决了RNN中的长程依赖问题。对GRU网络模型中不同学习率、优化器、批量大小、网络层数、隐藏神经元数量参数进行调整和训练。结果表明,基于GRU网络模型的UWB室内定位系统显著提高了定位精度,平均定位误差为6.8 cm。