基于深度卷积神经网络的地磁导航方向适配性分析

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义.     

基于投影正交化的状态空间模型降维研究

提出一种改进型状态空间系统设定,当状态变量的滞后项存在时,可以不改变变量的维度直接估计,且传统的卡尔曼滤波方法依旧有效。改进了一般状态空间模型需要增加状态变量维度才能进行估计的设定,极大地降低了计算的复杂度,扩展了模型的应用范围。此外,使用Durbin and Koopman（D-K）抽样方法对卡尔曼平滑算子进行重新估计。随后使用仿真实验,对比传统状态空间模型和改进型模型的参数估计结果与计算时长,发现改进型系统下估计结果与传统型的差距甚微,但是计算时长大幅降低且精度提升。而D-K抽样法的效率,相比传统卡尔曼平滑法也有着显著的提升。仿真结果证实了降维方法的有效性。      

基于极化不变量的谐波雷达导引头目标识别算法

为解决基于目标谐波散射系数的FFT识别算法无法有效识别目标全弹道谐波散射特性的问题,采用了基于极化不变量的目标识别算法.根据目标的半导体模型拟合出目标的谐波散射系数,用卡尔曼滤波器对谐波散射系数进行估计.将估计结果作为酉矩阵的对角元素,建立了目标谐波极化散射矩阵及与其对应的功率矩阵,通过就不同的目标进行谐波散射极化计算得到了仿真结果.结果表明,与基于目标谐波散射系数的FFT识别算法相比,目标谐波极化散射矩阵行列式的值及功率矩阵的迹能反映出目标的全弹道谐波散射特性,二者可以作为有效的目标识别特征量.      

基于FDCFOA的全差分混合模式二阶滤波器

提出了一种基于全差分电流反馈运算放大器（FDCFOA）的混合模式二阶滤波器电路.与CFOA实现该滤波器电路相比,可以大大降低总谐波失真（在100 mV输入电压,1 MHz的总谐波失真为3.60%）.该电路在不改变电路结构的前提下就能同时实现全差分输入、输出电压模式和电流模式滤波器低通、高通和带通的功能.滤波器电路还具有灵敏度低,固有频率ω和品质因数Q可以独立调节.采用90 nm CMOS工艺完成了PSPICE仿真,理论分析和仿真结果证明了电路的有效性.      

傅里叶变换在4G/5G移动通信系统中的应用

以《信号与系统》中核心内容傅里叶变换在最前沿的移动通信系统中的应用为切入点,用《信号与系统》中最基础的常用信号的傅里叶变换,傅里叶变换的频移性、调制定理、抽样定理、滤波器组等知识,对4G/5G移动通信系统中的关键技术OFDM技术和FBMC技术的原理进行了分析,得出了FBMC系统各滤波器频谱之间的干扰远小于OFDM系统的结论。     

双马赫-曾德尔分布式光纤扰动监测系统设计

为解决扰动监测系统定位精度低的问题, 基于对光纤马赫-曾德尔干涉的研究, 设计了改进型双马赫- 曾德尔分布式光纤扰动监测系统。 利用双马赫-曾德尔光纤传感系统光程差定位原理, 通过互相关算法估算光 程差导致的时间差确定扰动点。 淹没于高频噪声的扰动信号经自主设计的信号预处理电路, 采用低通巴特沃 斯滤波器滤除 3. 3 kHz 以上高频噪声, 通过嵌入式采集与处理模块对得到的数据进行平滑滤波, 提高了扰动信 号的相关性, 有效减小了定位误差。 通过多次重复测试和数据分析结果表明, 系统定位误差约为10 m, 可用于 扰动实时监测。     

采用振动信号二维特征向量聚类的配电开关机械状态识别新方法

配电开关动作产生的振动信号具有非线性非平稳特性,蕴含机械状态信息.提出一种基于振动信号二维特征向量和模糊K均值聚类的配电开关机械状态识别新方法.利用HHT带通滤波对配电开关振动信号进行时频分解,分别求取各子频带信号的能量值和重心频率,得到振动信号的二维特征向量作为反映配电开关的机械状态的特征量.提取配电开关在正常、底座螺丝松动、机械结构卡涩及卸掉A相触头绝缘拉杆等4种典型状态实测振动信号的二维特征向量做模糊K均值聚类,结果表明,所提取的特征向量能有效地表征配电开关的机械状态.     

两种基于高双折射光纤环的高阶超精细梳状滤波器

设计了两种基于高双折射(HiBi)光纤萨尼亚克环的可调谐高阶超精细梳状滤波器,其由偏振控制器(PC)、环形器、2段(或3段)Hi Bi保偏光纤(PMF)组成,具有单输入双输出和高阶超精细梳状光谱的特性,调谐灵活、输出光谱精细等特点.建立了理论模型研究光谱的双输出特性;对二阶滤波器,仿真研究了在Hi Bi光纤长度相等时偏振角度对输出梳状光谱的影响;对三阶滤波器,仿真研究了的Hi Bi光纤长度对输出梳状光谱的影响.结果表明该种高阶滤波器可应用于不同波长光波的选频输出.     

基于布谷鸟过滤器的外连接算法

近十几年,由于互联网的发展异常迅猛,数据规模不断增加,分布式数据库的分析效率亟待优化,其中连接操作更是分布式数据库的主要性能瓶颈.外连接在商业中运用非常广泛,分布式外连接算法涉及到大量的网络传输,严重影响系统性能,虽然有一些研究针对内连接进行了优化,但这些优化方法并不能直接应用于外连接.文章中基于Cuckoo filter(布谷鸟过滤器)的分布式外连接算法,通过构建Cuckoo filter对数据进行筛选和分配,减少数据传输量的同时,提高执行的并行度,使得查询性能得到提升.通过在Ginkgo上实现该算法,并加以充分实验,验证得出该算法提高了分布式外连接操作的效率.     

基于无迹卡尔曼滤波神经网络的光伏发电预测

针对光伏发电系统在不同天气状况下发电功率预测精度不高的问题,在分析传统方法的基础上,提出一种无迹卡尔曼滤波神经网络光伏发电预测方法。该方法利用无迹卡尔曼滤波实时更新神经网络模型的权重,以直流电压和电流作为系统的输入,以有功功率和无功功率作为系统的输出,分别建立两个独立的双输入单输出功率预测模型。实验结果表明:所提出的方法对有功功率和无功功率的预测精度分别为97.3%和94.2%,并且对天气具有良好的鲁棒性。