交通噪声预测的神经网络模型

运用 Matlab语言编程 ,构造预测交通噪声的 LM算法 BP神经网络模型 ,把预测因子 (轻、重型车流量、平均车速、受声点距路肩距离、敏感点高差 )作为样本输入到网络模型 ,噪声等效声级作为样本输出 ,反复训练网络 ,通过增加隐含层节点数、改进算法 ,以降低误差 ,缩短训练时间。     

基于小波分解的色噪声预测

研究色噪声的预测．将小波分析理论与神经网络建模预测基本原理相结合，提出了基于小波分解的神经网络预测方法．通过对年平均太阳黑子数典型统计模型的预测，验证了该方法的预测效果．将该预测方法用于色噪声的预测研究，通过改变对色噪声的采样速率，分析了色噪声预测的可能性和效果．研究结果表明，色噪声是可以预测的；对其预测的误差随采样率的提高而减小；基于小波分解的神经网络预测方法的预测精度优于线性神经网络预测方法．     

微波放大器Rn-Gn噪声模型阻抗变换测量方法

为了使接收微波放大器在工作频段上具有较小的噪声，讨论了如何使用M-Lane方法，结合自行研制的精密阻抗变换器，得到微波放大器Rn-Gn噪声模型中包括最小噪声系数Fmin在内的4个参数，使设计的放大器工作在匹配状态，Fmin可达到2．32dB，测量时间也大大缩短，结果稳定，为进行微波放大器低噪声设计提供了一个快速准确的方法。     

一种基于Measurement Studio计算动态信号1/3倍频程谱的方法

在声学中,1/3倍频程谱反映了声源的能量分布情况。利用对信号1/3倍频程谱分析的结果,选择适当的吸声系数的材料,以达到良好的降噪效果。通过利用Measurement Studio中的Visual Basic组件,提供了一种快速、准确、可视化的计算1/3倍频程谱的方法。     

双包层Er3+/Yb3+共掺光纤放大器增益和噪声特性分析

基于速率方程和光传输方程，对980nm激光泵浦Er^3 ／Yb^3 共掺双包层光纤放大器的增益和噪声特性进行了分析。数值模拟结果表明，在小信号和大信号情况下，双包层Er^3 ／Yb^3 共掺光纤放大器在1520nm～1570nm波长范围内都具有良好的增益和噪声特性。     

陶瓷热障涂层的研究现状

对热障涂层的陶瓷层和结合层结构、等离子喷涂(APS)和电子束物理气相沉积(EB—PVD)制备工艺进行了综述，并介绍了热障涂层失效现象及其失效机理。     

用边界元法计算高速车辆内部气流噪声

车内噪声严重影响了车辆乘坐的舒适性，同时由于气流噪声随车速的六次方增长，故随着高速公路的不断新建以及车速的不断提高，研究和降低气流噪声巳成为控制高速车辆车内噪声的关键之一，笔者在风洞实验的基础上，首先分析了气流噪声向车内传播的基本途径；然后利用边界元理论（BEM），建立了车内声场的边界积分方程，并利用三角线性元对该边界积分方程进行了离散，最后通过MATLAB编程求解，对由车外脉动压力诱发产生的车内气流噪声的大小进行了理论计算，与风洞实验结果相比，吻合较好。     

采用最优频率匹配法处理信号

通过比较目前进行声波CT信号信噪分离所使用的许多方法及特点,指出了快速傅里叶变换(FFT)的局限性,研究了周期性问题的数值计算特点;采用最优化理论分析了信号本身各种频率成分优化搜索与计算的可能性,在此基础上提出最优匹配频率的概念和计算方法,研究了最优频率匹配法计算结果的规律性,并将该方法应用于某矿区声波CT信号特征参数的提取和信噪分离.     

低能量氩离子束轰击改善双极型晶体管的噪声特性

在完成超高频小功率晶体管的芯片和上部铝电极的制备工艺后，采用低能量氩离子束轰击芯片背面，能有效地降低其高频及低频噪声系数、提高其特征频率和电流放大系数。实验结果表明，晶体管低频噪声系数的下降与硅-二氧化硅界面的界面态密度的减小有关，而其高频噪声系数的下降是特征频率和电流放大系数增加的结果。     

利用背面Ar+轰击改善n沟MOSFET线性区的特性

研究了利用背面Ar^ 轰击改善n沟金属－氧化物－半导体场效应晶体管（n-MOSFET)线性区的特性，用低能量（550eV)的Ar^ 轰击n-MOSFET芯片的北面，能有效地改善其线性区的直流特性，如跨导，沟道电导，阈值电压，表面有效迁移率以及低频噪声等，实验结果表明，随着轰击时间的增加，跨导，沟道电导和表面有效迁移率光增大，然后减小，阈值电压先减小，随后变大；而低频噪声在轰击后明显减小，实验证明，上述参数的变化是硅－二氧化硅界面态密度和二氧化硅中固定电荷密度在轰击后变化的结果。