集成电路高精度高速度在线电阻检测

本文提出的具有粗、精测双回路的测试系统,可兼顾电阻在线检测过程中的高精度与高速度问题。该系统各器件间的信息交换满足IEEE-488标准。     

基于航速修正处理的单舰被动定位算法

提出一种基于航速修正处理的单舰被动定位算法，在修正增益推广卡尔曼滤波器的基础上，该算法把运动目标舰艇的航道约束当作输出为0的增加的观测数据加入到测量方程，约束的强度由约束条件的噪声方差确定。提出一种规避因子，用来约束目标状态方程中的航速，基本思想是根据当前估计的目标位置和航速，估计了一个针航行到陆地岛礁或即将航行到陆地岛礁时，用规避因子矩阵来修正航速的方向和大小，避免了出现目标航行到陆地岛礁的情况。计算机模拟结果表明，航速修正处理后不会出现穿越陆地岛礁的运动舰艇航透，同时还能提高对海上运动舰艇辐射源的被动定位精度。     

用于分布式识别的语音参数的提取和性能分析

主要研究用于分布式语音识别(DSR)的语音参数的提取方法以及参数性能分析。以前所用到的语音参数大部分是LPC倒谱参数,但其抗噪声性能较差。文中主要讨论了MEL倒谱参数,并在移动通信环境下,比较了两者的性能。     

风洞风表检定仪8031系统研制

本文是在笔者最近研制的ＦＢＹ－１型风洞风表检定仪８０３１系统的基础上整理而成的，主要介绍了这个简单而实用系统的基本组成、软件设计以及针对现场实际问题所采用的有效措施     

甘油—乙醇混合液超声性质研究

测量了不同浓度的甘油、乙醇混合液的声速和密度,计算了超额绝热压缩系数.结果表明,在整个浓度范围内,甘油和乙醇之间存在着强烈的分子相互作用.     

Cutting tool materials for high speed machining

High speed machining (HSM) is one of the emerging cutting processes, which is machining at a speed significantly higher than the speed commonly in use on the shop floor. In the last twenty years, high speed machining has received great attentions as a technological solution for high productivity in manufacturing. This article reviews the developments of tool materials in high speed machining operations, and the properties, applications and prospective developments of tool materials in HSM are also presented.     

恒压供水变频控制系统

变频控制供水系统先进的工作原理及实施方法,克服了传统的供水系统浪费较大、稳定精度较差的缺点,可以取得较大的经济效益。详细论述了这种系统的节能工作原理及实现方法。     

基于BP神经网络的增益量化中的阶距自适应

本文分析了G.728语音编码算法增益固定量化的缺陷,设计了精确表示增益的自适应量化方案。采用BP神经网络对增益的量化步长进行非线性自适应量化,并提出一种新的用于训练BP神经网络的数据的获取方法。     

考虑声源非相干性的城市轨道交通全封闭声屏障降噪预测

以某轨道交通全封闭声屏障为研究对象,考虑简化线声源的非相干性,建立2.5维边界元衍射声场模型;通过现场沿线环境噪声测试,验证了该模型的准确性,并与相干源衍射声场预测结果比较;最后预测了在近场高层建筑附近,全封闭声屏障对近轨或远轨车辆噪声的降噪效果。研究结果表明,非相干线声源更符合城市轨道交通噪声源特性;对于轮轨噪声（315～1 000 Hz）,全封闭声屏障在高层住宅建筑区域有显著的降噪效果,1/3倍频程插入损失最大为30.0 dB。对于低频噪声（50～250 Hz）,全封闭声屏障会加重高层住宅建筑区域的声压级,使插入损失出现负值。针对高层建筑附近场点,全封闭声屏障的顶端拱形透光板对远轨车辆噪声有更为显著的附加降噪效果,大部分场点附加插入损失均高于5.0 dB。     

基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。