基于神经网络技术提高红外气体分析器的选择性

应用前馈神经网络算法消除非目标参量对主传感器的干扰,从而提高了红外气体分析器的选择性.以检测甲烷为例,在干扰气体乙烯的体积分数变化了7600×10-6时,经神经网络融合处理后,分析器的选择性系数从3.17提高到422,主传感器输出的引用误差从58%降为0.65%,实现了对甲烷的准确识别.实验结果表明,该方法具有实际应用前景.     

应用于水声OFDM通信系统的基于维纳滤波的信道估计

为了进一步提高水声OFDM通信系统的性能,本文主要研究了水声OFDM通信系统中基于维纳滤波的信道估计算法.该算法结合了水声信道的特点,采用梳状导频图案,对传统的LS算法进行了改进.在完成计算机仿真的基础上,该算法还在实际的水声信道厦门大学实验水池和厦门港浅海域进行实验.实验结果表明,该信道估计算法具有较好的精确度和稳定性,能够有效提高水声OFDM通信系统的性能.