一种低信噪比突发信号载波跟踪技术研究

为了改善低信噪比卫星下行短突发扩频信号载波跟踪时,解调性能随着信号动态增大而明显恶化的现象,提出了一种多普勒动态补偿辅助的载波跟踪算法,首先通过短时傅里叶变换(STFT)结合最小二乘拟合(LSM)算法估计信号频率及变化率,再利用估计值对原始信号进行多普勒动态补偿,最后使用三阶锁相环完成载波精确跟踪,对算法进行优化设计并进行仿真,以提高数据利用率。仿真结果表明,在接收-170 dBW灵敏度电平条件下,优化后的算法在对捕获后频偏小于200 Hz,频率变化率小于2 kHz/s的信号进行跟踪时,跟踪成功率达到99%,解调损失小于0.2 dB。新算法复杂度适中,利于工程实现,为现有接收机载波跟踪模块对低信噪比突发扩频信号进行改进提供了参考。     

浅议建筑工程施工网络计划实施中的管理

本文拟就如何强化网络计划执行过程中的管理,即网络计划执行中的跟踪检查、中间控制、动态调整、保证网络计划实施和工程预定目标实现的有效措施等方面内容一叙浅见,期待同行们的批评指正。 一、网络计划执行过程中的跟踪检查与动态调整 1.网络计划执行过程中的跟踪检查。网络计划在实施过程中,要随时检查和掌握实际施工进度情况,为网络计划的调整提供可靠的决策依据。跟踪检查的具体内容应包括: (1)各项施工过程实际作业的起始日期和结     

海上高难度井作业风险的实时动态跟踪与管理

为了实现对高难度井的实时跟踪,引进了包括设计模拟、水力参数、摩阻扭矩及地层压力实时模拟计算等功能的各类软件,形成了针对高难度井实时跟踪的辅助决策系统。该系统可在高难度井作业前进行设计预演以优化设计。在作业过程中实时模拟计算,分析了作业风险并提出解决措施,制定实时动态跟踪及管理作业方案。目前已经在中海油10多口高难度井作业中进行了实时动态跟踪及管理,取得了良好效果,降低了现场作业风险。     

清管器运行过程动态监测系统的构建

管道清管监测系统是管道生产运行的重要组成部分,是确保清管过程安全运行的有效手段。该系统由清管过程动态监测模型和清管通过信号监测设备组成。清管过程动态监测模型能够实现清管器运行位置的实时模拟,清管通过信号监测设备能准确监测清管器通过监测点的时间信号,并将该信号及时传输到监控中心,对清管过程动态监测模型进行校正。清管过程动态监测模型与清管通过信号监测设备相结合构成的管道清管监测系统实现了清管器运行情况的准确监测,保障了清管过程的安全顺利进行。     

非线性控制律在工业机器人轨线跟踪控制中应用

本文讨论机器人轨线跟踪控制问题由于机器人的动态模型是高度复杂的非线性系统,对于机器人的控制变得十分困难,利用反馈控制律,我们首先把机器人的动态模型线性化,使得系统输入输出解耦并具有任意指定的极点,对于解耦后的系统考虑机器人的轨线跟踪问题,分成两类情形,一类为关节坐标空间下的轨线跟踪问题,另一类为直角坐标下的轨线跟踪问题,我们把它们归结为最优控制问题给出了求解的方法,最后把已有的结果应用到一个柱型机器人上,得到较好的仿真结果。     

美国初创公司打造Sirl式人工智能玩具

网易科技讯2月18日消息，据国外媒体报道、旧金山初创公司ToyTalk正打造一款Siri式的、基于对话与网络信息的儿童玩具，该玩具由具有《玩具总动员》和《海底总动员》制作背景的人员设计，将可以连接到网络，拥有高度的人工智能，且支持目视跟踪、语音识别和网络扩充等功能。     

基于成本控制的跟踪审计方法研究

讨论房地产在建工程动态跟踪评审工作在成本预测、成本控制、成本核算与分析中的作用。分析动态跟踪审计的内容，通过建立有效的跟踪审计机制，来实现项目成本控制目标。     

基于2DPCA和稀疏表示的目标跟踪算法

针对现有的目标跟踪算法难以适应由光照、遮挡以及姿态变化引起的目标外观变化的问题,提出了一种基于二维主成分分析（2DPCA）和稀疏表示的目标跟踪算法。该算法采用2DPCA方法和稀疏表示建立目标外观模型,降低了目标模板的维数,并通过引入增量子空间更新方法对目标模板进行在线更新,降低了算法对存储空间的要求,提高了目标外观描述的准确性。仿真实验表明,在目标出现较大形变、部分遮挡和光照变化的情况下,该算法仍能保持较高的跟踪精度,具有较强的鲁棒性。     

利用VFP实现动态数据项管理

主要以工资管理为例,介绍在VFP环境下对数据项管理实现关系模式的动态修改,动态数据项的录入、查询和计算,重点阐述了利用程序实现动态数据项管理的基本思想和解决数据项动态管理的两种方法。利用该方法可以提高管理系统的灵活性和通用性,具有较高的实用价值。     

循环流化床锅炉燃烧系统动态特性的分析

为了克服传统方法存在的分析相对误差率高和分析时间较长的问题,文章提出了一种新的基于经验模态分解的循环流化床锅炉燃烧系统动态特性分析方法。以循环床锅炉流动参数和热力参数为基础沿炉膛高度方向对炉膛区域进行划分,并构建循环床锅炉燃烧系统数学模型。根据建模结果,利用经验模态分解方法对热量信号进行分解,并对每一个IMF分量进行希尔伯特变换,得到希尔伯特谱。以希尔伯特谱为基础,分析主蒸汽压力、床温、燃烧系数等参数变化情况下,热量信号的阶跃响应,得到最终的燃烧系统动态特性分析结果。实验结果表明,该方法的热量信号去噪效果好,分析相对误差率平均值为3.6%,分析时间始终保持在0.6 s以下。     

车内噪声主动控制的Elman神经网络方法

提出了一种车内噪声主动控制的神经网络方法。用 Elman神经网络对车内驾驶员耳旁噪声进行识别和预测 ,提供噪声主动控制系统所需的参考信号。该方法能有效消除声反馈的影响 ,提高控制系统的稳定性。通过在稳态工况下对被试轻型客车的试验表明 ,该方法能有效降低车内低频噪声     

基于人工智能的设备颜色特性化方法鲁棒性对比研究

设备颜色特性化是色彩管理技术得以顺利实现的关键技术之一,其核心是设备相关颜色空间和与设备无关颜色空间之间的相互转换。本研究首先定义颜色空间转换方法的鲁棒性概念及其评价方法,在此基础上,对基于模糊控制的颜色空间转换方法、基于动态子空间划分的BP神经网络颜色空间转换方法和基于模糊神经辨识的颜色空间转换方法等基于人工智能的颜色空间转换方法的鲁棒性做了比较研究。研究结果显示：基于模糊神经辨识的颜色空间转换方法能够结合BP神经网络和模糊控制的特点,使其鲁棒性得到很大的提高。     

一种实时电能质量扰动识别分类方法

针对电能质量扰动数据大、识别算法繁琐,难以实现在线实时识别等问题,提出了基于深度卷积神经网络AlexNet的电能质量扰动识别数法,首先将各类电能质量扰动转化为图片格式,然后输入到AlexNet算法,通过学习、调整电能质量扰动信号的特征参数,迭代收敛,最后将实时的电能质量扰动通过训练好的AlexNet,直接实现扰动识别分类。实时仿真结果表明,所提出的方法能精确识别包括3种复合扰动在内的17种电能质量扰动问题,只需要对电能质量扰动信号进行学习,即可以直接对电能质量扰动信号进行识别与分类,识别算法简单且处理的时间短,达到了实时性的目的。     

基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

一类神经网络自校正控制器的设计与研究

提出一种新的神经网络自校正控制器的设计方法 ,采用神经网络 BP算法作为控制器来控制实际对象 ,动态地修改神经网络的权值作为自校正方法 ,使系统较好地适应负荷和外扰的变化 ,获得满意的控制质量。     

基于数据挖掘算法的变压器热点温度时序预测方法

为了解决油浸式电力变压器热点温度预测方法缺乏对短期热点温度走势的预测,无法满足动态增容决策要求的问题,以SFPSZ-180000/220型变压器为研究对象,首先,研究对比发现变压器的热点温度与负载率相关性最大,在此基础上,建立了基于支持向量回归的局部地区负荷预测模型,为变压器热点温度预测提供数据;其次,提出了基于数据挖掘算法的变压器热点温度时序预测方法,并在此基础上分别建立了支持向量回归、BP神经网络、决策树3种数据挖掘预测模型;最后,对一般输入-输出的建模方法的预测结果与基于时间延迟方法的预测结果,以及不同时间延迟下3种数据挖掘模型的预测结果进行了对比分析。结果表明,有外在输入的支持向量回归预测模型结果比BP神经网络和决策树吻合度更高,并且时间延时更小,预测结果精确度更高。有外在输入的支持向量回归预测模型在很大程度上提高了变压器热点温度预测精度,其预测结果可为变压器的动态增容决策提供有效参考。     

柠檬酸发酵过程的神经网络模糊控制

针对柠檬酸发酵过程的复杂性和不确定性,采用了一种基于人工神经网络的模糊控制。仿真实验表明,系统具有良好的动态性能和鲁棒性,适用于难以建立数学模型的场合和参数时变的系统。     

唐山市环境噪声现状及控制对策

对城市环境噪声状况进行定量分析是实现城市噪声污染有效控制的基础性工作。作为此项研究的一个实例 ,运用数理统计方法分析了 1 993-1 998年唐山市环境噪声监测数据 ,得出近年唐山市环境噪声污染有上升的趋势 ,交通噪声是环境噪声的主要污染源 ,且超标现象严重 ,并在此基础上提出了系统的噪声控制对策。     

一种基于奇异值分解和反传神经网络的多小波域数字水印算法

针对图像经过CARDBAL多小波变换后,各层系数的能量平均分配,且其同一尺度、同一方向上的4个子块系数相近这一特性,结合奇异值分解和BP神经网络将二值图案水印嵌入到多小波系数的高频分量中。实验表明,该算法有良好的不可感知性和强健的鲁棒性。     

基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法

为了有效去除采集信号中的噪声,基于MEMS水听器在采集信号时混入不同噪声的情况下,提出了一种基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法。CEEMD用于将一个含噪信号分解为几个固有模态(IMFS),然后把几个固有模态和原始信号作一个线性相关分析,分为相关性高的模态和相关性低的模态。将软阈值技术应用于相关性低的固有模态,并将粗糙度惩罚平滑技术应用于相关性高的固有模态,以提取尽可能多的信息,然后把处理后的新的固有模态重构形成去噪信号。分别在仿真和真实数据的基础上进行了实验,验证了方法的有效性。结果表明,联合信号去噪方法无论在去噪效果和性能指标上都优于基于CEEMD的小波软阈值的去噪方法和CEEMD的去噪方法,克服了经验模态方法和小波软阈值去噪的不足,为进一步分析与处理信号提供参考。