基于虚拟仪器技术的汽轮机组参数辨识系统

采用虚拟仪器技术,构建了汽轮机参数辨识平台,编制了基于DE算法的汽轮机系统参数辨识软件。通过某300MW机组的负荷扰动测试数据对参数辨识系统进行了验证,结果准确,取得了很好的效果。研究所采用的方法具有计算速度快、辨识能力强、条件适应性好的特点,能适应复杂对象的参数辨识。     

脉冲噪声下跳频信号时频图修正

为了在α稳定分布噪声的环境下获得清晰的跳频信号时频图,提出一种基于分数低阶SPWVD(Smoothed Pseudo Wigner-Vile Distribution)与形态学滤波相结合的跳频信号时频图修正算法。首先,根据接收到的多跳频信号建立跳频信号的模型和α稳定分布噪声模型;然后,采用低阶SPWVD变换抑制时频图中脉冲噪声;最后,根据形态学滤波处理方法对残留噪声进一步抑制进而得到清晰时频图。理论分析和仿真结果表明,所提算法在广义信噪比为-5 dB时仍可以得到清晰可靠的跳频信号时频图,并且基于时频图的参数估计性能优良。     

α稳定分布噪声环境下基于神经网络的信号检测方法

本文给出了一种在分数低阶α稳定分布噪声环境下利用多层前向BP神经网络对确定性信号进行检测的方法。此方法只需在特定虚警概率以及噪声条件下对神经网络进行训练,再通过调整偏移节点的连接权值,就可以得到不同虚警概率条件下的检验统计量。计算机模拟结果表明,利用该神经网络可以实现对分数低阶α稳定分布噪声环境下信号的有效检测,且检测性能明显优于传统的局部最优(LO)检测器。     

基于相关算法的脉冲信号检测性能分析

低信噪比信号检测一直都是侦察领域关注的课题。为此,提出了基于相关算法的脉冲信号检测方法,介绍了相关算法检测原理,用统计分析方法确定了理论最佳检测门限,并对相关检测性能进行了仿真分析,在低信噪比条件下完成了信号到达时刻和脉冲宽度的估计。     

基于安全系统方法的尾矿库风险辨识

为了充分认识或辨识尾矿库的危险与有害因素以及其时变规律,应用安全系统方法即从安全系统的物质、能量、信息三个要素,研究了尾矿库系统中矿体、水体、坝体、基体、坡体的风险因素、信息参数及其相互关系.     

基于Ozaktas算法的LFM信号参数估计误差分析

Ozaktas算法因其运算复杂度低、精度高、提出时间早而成为目前对LFM信号进行处理 时最为常用的离散分数阶Fourier变换算法,但其附加的量纲归一化对LFM信号参数估计存在 影响。为此,在对LFM信号参数估计建模基础上,分析了基于Ozaktas算法的参数估计二维离 散网格效应,并进一步得到了影响初始频率和调频率估计精度的因素。可以发现：在满足采 样定理条件下,基于Ozaktas算法的LFM信号参数估计能保持较好的估计精度,且在一定程度 上可以通过增大采样频率或减小采样时长来进一步提高估计精度。最后,通过仿真分析验 证了上述理论推导的正确性。     

食品供应链信息流的风险辨识——基于DEMATEL方法

本文分析了食品供应链信息流风险的影响因素,并且建立影响因素的指标体系,采用专家调查的方法确定各指标之间的相互影响关系,利用DEMATEL方法对影响因素予以定量分析,确定食品供应链信息流风险的综合影响度、被影响度、原因度、中心度,从而有针对性地指出了政府监督和控制、现代化信息技术平台、供应链长度、交通基础设施等是关键因素。     

基于多重累积相关的LFM脉冲信号实时检测算法

针对线性调频（LFM）脉冲信号的实时检测问题,提出了一种基于多重累积相关的检测算法 。该 算法根据信号与噪声具有不同的统计特性,利用LFM信号的累积相关高于噪声的累积相关的 原理实现LFM脉冲信号的检测。通过二次累积改善累积相关输出的信噪比,实现对多分 量微弱LFM脉冲信号的有效检测。该算法复杂度低,可以通过递推运算减小运算量,便于 实时处理。仿真实验结果验证了算法的有效性。     

基于时滞网络的ANN系统辨识方法研究

人工神经网络（ANN）简称神经网络，属于模仿人类思考过程的一类普通的人工智能。人类大脑皮层包含的上亿个神经元互相连接构成了生物神经网络．而ANN就是通过电子电路或者计算机程序等有限的方法去模拟人脑的生物神经系统。它可以象人脑一样记忆和学习，通过对输入和输出样本数据的学习训练从而具备联想记忆能力．特别适用于解决传统的数字计算机难以处理的模式识别问题。其输入、输出映射关系是神经计算的核心。     

基于出现-消失时间序列的信号关联

针对无源异类传感器接收的信号常在持续时间上无交集的情况,提出了一种基于出现-消失时间序列的信号关联算法。首先将时间序列抽象成一个M/G/1排队模型,随后推导了闲期分布,然后依据参考信号的闲期和休假期分布的不同,确定了关联时间窗口,统计N个关联时间窗口内待关联信号出现的频次作为信号关联的依据。仿真实验表明,关联信号与参考信号同时出现的概率（>81%）远高于非关联信号与参考信号同时出现的概率（<39%）,验证了所提方法的有效性。     

基于证据理论的移动商务风险因素辨识方法

本文分析了影响移动商务交易风险的主要因素,给出了一种基于DS证据理论的移动商务风险辨识模型,通过融合专家的评判来减少风险因素度量的复杂性和不确定性,评估出风险因素的等级。算例表明利用证据推理对移动商务交易风险进行辨识具有一定的有效性和应用价值。     

一种基于脉冲样本序列的PRI周期信号分选算法

针对传统脉冲重复间隔（PRI）分选算法在估计PRI方面存在的不足,提出了一种对PRI周期信号的周期进行准确估计的方法。该方法首先从待分选脉冲序列中提取出属于一部雷达的脉冲样本,然后基于这些样本对该雷达脉冲序列的周期进行精确估计,并用估计到的周期值进行脉冲序列抽取从而实现准确分选。相对于传统PRI分选算法,该算法能够在保证周期估计精度的前提下大幅度减少分选过程所需要的时间,从而能够更好地满足信号分选的需求。仿真结果证明了所提算法的有效性。     

平方根变步长lp范数LMS算法的稀疏系统辨识

针对稀疏未知系统的辨识问题,提出了一种基于p(0相似文献   

核心竞争力的构成与辨识——基于中国企业核心能力的实证研究

企业的生产运营是建立在资源基础之上并将资源价值转化为企业利润的过程,资源是保证企业获得超额利润的最基本条件.生产运营过程本身是能力的综合运用,是对资源的整合.因此,资源与能力是构成企业核心竞争力的基础本文基于中国企业核心能力实证研究的结果,分析了现阶段中国企业核心竞争力的构成因素并进行了辨识.     

基于系统辨识的电路脉冲响应建模

为探索基于系统辨识的电磁脉冲效应仿真新方法,设计了以阶跃信号和方波脉冲信号为激励 源、稳压电源系统为对象的脉冲注入实验,分别采用OE模型和NARX神经网络模型对该系统的 脉冲能量耦合传递函数进行建模。结果表明,所建模型均能较好地预测出响应波形,且NARX 模型预测能力强于OE模型,两者对阶跃、方波脉冲的预测精度分别达到93.0%、67.4%和76.0 %、61.4%以上。两模型的仿真结果证实了系统辨识对电路电磁脉冲响应预测的正确性, 为电 磁防护设计提供了一种简单有效的仿真新方法。     

α稳定分布噪声对图像影响的研究

图像去噪一直是图像处理领域的重点研究方向之一,本文在介绍图像去噪、α稳定分布和分数低阶统计量的基础上,分析研究了α稳定分布噪声对图像的影响,并比较了几种传统去噪方法应用于α稳定分布噪声图像后的结果.     

基于状态观测器永磁同步电机的自适应速度辨识方案

速度辨识一直是永磁同步电机无醚度传感器控制系统中的一个核心问题,本文以永磁同步电机本身为参考模型,设计全阶状态观测器为硼模型,引入极点配置方法选取观测器的增益矩阵,并引入lyapunov稳定定理保证控制系统稳定的条件下推导出转速自适应律,结合模型参考自适应控制理论得到速度辨识方案,本方案控制过程简单,能够充分保证观测器的稳定且对电机参数不敏感,鲁棒j生好,并将其应用在永磁同步电机矢量控制系统当中,通过仿真得到结果验证了本方案的正确性和可行性同时与基于popov理论的模型参考自适应方案的仿真结果进行比较,分析研究本方案的优劣.     

优化参数对CPM-PSWF信号性能的影响

基于椭圆球面波信号的连续相位调制（Continuous Phase Modulation Based on Prolate Spheroidal Wave Function,CPM-PSWF）方法是一种新颖的数字调制方式,调制参数的优化与其调制信号性能有着直接联系。分析不同调制参数对CPM-PSWF信号性能的影响,优化选择调制参数,对获得能量聚集性和功率效率都较高的CPM信号具有重要意义。首先,对基于椭圆球面波信号的CPM信号进行描述;其次,采用韦尔奇(Welch)谱密度估计法,对时间带宽积、调制指数、关联长度等不同参数对CPM-PSWF调制信号的功率谱密度和带宽特性的影响进行了仿真分析。实验结果表明,选用0阶椭圆球面波信号,小时间带宽积、调制指数和符号进制数越小,关联长度越大时,CPM-PSWF信号具有频谱带外高频滚降快、占用带宽小的特点。     

技术需求-供给的分布参数系统预测模型

本文利用分布参数系统对技术市场的供需问题进行分析,并建立技术供给和需求的分布参数发展方程。为决策提供帮助。     

基于SVM的信号解调算法

在小样本、低信噪比条件下,同步参数估计会存在较大误差,从而导致信号解调性能的降低。为了解决该问题,将信号解调看成有限长度采样样本的学习问题,并利用支持向量机（SVM）良好的学习性能,在存在同步误差的条件下,通过提高判决端的处理能力来改善系统的接收性能,提出了基于SVM的信号解调算法。在Matlab环境下,对提出算法在精准同步、残存同步误差、高斯白噪声和高斯色噪声等情况进行了计算机仿真,结果表明,相比于匹配滤波器算法,基于SVM的信号解调算法能较好地克服定时误差和相位误差以及色噪声对解调性能的影响。