运用CCCII＋完成n阶通用电流滤波器设计

提出基于CCCII＋的n阶通用滤波器的系统设计方法．即n阶通用滤波器由n个CCCII＋、n个电容和一电流网络组成。通过对加权系数的适当调整和组合得到不同的输出电流,实现了低通、高通、带通电流滤波器。这种设计易于集成。经过Pspice仿真低通、高通、带通滤波器,与理论计算值吻合,验证了方法的正确性。     

运用CCCⅡ+完成n阶通用电流滤波器设计

提出基于CCCⅡ+的n阶通用滤波器的系统设计方法,即n阶通用滤波器由n个CCCⅡ±、n个电容和一电流网络组成.通过对加权系数的适当调整和组合得到不同的输出电流,实现了低通、高通、带通电流滤波器.这种设计易于集成.经过Pspice仿真低通、高通、带通滤波器,与理论计算值吻合,验证了方法的正确性.     

高炮电气随动系统神经智能故障诊断系统的设计与实现

根据高炮电气随动电控系统的组成及其电路的结构与特点,设计了高炮电气随动系统神经智能故障诊断系统的模型、系统硬件组成、系统软件结构和相关命令,并阐述了拟神经网络测试算法。     

用第三代电流传送器设计电流模式有源滤波器

提出了一种利用第三代电流传送器设计电流模式有源滤波器二阶节的方法,用该法能生成诸如低通、高通、带通、带阻、全通等各种标准电流模式二阶节,这些滤波器具有低元件参数灵敏度和高输出阻抗,级联可实现高阶电流模式滤波器。     

基于神经网络的电力系统谐波测量方法研究

提出了一种新的基于三角基函数神经网络的电力系统谐波测量方法,给出了该神经网络算法的收敛定理,并采用加窗插值算法修正基波频率的准确度．该方法不需要同步采样和整周期截断,可一次性获得电力系统基波及各次谐波的频率、幅值和相位．计算机仿真结果表明,该方法计算精度高,计算量小,收敛速度快．     

谐波、间谐波参数实时检测新算法

在谐波、间谐波参数实时检测的基础上,提出了一种新的电力系统谐波和间谐波参数估计算法.根据正余弦函数的特性,将各次谐波分量变换成直流分量,经由低通滤波后估计其有效值和初相角;从原信号中去除基波和谐波分量,再通过幅值谱最大值搜素获取间谐波频率及有效值和初相角.仿真研究表明,算法精度较高,实现简单,动态跟踪特性好,适合于离散频谱电压、电流信号的谐波、间谐波参数实时估计.     

无源超高频RFID系统识别区域分析及优化

基于射频识别技术原理及射线跟踪理论,导出了实际环境中射频识别系统完整传播链路模型．提出基于目标区域识别率的系统性能评估方法,并讨论了其主要影响因素．结合电磁波传播理论及相干干扰抵消原理,提出标签集及相位开关目标区域识别率优化方法．在室内多径环境下,测试了采用标签集及相位开关优化方法的目标区域识别率．测试结果表明,两种方法下的系统目标区域识别率分别提高10％和7．6％．     

基于时空多维的VMD-GAT-Attention短时交通流量组合预测模型

文章针对短时交通流量时空依赖性、非线性的特点,为提高交通流量的预测精度,将时间建模和空间建模相结合,提出一种整合改进的变分模态分解(variational mode decomposition,VMD)结合图注意力网络(graph attention networks,GAT)与注意力模型搭建的组合预测模型.在时间维度上,利用改进粒子群算法(improved particle swarm optimization,IPSO)优化的变分模态算法分解交通流量,保证了VMD的充分分解,并得到相对平稳的交通流量序列,提高了组合模型的预测精度;在空间维度上,构建有效分解模态与原交通流量序列的GAT,提取不同时间序列中各交通节点之间的空间信息;引入注意力机制提高主要时空信息权重,降低次要时空信息权重,进一步提升了组合模型的预测精度.实验结果表明,该组合模型比IPSO-VMD-GAT-Attention模型以及VMD-GAT-Attention模型的均方根误差分别下降了31％ 和21％,而且对于VMD-GAT模型和GAT模型,均方根误差分别从14.1231和9.9136下降到2.2928,说明该模型达到较好的预测效果.     

基于马尔科夫链的射频识别防碰撞测试

分析了自适应Q值算法的防碰撞原理以及射频识别(RFID)通信的时序,定义防碰撞过程的识别效率、识别速度和标签数目及Q值的数据状态(Q,n).在此基础上讨论并建立了多标签的状态转移过程的马尔科夫链模型.通过蒙特卡罗统计方法,对马尔科夫链模型求解,得出识别效率和识别速度.用软件无线电测试方案实现防碰撞测试,有效地实现了RFID防碰撞过程的识别效率和识别速度的量化分析.模型仿真结果和测试数据的一致证明了测试模型的有效性和测试方法的正确性. 关键词： 射频识别 防碰撞测试 马尔科夫链 时隙计数器     

一种新的模拟电路故障特征提取与诊断方法

提出了一种基于小波变换、傅立叶变换与神经网络相结合的模拟电路故障诊断新方法.该方法使用小波变换和傅立叶变换对模拟电路在各种故障状态下进行特征的提取,即首先对电路在各种故障状态下的节点电压信号进行小波变换以将干扰信号(如噪声)除去,防止不相关的能量混在有效信号中,然后采用傅立叶变换进行分析,得到有效信号频谱,提取其能量值...