基于TDLAS的痕量CO浓度检测系统及温压补偿

利用可调谐二极管激光吸收光谱技术(TDLAS)实现气体高灵敏度,高精度的非接触式检测。为避免二次谐波信号随环境中温度和压强的改变导致实测出现较大误差,需对测得的气体浓度进行温压补偿。实验以2332nm波长作为CO的中心吸收波长,以质量分数125×10~(-6),1001×10~(-6),1701×10~(-6)的CO作为实验气体。提出了利用BP神经网络补偿模型,并采用遗传算法(GA)与粒子群算法(PSO)优化BP,修正受温压影响的标气浓度,并进行了仿真测试对比。实验结果表明,采用PSO优化BP补偿效果最好,修正后的CO浓度平均相对误差约为1.55%,有效提高了CO气体检测系统的精度。     

Neural Signal Tuned by Random Long-range Connections in Coupled FitzHugh-Nagumo Neurons Systems

We investigate the effect of random long-range connections on signal propagation in an array of coupled FitzHugh- Nagumo （FHN） neurons. The neural network can be obtained by randomly adding a small fraction of shortcuts in an originally locally coupled one-dimensional chain. It is shown that when the first neuron is subjected to external stimuli, it fires and excites its connected neighbours, such that the neural signal may propagate along the chain favoured by the shortcuts. Moreover, there exists an optimal number of shortcuts which can lead to the most synchronous behaviour. In addition, how the region of the fraction of shortcuts varies with the coupling strength is also discussed. These results suggest that topological disorder in the neural network may play a vital role in helping information processing in living systems.     

基于模糊神经网络的自适应PID控制器

提出了一种应用于自适应PID控制器的神经网络与模糊控制相结合的算法,该算法可以有效地解决普通PID控制器依赖于对象的数学模型的缺点,可实现控制系统的在线自适应调整,可满足实时控制的要求。仿真结果表明,基于模糊神经网络整定的PID控制器具有较好的自学习和自适应性,具有较快的响应速度。     

面向低强度无线网络信号接收谱参数估计研究

针对以北斗卫星导航信号为代表的亚纳秒级的低强度无线网络信号在定位中难以获取精确时间估计及角度估计,且易受环境噪声影响,使其定位精度不高等难题,本文提出了基于亚纳秒级的低强度无线网络信号接收谱参数估计方法。首先通过抽样方式,将发射信号抽样为多维独立子信号并独立建模,通过构造噪声空间与子信号空间在对应列向量正交化的基础上精确获取TOA估计;随后利用复数域映射,在获取TOA估计基础上采取比对方式精确地获取DOA估计。最后对本文参数估计方法进行了精度分析。测试数据显示：与 PM算法、ESPRIT算法相比,本文技术在TOA及DOA估计上更为精确;同时在信号强度低且背景噪声干扰严重的情况下,本文方法仍可有效的维持参数估计精度。     

FPGA中信号可靠性设计的方法研究

对FPGA程序设计中存在的信号抖动、相位差异以及在模块继承时不同时钟域引起的软件异常等可靠性设计问题,将目前常用的信号抖动抑制及判断方法进行了分析总结,提出了几种新的FPGA内部的信号处理方法;通过实验验证,这些方法对不同脉冲宽度、不同突发频率的随机干扰,能够进行有效抑制;通过合理降频、例化原语等方法优化软件设计,提高了FPGA输出信号的完整性和可靠性;在航天、航空和工业控制领域中,有效地解决了软件系统的可靠性问题,为建立可靠性高、运行稳定的软件系统创造了条件。     

基于RBF神经网络的较低浓度下同步荧光光谱的溢油鉴别

针对海面溢油样品的含量难以确定,同时考虑到海水掺杂及风化等问题的影响,提出了在较低非线性浓度范围内采集溢油嫌疑样品的同步荧光光谱,获取其训练样本集,利用主成分分析法(Principal com-ponent analysis,PCA)提取其特征光谱,结合径向基函数(Radial basis function,RBF)神经网络对肇事样本和嫌疑样本进行模式识别的方法。通过对相近油源原油样品分类识别研究表明:该方法仅需单次对肇事样本同步光谱测量,再借助数据分析,就可以很好区分相近油源溢油样品,外扰对识别率影响也不大。RBF神经网络算法识别率在92%左右。该结论对海洋环境中溢油的实时检测及油指纹数据信息库的建立有重要意义。     

基于免疫遗传算法改进的BP神经网络在灭火系统电路板故障诊断中的应用

针对装甲车辆灭火系统电路板规模较大,功能日趋多样与完善的同时,其复杂程度也日益提高,故障层次越来越多,故障现象与故障原因的映射关系更加复杂,组合故障频发,传统的故障诊断方法已不能满足灭火系统电路板故障诊断的要求。设计了基于免疫遗传算法优化的BP神经网络对灭火系统电路板进行故障诊断,并在免疫和遗传过程中保留了部分训练最优解。实现了神经网络收敛速度的提高,使用Matlab编程优化算法并完成了电路板仿真故障的诊断。通过实验验证了该诊断模型的准确性和可靠性,为电气系统通用检测设备的神经网络诊断方法实现提供了理论支撑。     

大气湍流中超短高斯激光脉冲的时间域展宽模型研究

穿过大气湍流的高斯激光脉冲在时间域的展宽行为与高斯脉冲通过理想高斯滤波器后的时域展宽行为相似。因此,为了激光通信信道仿真的需要,提出用级联巴特沃斯滤波器来逼近理想高斯滤波器的方法对这种时间域上的展宽行为进行建模。逼近后的高斯滤波器的3dB频率点与大气湍流的物理参数(包括折射率结构常数和湍流外尺度)和传播几何路径长度联系在一起,从而将高斯脉冲的展宽与所通过的大气湍流环境参数相结合并得到了模拟高斯脉冲展宽的解析表达式。该模型和由模型参数表示的高斯脉冲展宽的解析表达式不仅在湍流弱起伏区有效,而且在从弱起伏到中等起伏再到强起伏的整个区域中都有效。     

栅极电势对强光场下石墨烯场效应管中电子隧穿的影响

利用时域有限差分方法研究了强光场下石墨烯场效应管中栅极电势对电子隧穿的影响. 在强光场下由于光学stark效应,石墨烯场效应管的完美手征透射被抑制.这种抑制除了 可以利用光场来调控外,也可以通过改变栅极电势的宽度、势垒高度等来调控. 研究了非方势垒中电子的隧穿. 研究发现,当电势的倾斜较小时,电子隧穿概率变化不大.而当电势倾斜很大时,电子隧穿概率急剧改变.     

快速定位车牌的方法研究

提出了基于数学形态学和纹理特征的快速定位车牌的方法.该方法包含4个步骤:预处理,利用Sobel算子进行垂直边缘检测,通过形态学操作得到连通域,利用车牌的纹理特征和字符特征最终定位车牌.使用该方法对1 144幅图片进行实测,1 102幅图片定位成功,正确识别率为96.3%,处理时间为160～200ms.