近红外传感器在汽车改造技术中的应用研究

利用反射式近红外传感器及语音录放组件,研究了汽车倒车防撞语音提示器。当汽车倒车时,只要距车身后尾一定的距离内有人或物体存在,就会有一部分红外光信号经人或物体反射回来,被与发射管同排安装的光敏接收管收到并转换成同频率的电信号后,由模块内部电路进行放大、解调、整形、比较处理后,在输出端输出控制信号,控制语音录放组件工作,告诉司机车后有人、车后有物体。由于近红外线传感器、语音录放组件均为一体化结构,成本低、接线简单、抗震能力强、测量准确、工作稳定可靠,适合在汽车上安装使用。     

高光谱成像技术的柑橘植株叶片含氮量预测模型

氮素是果树生长发育的一种大量必需元素,及时准确地监控果树的氮营养状况,对果树的合理施肥、增产、优化果实品质以及减缓过量施氮引起的水资源污染具有重要意义。利用高光谱成像技术结合多变量统计学方法,建立了柑橘植株叶片的含氮量预测模型。研究步骤为：高光谱扫描、提取平均光谱曲线、预处理原始光谱数据、采用连续投影法提取特征波段和建立含氮量预测模型。从SG平滑、SNV、MSC、1-Der等11种预处理方法中筛选出的较优预处理方法是SG平滑、Detrending和SG平滑-Detrending。对应这三种最优预处理方法,先采用连续投影法挑选出各自的特征波长,然后将各特征波段下的光谱反射率作为偏最小二乘、多元线性回归和反向传播人工神经网络模型的输入,各自建立三个预测模型。从以上获得的9个预测模型中,得出两个最优模型SG平滑-Detrending-SPA-BPNN(R_p：0.851 3,RMSEP：0.188 1)和Detrending-SPA-BPNN(R_p：0.8609,RMSEP：0.159 5)。结果表明,利用高光谱数据测定柑橘叶片含氮量具有可行性。这为实时、准确地监控柑橘植株生长过程中叶片含氮量的变化以及合理科学的氮肥施加提供了一定的理论基础。     

用二级控制法对二维连续体进行形状优化

二级控制的意思是在自然设计变量和有限元网格节点之间加入设计单元,建立自然设计变量控制关键点坐标,关键点控制有限元网格节点,共两层控制关系。后一层控制关系借助有限元形函数描述设计单元,并引入相应的参数坐标,从而实现敏庋分析、结构形状变化的控制和网格的变动控制。本文使用二级控制理论有效地解决了二维连续体结构形状优化的一些困难,将形状优化问题处理成序列二次规划问题求解。使用MSC／PCL语言在MSC／Patran＆Nasntran平台上实现了优化模块的二次开发。本文设计思路的可行性和程序的有效性通过若干算例得到证实。     

岩土材料应变局部化的有限元分析方法

采用有限单元法分析岩土材料的应变局部化时经常会遇到单元尺寸敏感性问题和网格锁定问题。自适应网格技术能够有效地解决网格锁定问题,但仍然无法克服计算结果对单元尺寸的依赖性,尽管在一维情况下被证明是可行的。复合体理论(均匀化理论)和弱非连续有限元方法可以成功地解决岩土材料的单元尺寸敏感性问题,在一维情况下两类方法实际上是一致的。本文针对岩土材料应变局部化的有限元新技术所存在的若干问题进行了详细的讨论,并给出了有关算例。     

关于算子连续映射

在算子开集理论中给出了算子拓扑空间的概念，并在该空间中讨论了算子连续映射，得到了算子连续映射的等价刻划。     

基于MMSE先验信噪比估计的语音增强

针对传统最小均方误差（MMSE）沿爵增强方法无法准确处理快速语音的变化问题，提出了一种堆于MMSE估计先验信噪比的语音增强方法，利用该笔法估计每帧语音俯号的每一个频率分量上的平滑系数αn,k。进行平均反馈估计，从而得到更加接近于真实情况的先验信噪比，进而使用MMSE方法进行语音的增强，提高了对于快速变化语肯的增强效果，实验结果农明，本方法比传统MMSE语青增强方法在增强性能上提高了近2dB。     

拟凸映射与解集的结构

本文研究了一类拟凸多目标规划,讨论了:当可行解集紧凸,而目标函数为C—连续和拟凸时,其多目标规划问题的有效解集(或弱有效解集)为连通的问题。     

基于改进的语音参数提取的线性预测

根据语音发生基本原理和线性预测编码原理，针对自相关法需要加窗从而降低了解的精度，而协方差法不能保证保证解所重构出系统的稳定性的特点，提出了一种改进的Cholesky分解的方法求解协方差方程组以产生声道模型参数的方法，实践证明，这种方法既保证了系统的稳定性，又提高了解的精度。     

单边条件下的 Taylor平均逼近

本文中 ,我们对函数加适当的条件 ,从而改进了 Taylor平均逼近的阶.     

最佳逼近常数的上界的D.Jackson估计

本文证明了左半对任何自然数 n 成立,右半当 n≥9时成立;对 n≥4的情形,右端上限应取(17)/(24)n~2+(14)/(24).应用这结果于最佳逼近常数的估计,得到E_n<4.3286301ω(1/n),(n≥8) (2)