LED外延片上芯片静电击穿的测试分析

利用静电仪和HBM模型研究了GaN基LED外延片上芯片的抗静电性能,并根据pn结势垒电容的特性,对实验结果进行了分析.实验结果表明,缺陷击穿与外延片的工艺有着密切的关系;随着外延片上芯片尺寸的增大,其抗静电能力也随之增强.     

基于深度预分割结合Camshift跟踪算法的动态手势识别方法

针对现有改进的Camshift手势跟踪算法没有考虑光照变化影响下的鲁棒性,进而降低了动态手势的识别率,提出一种基于深度预分割结合Camshift跟踪算法的动态手势识别法.通过在Camshift手势跟踪的基础上引入深度信息,对手势搜索区域进行深度预分割,改进手势目标匹配概率,去除非手势肤色区域及光照变化的影响,最后用隐马尔可夫模型(HMM)进行识别.实验结果表明,提出的方法在光照变化及肤色干扰的环境下有很好的鲁棒性,数字0～9的平均识别率可达97.7％.     

空间自适应卷积核滤波红外弱小目标检测

为了减少复杂红外图像中平滑背景边缘的影响,将具有各向异性特性的PM扩散模型应用到红外弱小目标检测,提出了空间自适应卷积核滤波检测算法,并对扩散系数进行了优化。针对模型中扩散参数难以确定的问题,提出了一种利用Sobel边缘检测算子估计扩散参数的方法。滤波后采用信噪比(SNR,Signal Noise Ratio)和接受机工作特性(ROC,Receiver Operating Characteristic)曲线进行性能评价,实验结果表明,与PM扩散模型滤波和中值滤波相比,该算法有效抑制了边缘,大大提高了信噪比,提高了检测概率,降低了虚警概率,具有更好的性能。     

静态红外地平仪大角度测量模型及误差研究

卫星姿态变化时,静态红外地平仪的成像面与地平圆之间的夹角也会随着变化,因此会造成地平圆在地平仪成像面上成像的变化,进而导致地平仪大角度测量误差增大。为解决此问题,建立了随卫星姿态变化时地平圆在静态外红地平仪成像面上的成像模型,通过STK仿真对该模型进行验证,并给出了一种基于该模型的地平仪测量误差校正的方法,为卫星姿态测量与控制提供补偿和精度保证。     

基于PSCAD的蓄电池模型的仿真研究

蓄电池仍是目前各领域重要且基本的储能元件,有必要继续深入和优化研究蓄电池的仿真模型以及动态特性等.该文先概述了蓄电池的典型参量,随后对比分析了多种电池等效电路模型,最终采用三阶动态模型在PSCAD软件中建立了常规2V铅酸蓄电池的仿真模型,并用仿真验证了等效模型的有效正确.对储能系统在徽电网中的运用奠定了理论和仿真基础.     

IEEE 802.11b DCF三维Markov非饱和链路模型

为了准确评估实际网络中IEEE 802.11b分布式协调功能(Distributed Coordination Function,DCF)的系统性能,提出了一种三维Markov链路模型,该模型综合考虑了DCF协议退避计数器冻结状态和有限重传次数,并结合M/M/1/K排队模型给出了在负载有限的情况下DCF系统性能的理论模型。仿真结果表明,该模型能准确地预测IEEE 802.11b DCF协议的系统性能。     

新型宽带馈源的设计方法

提出了一种新型宽带馈源的建模方法,利用此方法能方便地对各个频段的宽带馈源建立仿真模型。利用该建模方法设计了2-15 GHz宽频带馈源,并利用Ansoft HFSS仿真软件对设计的馈源进行了仿真,给出了馈源在2GHz,8 GHz和15 GHz的仿真方向图,方向图等化很好,并且具有几乎相等的10 d B波束宽度。加工实物并进行了测试,测试结果良好,验证了设计方法的正确性。该馈源已经应用在射电日像仪CSRH-II期工程中,天线性能优良,满足设计技术指标要求。     

基于脉冲响应的厅堂响度评价参量

【摘要】：厅堂响度是厅堂音质的重要参量。基于厅堂脉冲响应能量的强度因子G作为厅堂响度客观评价参量,由于未考虑人耳的听觉特性与主观响度不一致。本文基于Moore时变响度模型计算了厅堂脉冲响应的响度,以厅堂脉冲响应的最大响度值作为厅堂响度参量,并分析了其在实际厅堂中的分布。     

数据库形式化安全策略模型建模及分析方法

目前数据库形式化安全策略模型存在抽象层次较高、缺乏对数据库状态与约束的充分描述等问题,难以辅助用户发现商用数据库设计中的微小缺陷。提出了一种基于PVS语言的数据库形式化安全策略模型建模和分析方法,该方法较以往模型能够更加贴近实际数据库,应用范围更广,安全属性描述更加完整,描述的模型具有灵活的可扩展性,并且保证了建模与验证的效率。最后,将该方法应用于数据库管理系统BeyonDB的安全策略建模分析中,帮助发现了系统若干设计缺陷,证明了方法的有效性。     

一种基于异常值检测和群体智能优化神经网络的电价混合预测模型

为了提高短期电价预测精度,本文提出了一种将异常值检测、时间序列分析、神经网络以及群体智能算法相结合的混合算法。作为混合算法的具体实现,文中的异常值检测利用了残差比方法和正态分布方法,群体智能优化算法选取了粒子群(PSO)算法和布谷鸟(CS)算法。作为实例研究,本文将混合模型应用用于澳大利亚新南威尔士州短期电价预测中,结果表明,混合预测方法能在一定程度上提高模型的预测精度。