可伸缩码流抗丢包保护的交织器参数选择方法

给出了丢包不等保护(ULP)失真优化解的期望失真的上下界,该上下界仅与率优化解和丢包等保护(ELP)失真优化解有关。利用此上下界,提出了基于估计的选取最优交织器参数的新方法。该方法在搜索最优交织器参数时,通过ULP失真优化解的期望失真的上下界估计其期望失真,避开了多次求解ULP失真优化解的步骤,加快了搜索速度。采用双状态马尔可夫网络模型,对SPIHT和3D SPIHT编码器产生的码流数据进行仿真实验,结果表明,与原有方法相比较,新方法兼有速度快和估计精度高的特点。     

自校正信息融合Kalman预报器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均（MA）新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器。证明了它的收敛性,即它具有渐近最优性,且自校正融合Kalman预报器比每个局部自校正Kalman预报器精度高。一个目标跟踪系统的仿真例子说明了其有效性。     

广义系统多传感器分布式融合降阶Kalman滤波器

对于带多传感器的广义线性离散随机系统,应用奇异值分解,将其变换为等价的两个降阶多传感器子系统,提出了基于变换后的状态融合器构造原始状态融合器的新的融合方法。应用Kalman滤波方法,在线性最小方差按矩阵加权、按对角阵加权和按标量加权融合准则下,分别提出了三种最优加权融合降阶广义Kalman滤波器。可统一处理融合滤波、平滑和预报问题。可减少计算负担和改善局部滤波精度。证明了三种融合器和局部估值器之间的精度关系。为了计算最优加权。提出了局部滤波误差协方差阵的计算公式。一个Monte Carlo仿真例子说明了其有效性。     

辨识动态系统噪声方差Q和R的新方法

对于带未知噪声方差的线性离散定常随机系统,引入左素分解可得到一个新的观测过程,它用两个滑动平均（MA）过程之和表示。用解相关函数矩阵方程组得到了噪声方差Q和R的估值器,进而基于新的观测过程的采样相关函数及其遍历性可得到噪声方差Q和R的强一致估计。算法简单,便于实时应用。一个目标跟踪系统的仿真例子说明了其有效性。     

发动机振动主动控制用电磁作动器的设计和动态特性研究

对一种适用于汽车发动机振动主动控制用的新型串接式高能电磁作动器进行了结构设计,计算了作动器的磁场,对作动器的片状弹簧的应力分布进行了有限元分析。同时,建立了作动器的力学模型,对其动态特性进行了仿真分析和试验研究,结果表明作动器是理想的激振源和主动控制用作动器。     

一维光子晶体热辐射光谱控制模拟研究

将一维金属-介质光子晶体应用于热辐射光谱控制,基于电磁波理论建立了光谱能量关系和光谱特性计算方法.采用钨(W)和二氧化硅(SiO2)设计了一维金属-介质光子晶体,从麦克斯韦方程组出发,研究了该一维结构的光谱特性.研究结果表明,该结构能够有效地结合材料自身光谱属性和光子晶体的光谱控制特性实现热辐射光谱特性的选择控制,可被用于热光伏系统实现热辐射光谱控制.     

浅谈重合器转换成户外真空断路器使用的问题

农网改造工程是一项政府行为,能全面改善农村用电环境,满足农村经济发展的需要,加快农村经济的发展.本文论述了笔者在农网改造过程中将重合器转换成户外真空断路器时遇到的问题和相应的解决方案.     

柔性铰链微位移机构在可调谐F-P滤波器中的应用研究

分析了由于反射镜倾斜导致的可调谐F-P(Fabry-Perot)滤波器失谐。设计了一种柔性铰链式微位移机构,由压电陶瓷驱动,采用平行四连杆机构进行传动导向。采用该机构驱动F-P腔镜扫描克服了直接使用压电陶瓷带来的腔镜倾斜问题。该机构已应用于可调谐F-P滤波器中,输出信号多周期峰值幅度均匀,重复性好。     

投影器的标定方法

随着近景摄影测量的发展,投影器的使用越来越频繁和广泛。为了更好地使用和充分地利用投影器,需要求解投影器的内方位元素,即对投影器进行标定。提出了一种方便有效的投影器标定的方法。只需要一架投影器、一部数码相机、一个平面格网和一台计算机,设备的连接和使用相对方便灵活。基于近景摄影测量的理论,结合二维直接线性变换(2D-DLT)和共线方程,运用图像处理的方法,利用光束法平差对投影器进行标定。实验及其结果证明了该标定方法的正确性和有效性。     

航天光学遥感器在轨调制传递函数神经网络评价方法

通过对航天光学遥感器在轨调制传递函数模型和遥感图像的分析,找出遥感图像中与调制传递函数有关的特征信息,采用神经网络为工具,完成利用遥感器传输下来的任意一幅地面景物图像进行调制传递函数的评价。首先模拟出包含不同调制传递函数等级的遥感图像,组成训练样本集,再从图像中分别提取出直接与调制传递函数有关的特征参量和与景物结构有关的特征参量,作为神经网络的输入,网络通过对训练样本集中模拟出的大量调制传递函数已知的遥感图像训练后,当再次输入一幅调制传递函数未知的遥感图像时,便能够正确估计出其调制传递函数值。这种方法不需要在地面铺设靶标或预先获得调制传递函数已知的同一地面景物的航空图像作为参考,只需获得任意一幅地面景物图像即可完成对遥感器调制传递函数的评价。实验结果表明,当不考虑噪声对调制传递函数的影响时,对调制传递函数的评价误差约为6%,而在考虑噪声时,评价误差约为9%。