排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
为解决基于PC机平台、高达1 GHz采样率下之相关计算和频谱分析对实时性要求的关键技术问题,针对中子脉冲序列核信号本身所具有的特殊的“0,1”结构特点,采用快速移动的方法,借助于内存管理及SSE优化设计,创建了优化频谱分析的流程,构造了高速、实时的相关计算和功率谱分析算法,实现了1 GHz采样率下的中子脉冲序列核信号的实时相关计算和频谱分析。性能测试结果表明,在计数率为3×106 s-1,单个块(长度为1 024)时,研究的相关算法的计算时间为0.29 μs,相应的英特尔数学内核库的相关计算时间为129.95 μs。现场实际试验表明,该算法达到了对中子脉冲序列核信号进行相关计算和频谱分析的实时性要求。 相似文献
4.
5.
基于裂变中子(252Cf)对裂变链(235U系统)依存关系,在对252Cf中子裂变信号的测量原理及信号特点分析基础上,开展了基于支持向量机的中子裂变信号时频特征分析及识别研究工作。采用小波分解和去噪小波包分解方法,提取不同状态下随机核信号的时频能量特征,借助于统计学习理论的支持向量机(SVM)分类器原理进行训练和分类。研究结果表明:通过直接小波分解或去噪小波包分解,以获取核信号特征的方法是有效的;去噪小波包分解特征提取方式,较之直接小波分解特征提取方式更能反映中子裂变核系统的内部特征和规律;基于SVM核信号样本的分类,训练后的SVM分类器有着大于70%以上的正确率,且较好地克服了训练样本数较少的问题,验证了方法的可行性和有效性。 相似文献
1