基亏遗传算法的GM（1，1，λ）改进模型

研究表明,灰色GM（1,1）-N测模型中的背景值及建模序列光滑度对于模型的预测精度均有影响。针对这一问题,引入背景值构造参数入和三点平滑法,提出了基于三点平滑的GM（1,1,λ）改进模型,并利用遗传算法对引入的参数入进行了最优值搜索。最后通过实例和仿真证明改进模型优于现有的灰色模型,具有更高的模拟和预测精度。     

基于仿生小波变换和模糊推理的语音降噪算法研究

提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解,以分离出来的噪声信号作为自适应滤波器的输入,选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理,最终实现语音信号的信噪分离,去除语音信号中的噪声。仿真结果表明,该方法对语音信号有较为明显的降噪效果。     

基于遗传算法的GM(1,1,λ)改进模型

研究表明,灰色GM(1,1)预测模型中的背景值及建模序列光滑度对于模型的预测精度均有影响。针对这一问题,引入背景值构造参数λ和三点平滑法,提出了基于三点平滑的GM(1,1,λ)改进模型,并利用遗传算法对引入的参数λ进行了最优值搜索。最后通过实例和仿真证明改进模型优于现有的灰色模型,具有更高的模拟和预测精度。     

基于神经网络的某仓储库气体质量预测系统

为了提高部队后勤系统中的信息化管理,探讨了旅团一级如何将BP神经网络方法引入到对某物资仓储库的空气质量预测工作中。着重介绍了BP神经网络以及具体实现步骤,并进行了预测数值和仪器实测数据之间的对比实验,从而为仓储库内人员物资安全研究提供了一种行之有效的新方法。     

基于Web的虚拟仪器技术

通过分析虚拟仪器系统本身的网络功能及相应软件技术支持，说明了把虚拟仪器的前面板移植到Web页面上，使虚拟仪器拓展到分布式网络测试应用环境中去实现的可能性。     

基于支持向量聚类的多分量线性调频信号检测

为了精确获取多分量线性调频(Linear FM, LFM)信号中分量的数量,该文引入支持向量聚类(Support Vector Clustering, SVC)算法对LFM信号的Radon-时频分析结果进行聚类分析,完成多个分量的检测;并通过减少SVC算法中输入集样本数量和改进聚类标识方法为直接聚类标识法,提高了SVC算法的计算效率。仿真结果表明：在较低信噪比条件下,Radon-时频分析和SVC结合的方法可有效地检测多分量LFM信号中分量数和进行参数估计。     

基于遗传新陈代谢灰色模型的电子设备故障预测研究

经过研究分析,序列光滑度和背景值构造是常规灰色GM(1,1)模型误差的主要来源。针对这一问题,提出了一种改进的方法:首先对建模序列进行对数平滑处理,而后利用遗传算法对背景值进行寻优,并形成改进的新陈代谢GM(1,1,λ)模型。最后通过实例验证,表明改进的新陈代谢模型具有更高的预测精度,可用于电子设备的寿命预测。     

基于STM32的脉冲峰值功率测量核心设计

针对提高脉冲峰值功率的测量精度的目的,通过利用微波信号处理、信号峰值检波、信号采样和数据处理相关理论,以AD8318对数检波芯片和AD9238高速A/D芯片为核心,以STM32为计算显示平台,构成脉冲峰值功率测量的设计方案,并通过标准功率源进行了测试,试验证明该方案设计的脉冲峰值功率仪实现了对脉冲峰值功率的准确测量。