开放式数控切割机神经网络误差补偿研究

分析了影响数控火焰切割机加工精度的主要因素,利用开放式数控系统的软件开放性,提出了采用IGCAQBP学习算法的神经网络方法来对包括金属热变形、机械传动误差等非线性因素在内的多种因素造成的加工误差进行误差补偿,设计了嵌入开放式数控系统中的神经网络误差补偿器,给出了实用的补偿器使用方法,并对误差补偿功能进行了扩展,仿真结果和实际应用表明该方法稳定有效。     

一种新的变步长LMS自适应滤波算法性能分析

在简单介绍了基本的LMS,NLMS自适应滤波算法的基础上,介绍了一种新的可变步长LMS自适应滤波算法,并将该算法应用于自适应噪声对消系统的仿真中。通过计算机仿真,给出了LMS、NLMS和新的可变步长LMS自适应滤波三种算法的性能对比,结果表明该算法具有较快的收敛速度和较小的稳态误差。     

载波相位辅助消除伪码多径误差的算法研究(英文)

随着差分技术的发展,影响卫星导航接收机定位精度的典型误差源大多被消除,而多路径效应仍然是造成接收机定位误差的主要因素。该文分析了多路径效应对伪码测量量和载波相位测量量的影响。利用载波多路径误差源小于伪码多路径误差的性质,提出了一种针对伪码接收机的低复杂度的载波辅助伪码抗多径算法,并对算法进行了深入讨论和分析。该算法将接收机伪码测量量中的多路径误差由数十米减小到亚米级,大大提高了伪码接收机的定位精度。系统仿真证明了该算法的正确性。     

测量误差理论研究的辩证法

人类为了认识自然与改造自然,就需要不断对自然界的现象进行测量和研究。由于实验方法和实验设备的不完善,由于测量器具、客观环境以及主观因素等影响,测量和实验所得到的数值和真实值之间存在着一定的差异,在数值上即表现为误差,而反映测量结果与真实值接近程度的量称为精度。在精密测量中,误差与精度是一个事物的两个方面,测量精度的高低可用测量误差的大小来表示,误差小则精度高。作为一个测量和实验人员,只有正确地认识和处理精密测量中的各种误差,并把各种误差影响的总效果控制在一定范围内,才能使测量结果正确地反映被测的量,以达到预想的测量精度。     

一种非视距传播下的TDOA定位算法

提出了一种不需要任何非视距传播测量值先验信息且具有解析表达式解、非递归的双曲线定位算法。通过一步简单残差加权得出一个与真实移动台位置比较接近的初始定位估计,利用该初始值构造了一个加权矩阵,进行两次加权最小二乘计算,得出了一个最后的定位结果。理论分析与目前流行定位算法的仿真结果比较表明,该定位算法能有效地抑制非视距传播误差的影响,计算量相当小。     

新的基于压力导数的反褶积模型研究

压力反褶积对原始地层压力非常敏感，且该参数精度必须控制在0.5% 以内，而通过Levitan 等方法来确定该参数时，不仅至少需要两个不同流动期数据，且易受压力流量非线性等诸多因素影响。提出的基于压力导数的反褶积模型不仅对原始地层压力值不敏感，而且可仅通过一个流动期来确定该参数值。通过分析，该模型可以处理压力误差，也可以处理流量误差     

PIN管结电容的代换测量与回归分析

通过一组标准电容的代换测量 ,建立了测量电压与电容量的函数关系 ,并采用插值算法和回归分析得到结电容与偏压的特性曲线 ,该方法有效地克服了杂散电容及电路噪声对测量精度的影响 ,测试误差主要取决于标准电容的精度     

基于自适应网络模糊推理系统的噪声抵消

对自适应网络模糊推理系统(ANFIS)在噪声抵消中的应用进行了研究，说明了ANFIS的结构和使用ANFIS进行噪声抵消的原理，对窄带干扰的滤除和噪声中的信号提取两种情况进行了仿真，并对ANFIS和LMS(小均方误差准则)两种算法进行了对比研究，结果表明，利用ANFIS进行噪声抵消要优于LMS。     

基于神经网络房地产价格指数的预测研究(续)

研究表明,房地产价格指数常表现为非线性,要对它进行预测就必须利用一种能模拟非线性的模型。从理论上讲,神经网络能够无限逼近非线性函数,所以本文便尝试采用神经网络模型作为预测的模型。本文具体运用的是基于误差反向传播算法的多层前馈网络(BP神经网络)和径向基函数(RBF)神经网络。首先利用BP神经网络对采集到的中国房地产价格指数进行训练和模拟,最后进行预测,并比较预测结果和真实值,发现误差比较大,一方面是因为选取的样本数据少,另一方面是因为BP神经网络本身具有缺陷。为了克服BP神经网络预测的缺陷,本文接着运用RBF神经网络对选取的数据进行训练和模拟,用训练好的网络来进行预测,得到的预测结果与真实值相比较,误差很小,而且RBF神经网络的运行速度要比BP神经网络快很多。经过比较可以得出RBF神经网络用于经济预测可以达到很好的效果。     

基于神经网络房地产价格指数的预测研究

研究表明,房地产价格指数常表现为非线性,要对它进行预测就必须利用一种能模拟非线性的模型。从理论上讲,神经网络能够无限逼近非线性函数,所以本文便尝试采用神经网络模型作为预测的模型。本文具体运用的是基于误差反向传播算法的多层前馈网络(BP神经网络)和径向基函数(RBF)神经网络。首先利用BP神经网络对采集到的中国房地产价格指数进行训练和模拟,最后进行预测,并比较预测结果和真实值,发现误差比较大,一方面是因为选取的样本数据少,另一方面是因为BP神经网络本身具有缺陷。为了克服BP神经网络预测的缺陷,本文接着运用RBF神经网络对选取的数据进行训练和模拟,用训练好的网络来进行预测,得到的预测结果与真实值相比较,误差很小,而且RBF神经网络的运行速度要比BP神经网络快很多。经过比较可以得出RBF神经网络用于经济预测可以达到很好的效果。     

复平面子空间分解的TOA无线定位方法

提出了一种利用复平面对二维移动站定位进行建模的方法,将到达时间信息转化为复数求模,通过代数运算,利用子空间的方法对目标进行定位,再利用蜂窝站址的旋转不变性对定位解进行融合,推导了复平面下TOA定位的克拉美界(CRB)。通过计算机仿真证明该方法具有较好的定位性能,在TOA测量精度较高时能够达到CRB界,有较好的应用价值。     

高等学校岗位绩效工资实施策略研究

在非线性条件下，扩展Kalman滤波(EKF)的应用最为广泛。但是，由于它采用了Taylor展开的线性变换来近似非线性模型，因而存在计算量大、实时性差、估计精度低等缺点。粒子滤波(PF)用一些带有权值的随机样本(粒子)来表示所需要的后验概率密度，并通过这些粒子的加权来估计目标运动的状态，从而得到基于物理模型的近似最优数值解，具有精度高、收敛速度快等特点。通过仿真实验将PF与EKF的性能进行了对比，并且研究了噪声协方差与粒子数对PF的影响。PF与EKF的对比实验结果表明，在强非线性条件下，PF比EKF跟踪精     

应用改进Canny法检测工业零件含噪图像边缘

针对工业零件含噪图像边缘检测,根据Canny算法原理,提出了一些改进策略,形成了一种矩形透镜最大梯度模边缘检测算法。采用中值滤波完成图像平滑,有效抑制了图像噪声;采用5×5邻域一阶偏导有限差分计算图像的梯度幅值,提高了边缘定位的精度;采用最大类间方差法（OTSU）求解了最优区域分割阈值,实现了边缘的自动检测。以磁环和极片工业零件图像边缘检测为例进行了实验,结果表明,该算法具有较好的去噪和边缘检测效果。     

滤波初值对测向定位的影响及其消除方法

基于运动单站测向交叉定位中将滤波初值分成两类,该文从几何原理上解释了不同类型的滤波初值对定位结果的影响;提出了通过增加相位差观测量,利用相位差的变化率和方位角信息,将非线性系统转换成线性系统,再利用卡尔曼滤波来改善定位结果对滤波初值依赖性的方法。转换后的线性系统在利用卡尔曼滤波时,初始值可以根据以前的测量值得到。模拟仿真表明该方法能有效摆脱定位结果对滤波初值的依赖,且定位精度在2%以内。     

阅读中模糊容忍度与口语质量的相关性研究

为了了解阅读中的模糊容忍度与其随后口语产出质量之间是否存在相关关系,采用问卷调查的方法,分析了阅读中模糊容忍度与口语产出质量之间的关系.结果表明：阅读中的模糊容忍度与随后口语产出质量之间存在显著正相关.模糊容忍度越高,其口语成绩也越高.模糊容忍度对口语的影响表现在流利性、完整性和准确性三方面上.对语音和交际能力没有影响.阅读中的模糊容忍度与随后口语产出之间的相关性存在性别差异.对于女生而言存在这种相关性,对于男生则不存在.     

高速、高精度频率采样中的量化误差分析

讨论了高速、高精度频率采样的基本原理;分析了量化噪声对测量误差的影响;提出了采样器建立和保持时间对测量误差影响的问题;导出了考虑采样器建立和保持时间后时间量化误差的概率密度函数,为量化误差的校正奠定了理论基础。     

基于滤波-还原的二维条码识别投影算法

给出了一种基于PDF417二维条码结构特性的算法,该方法设计滤波器滤除噪声部分,再采用点搜索法进一步去除不符合条码边界特点的孤立的点和容易与边界混淆的竖直划痕。对条码图像进行复原,由于基本清除了污染,污染部分找不到复原的种子,不会被恢复。该方法可以去除滤波对有效条码边缘的影响,同时保证图像的可靠恢复。对于恢复后的条码图像采用改进的边缘检测投影方法译码。实验结果表明该方法具有良好的性能,可以降低对条码纠错等级的要求,提高了译码的效率和准确率。     

具有乘性噪声的线性振荡器的随机共振

研究了具有乘性色噪声的过阻尼线性振荡器的随机共振现象。基于线性系统理论,得到了系统输出幅度增益的精确表达式。讨论了乘性噪声的强度、自相关速率以及振荡器参数对输出幅度增益的影响。研究表明,输出幅度的增益是色噪声的强度和相关速率以及激励信号频率的非单调函数。而且,适当的噪声参数和振荡器参数可以使噪声情况下的输出幅度增益大于无噪声时的输出幅度增益。     

一种基于局部统计特性的自适应混合滤波器

基于图像的局部统计特性，结合线性、非线性滤波技术和图像序列处理技术，构建了一种新型自适应混合滤波器．该滤波器算法能够有效地滤除混合噪声，与同类算法相比，有更好的滤波稳健性、实时性，并具有较高的实用价值．