相关匹配算法在TMS320C6711系列DSP上的优化实现

相关算法是一种可靠性很高的匹配算法，在信号处理中有很重要的应用。但由于计算量大，严重影响了该算法的实时运行。提出了利用行列递推来实现相关算法的快速计算, 并针对实时处理的需要, 结合TMS320C6711DSP的特点，研究了相关算法的几种DSP优化实现方法。实验证明，经过优化后，算法的匹配速度得到了很大提高。     

WSN中基于网格模型的可靠传输协议

为提高传感器网络的传输可靠性,提出一种基于网格模型的可靠传输协议。该协议利用网络大小和节点传输距离将网络划分成若干网格。引入随机丢包模型,运用源节点的位置、能耗等信息,在源节点和Sink间确定中间点坐标,再以中间点为圆心的圆形区域内找到距离Sink最近的、可靠的下一跳转发点转发数据包,转发点覆盖全网格,非转发点休眠。理论分析和仿真实验表明,与AOMDV协议相比,该协议具有较高的可靠性且能耗较低,可有效避免广播风暴等问题。     

利用光束抖动反演横向风速垂直分布的研究

湍流冻结条件下,利用两个位置探测抖动信号的时空交叉相关函数,提出了反演横向风速垂直分布的理论模型.该模型的两个参数分别为湍流廓线和相关函数在延迟时间为0处的导数.假定横向风速满足高斯模型,采用遗传算法进行数值仿真.通过对两种典型湍流模型进行反演计算,发现反演的风廓线和理论风廓线一致性好,相对误差不超过3.3％和1.6％.改变湍流廓线的特征高度并进行反演计算,结果表明湍流强度存在较大误差时,该模型仍可用于低层横向风速垂直分布的反演.     

人工骨料加工中特殊情况的处理措施

针对中国水电工程人工骨料加工过程中遭遇坚硬高强超磨蚀性岩石、易破碎岩石、同类岩石不同加工特性岩石等料源时,致使设备磨损大、出现骨料破碎性能差、脱泥难、针片状超标、成品砂石粉含量不可控及脱水时间长等问题提出处理措施,料源加工问题得到了圆满解决。     

公司情景教学法在Java课程教学中的应用

Java是目前应用最广、功能强大的网络编程语言之一。本文在大量市场调研和教学实践的基础上,结合Java课程特点和企业对Java编程技术人员的需求,提出使用公司情景教学法开展教学。实践证明,使用公司情景教学法开展教学能提高学生学习积极性、达到较好的教学效果,使学生发挥能动性,用所学的知识解决实际问题,从而有效地缩短学生能力与企业需求之间的距离。     

基于消息冗余度动态测算的数据机会转发策略

针对由移动传感器节点组成的移动传感器网络数据转发能耗高、有效性低等问题,提出了基于消息冗余度动态测算的数据机会转发策略。该策略结合节点与sink间位置关系、运动模式、剩余能耗等局部信息构建三维特征向量来描述节点转发消息的能力,并利用预期的消息成功传输到sink的概率和节点当前的机会概率动态调整消息冗余度,使转发消息的机会概率越低转发冗余度越高,反之亦然,以此在提高消息成功传输率的同时控制消息副本数,进而降低网络平均能耗。与直接传输和原路返回机会数据转发相比,新策略传输有效性高、能耗低,更适合移动传感网,符合移动传感网对数据转发策略高有效性、低能耗、延时容忍的要求。     

考虑参数不确定的永磁同步电机MTPA控制综述

内嵌式永磁同步电机(interior permanent magnet synchronous motor,IPMSM)最大转矩电流比(maximum torque per ampere,MTPA)控制方法充分利用磁阻转矩,降低电枢电流,提升系统效率,成为现代电机驱动控制的重要发展方向。在实际运行过程中,电机参数不确定导致MTPA控制偏离最优解,因此提高MTPA控制的鲁棒性和实用性具有重要意义。该文着重介绍了考虑参数不确定的多种MTPA控制方法,归纳和总结了相关方法的关键技术和研究成果。重点阐述了高频信号注入法的理论核心,探讨了由信号注入法演化而来的其他方法的性能优势和应用局限,并提出一种改进的MTPA控制方案。最后,针对考虑参数不确定的内嵌式永磁同步电机MTPA控制方法目前亟需解决的问题和发展趋势进行分析和展望。     

纳米复合电解质材料NSDC性能研究

为了获取纳米复合电解质材料更高的输出功率和更久的稳定运行时间,采用碳酸盐共沉淀的方法分别制备了SDC(Ce0.8Sm0.2O1.9)和1.2倍碳酸钠的NSDC(SDC-Na2CO3)纳米复合电解质并进行了分析比较。结果表明:NSDC电解质电池开路电压最高可达0.87 V,瞬时最大功率密度能够达到450 mW/cm2,在相同温度下性能相比纯SDC电解质电池有很大提高;在掺入一定比例LCNC(Li1.2Co0.2Ni1.5Cu0.1O3)后,NSDC电解质电池稳定工作时间可以达到9 h,并能快速进入稳定工作状态,但电压并无明显提升。     

基于时空优化深度神经网络的AQI等级预测

针对现有空气质量预测方法精度偏低、对噪声敏感等问题,提出一种基于堆栈降噪自编码（Stacked Denoising Auto-Encoders,SDAE）模型的空气质量等级预测方法。首先以武汉市历史空气质量和气象监测数据为研究对象,建立SDAE模型逐层学习原始数据的特征表达,并将最后一层特征与分类器连接完成预测模型的调优。同时改进多参数网格搜索法,选取了最优的超参数组合。然后在测试集上进行预测,并用预测值与实际值之间的平均绝对误差和均方误差等指标作为预测性能评价标准。通过与其他网络模型的实验对比,证明了SDAE模型对于空气质量等级具有较优的预测性能。最后从时间、空间、时空三个角度对该模型输入进行优化,实验结果表明基于空间优化的SDAE模型预测性能提升最为明显,能够得到比传统方法更加精确的预测结果。     

永磁直线伺服系统的l1速度控制器设计

永磁直线伺服系统具有高速、高响应和直接驱动等优点,但负载扰动及系统参数变化会降低系统的伺服性能,为了削弱上述不确定性因素的影响,采用l1控制方法设计速度控制器.基于直线电机离散模型,利用youla参数化法将l1速度控制器设计转化为匹配模型最优控制器Q的设计.从给定的控制器阶数出发,将无限维的l1问题转化为有限维的线性规划问题.仿真结果表明,该控制策略不仅具有良好的快速跟踪性能,而且对系统参数变化和外部扰动具有很强的鲁棒性.