雷击环境下铁道通信信号准确采集模型仿真

伴随中国铁路的高速发展,铁道信号设备在现场使用中,遭遇的雷击问题越来越多,特别是瞬态雷击脉冲干扰对设备的影响最为严重。为此,提出一种抗干扰强的雷击环境下铁道通信信号准确采集模型,通过对雷击环境下产生的铁道通信信号频率进行降噪分析、排序和识别转化为数字波形,经由铁道通信信号采集矩阵模块将信号测量相量进行因子选择后,根据选择结果完成干扰排除,实现准确采集的过程。仿真实验表明,该模型能够有效地提高铁路通信信号设备的采集准确性,抗干扰能力强并且在长时间运行过程中,定位速度快,可靠性强。     

基于MATLAB计步器算法研究

计步器可以帮助人们实时掌握锻炼情况,它通过检测人体行走步数和步幅可计算出行走的路程。为了提高计步器的准确性,借助MATLAB仿真工具,充分利用加速度传感器(ADXL330)输出的三轴加速度信号,经分别处理后,利用基于信号能量自适应门限来检测加速度信号的峰值个数,从而准确地计算出人体行走的步数。最后,对年轻人与老年人行走数据进行采集,通过文中方法与传统方法处理后进行对比。实验结果表明,相对于传统方法,基于信号能量自适应门限检测方法具有更好的性能,能有效地提高计步器的准确度。     

基于神经网络的铁路客运量优化预测

研究铁路客运量的优化管理,可以为国家资源分配提供依据,铁路客运量预测对铁路企业的经营决策也有着良好的指导意义,针对传统RBF神经网络极易陷入局部最优问题,为了提高铁路客运量的预测精度,提出一种基于遗传优化RBF神经网络的铁路客运量预测方法(GA-RBFNN).GA-RBFNN首先用遗传算法优化神经网络的参数,并在遗传进化过程中保留最优个体的方法,选择参数的最优解来建立最优预测模型.以我国1985-2008年铁路客运量数据对GA-RBFNN进行仿真,结果表明,采用经遗传算法优化后的RBF神经网络模型比传统RBF神经网络有更高的预测精度和收敛速度,适用于铁路客运量等非线性预测问题,具有较高的预测精度和应用价值.