挠性陀螺刻度系数标定算法

为减小刻度系数非线性误差,建立了陀螺刻度系数分段非线性插值标定方法.针对分段非线性插值方法的不足,建立刻度系数神经网络模型,用扩展卡尔曼滤波方法训练;并在此基础上对神经网络进行再训练以提高其精度.实验结果表明,分段非线性插值方法有效地减小了刻度系数非线性误差;用训练好的神经网络可以代替分段非线性插值算法,并可简化实现过程;对刻度系数神经网络再训练,可提高神经网络对实际刻度系数的逼近程度,减小刻度系数的非线性误差.     

基于样条插值函数的离散过程神经网络训练*

为解决过程神经元网络不能直接输入离散样本的问题,提出基于样条插值函数的离散过程神经网络训练算法。首先,将离散过程样本按采样点分段,在采样区间内分别构造样本和权值的分段样条函数;然后,计算样本函数和权函数的乘积在采样区间上的积分,并将此积分值提交给网络的隐层过程神经元;最后,在输出层计算网络输出。分别采用一次、二次、三次样条函数,设计了三种不同的算法。实验结果表明：一次样条计算效率高,逼近能力差;三次样条计算效率低,但逼近能力好;二次样条在计算效率和逼近能力两方面都比较理想。因此,二次样条函数是离散过程神经网络的较好选择。     

电力网络监控仪中数据采集模块的设计

讨论了一种电力网络监控仪的数据采集模块的设计方法。结合锁相环同步技术改进数据采集模块,加入锁相环频率跟踪电路,实现同步等间隔采样,减小了非同步采样引入的误差;针对快速傅里叶变换(FFT)算法的栅栏效应和频谱侧漏提出了加窗插值FFT算法,并把算法移植到ARM内核的微控制器LPC2138中,精确实现了电网各次谐波幅值频率和总谐波畸变率的计算。     

无线结构健康监测传感器网络中的时间序列同步算法

现有的无线传感器网络时间同步算法的同步精度较低,无法满足分布式结构损伤检测系统的要求.文章提出一种基于最小化序列能量差的时间同步算法.该算法通过比较传感器节点在不同时刻记录的采样信号序列,采用比较能量差的方法进行时间序列自同步.经过理论分析及多次实验证明,采用该方法的同步精确度符合无线结构健康监测系统对时间同步精度要求.     

EMD过程中数据拟合的算法改进与实现

分析研究了三次样条插值算法和分段幂函数插值算法的数学原理,结合两者的优势,利用端点延拓技术给出了一种更为精确的数据拟合函数构造方法。并通过Matlab软件编程实现,实验表明分段幂函数求解包络线的算法大大提高了EMD分解中数据拟合精度。     

Hanning窗在电力系统谐波分析中的应用

采用FFT算法对电网信号进行谐波分析时很难做到同步采样和整数周期截断,由此造成的频谱泄漏和栅栏效应将影响到谐波分析的结果。本文应用矩形窗和Hanning窗的加窗插值FFT算法分析非同步采样的电力系统谐波,经过MATLAB仿真证明：采用基于Hanning窗的加窗插值FFT算法能够大幅度降低由非同步采样造成的误差,最后给出了实现该算法的C语言程序。     

一种基于插值算法符号同步的硬件设计

提出了一种数字接收机中符号同步的硬件设计方案。该方案属于异步采样恢复法,其插值滤波器的设计采用了理想插值算法加窗处理,较传统的拉格朗日插值有更好的频域特性。该设计方案已用VerilogHDL实现,并通过了综合及时序验证。     

基于能量有效的多层动态分簇WSN时间同步算法

RBS,TPSN和CHTS等专门为传感网络设计的时间同步协议中,大多只考虑到时问同步精度问题.作为能量受限的传感网络,能量有效性是关键问题之一.基于此,本文提出了一种能量有效的多层动态分簇时间同步算法.多层分簇过程中,以泊松随机过程对随机概率和跳数进行选择和优化,并采用能量罔值机制动态更新簇.以sink节点为时间同步的根节点,sink节点先与簇头节点同步,簇头再与簇成员同步,从而实现全网时间同步.理论及实验结果表明,该算法在以较高的精度完成时间同步的同时,保持了能量的有效性,实现了能量消耗和时间同步精度的有效折衷.     

EIM魔数点特性研究及其最小二乘格式

经验插值法(empirical interpolation method,EIM)首先由Yvon Maday和他的合作者在2004年提出,旨在提升非仿射或非线性偏微分方程模型降阶(reduced basis technique)的计算效率,随后在模型降阶和数据同化领域得到了广泛应用.EIM的计算过程分为离线、在线两个过程:离线阶段,基于待插值函数空间的大量样本函数,通过EIM算法逐一计算插值基函数和插值点(魔数点);在线阶段,基于在魔数点的函数值和基函数,在线重构待插值函数.本文重点研究了EIM算法得到的插值点的空间分布特性,提出了最小二乘格式的EIM (LS-EIM)以进一步提升EIM精度和稳定性.比较了EIM算法确定的魔数点和其它各种采样方法确定的点对LS-EIM的收敛性和精度的影响.通过数值计算发现,相比随机采样和其他方法选取的采样点,EIM算法得到的魔数点用于LS-EIM可获得最快收敛速度和最优重构精度,通常仅需不到2倍于基函数维数n的魔数点数,即不到2n个魔数点,LS-EIM即可实现对最佳重构的逼近.     

基于图像纹理复杂度和奇异值分解的重采样检测

针对图像篡改时可能会经历重采样操作,而重采样过程中的插值步骤会对重采样图像像素引入一定的线性相关性的问题,提出一种重采样检测算法.采用奇异值分解度量像素间的线性相关性,针对纹理复杂程度不同的子像素块分析插值处理对其线性相关性的影响;以零奇异值个数和奇异值均值作为分类特征,结合SVM进行重采样检测.实验结果表明,该算法能够实现对重采样图像和原始图像的准确分类.