基于激光诱导击穿光谱积分信号的水稻种子鉴别研究

基于LIBS技术结合BP神经网络技术,对6类水稻种子进行类型鉴别研究。对水稻种子的LIBS全谱和分段光谱进行积分,再输入BP神经网络,得到:全谱积分前的识别率为81.02%,积分后识别率为93.40%,识别率提高12.38%;分段光谱积分后识别效果较好的是中心波长为405 nm、570 nm、810 nm的光谱,将这三段光谱进行组合,组合光谱的识别率均超过94%,其中405-570-810 nm组合识别率最高达到97.67%;从该组合光谱中提取特征光谱输入神经网络,识别率为97.35%,识别时间为原组合光谱的53%。结果表明:LIBS积分信号下的组合光谱法识别迅速可靠,适用于水稻种子的快速批量检测。     

低频多跳天波时延估计算法比较

低频天波传播时延的准确预测对其在远程导航授时中的应用潜力挖掘具有重要意义. 为了获得地-电离层波导中低频多跳天波模式的传播时延特性,同时验证典型多径时延估计算法在不同信道环境下的作用性能,文中首先采用时域有限差分(finite-difference time-domain, FDTD)电磁计算方法对不同电离层反射情况下的距发射台400 km处地面接收的低频天地波耦合总场进行正演预测,然后分别基于快速傅里叶变换(fast Fourier transform, FFT)/快速傅里叶逆变换(inverse fast Fourier transform, IFFT)频谱相除、多重信号分类(multiple signal classification, MUSIC)和旋转不变技术信号参数估计(estimating signal parameters via rotational invariance techniques, ESPRIT)三种算法对电磁场数值预测结果进行后处理,解耦得到不同模式（地波、一跳天波、二跳天波、三跳天波及四跳天波）的时延,并在此基础上分析比较了无噪声和信噪比(signal-noise ratio, SNR)为0 dB、?5 dB以及?10 dB情况下三种算法对多跳天波的时延估计结果. 结果表明,波跳次数越高,算法的检测能力越差. 对于文中所模拟的信道条件,在弱噪声（SNR=0 dB）、电离层强反射时,FFT/IFFT算法结果精度最高,时延误差不超过400 ns;而在强噪声（SNR= ?10 dB）、电离层弱反射时,ESPRIT算法稳定性最好,误差范围在5 μs以内.     

Research on the identification of the production origin of Angelica dahurica using LIBS technology combined with machine learning algorithms

The origin of Angelica dahurica medicinal herbs varies, and their pharmacological effects also differ. In order to achieve rapid and accurate identification of the origin of Angelica dahurica medicinal herbs, this study utilizes laser induced breakdown spectroscopy(LIBS) technology combined with machine learning algorithms to identify the original source of Angelica dahurica. Sliced samples of Angelica dahurica were taken from four regions: Hebei, Henan, Zhejiang, and Sichuan. The spectral data ...     

LIBS结合GA-BP神经网络与GA-SVM对塑料分类研究北大核心CSCD

塑料制品回收力度小、重复利用率低,造成环境污染和资源浪费,因此对废旧塑料精确分类是提高塑料回收的关键。本文采用激光诱导击穿光谱(LIBS)技术结合遗传算法优化误差反向传播神经网络(GA-BP)和支持向量机(GA-SVM)对常见的10种塑料进行分类识别。利用LIBS技术对塑料样品进行处理,分别采集每种塑料样品100组光谱。对采集到的原始光谱做滤波和归一化处理,提取光谱中14条主要的特征谱线,分别建立GA-BP神经网络和GA-SVM模型。实验结果表明,GA-BP神经网络对塑料的识别性能优于GA-SVM,其中GA-BP神经网络识别精度为99.25%,原因是GA-SVM利用升维算法实现对数据集的分类,在塑料样品种类多的情况,分类效果不及GA-BP神经网络。因此,利用LIBS技术结合不同的识别算法,可以实现对多种塑料样品的分类,也为研究不同算法对塑料样品分类识别提供研究思路。     

A post-coding scheme for peak-to-average power ratio reduction in intensity modulated optical OFDM systems

An efficient post-coding strategy is proposed in this letter to reduce the peak-to-average power ratio （PAPR） of orthogonal frequency division multiplexing （OFDM） signals for optical intensity modulated direct detection （IM/DD） systems. The post-coding scheme based on discrete cgsine transform （DCT） is employed after the inverse fast Fourier transform （IFFT） in the transmitter to reduce the PAPR of OFDM signals. This method is different from the conventional pre-coding scheme which is employed before IFFT operation. Numerical simulations demonstrate that the new DCT post-coding strategy can significantly reduce the PAPR than the conventional pre-coding scheme. Meantime, the bit error rate （BER） performance of the proposed post-coding system can be improved compared with the conventional pre-coding scheme.     

基于DHT的光OFDM系统PAPR抑制算法

针对光OFDM系统存在高峰均功率比(PAPR),提出了一种基于离散哈特利变换(DHT)的选择映射抑制算法。采用快速哈特利逆变换(IFHT)代替传统的快速傅立叶逆变换(IFFT)和Hermi t i an对称算法,并结合非对称限幅法产生满足光OFDM系统要求的正、实值信号送入光纤信道。     

BCGs-FFT结合BP神经网络反演金属介质复合柱体目标参数

利用双共轭梯度-快速傅里叶变换方法（BCGs-FFT）结合BP神经网络技术研究了金属介质复合结构柱体目标的电磁逆散射问题.先用BCGs-FFT方法计算了复合结构目标的正散射问题,得到不同目标参数下的多个观测点上的散射电场,以此作为训练样本提供给BP网络,经过适当的离线训练,再以新的散射电场作为网络的输入,实时重构了金属介质复合结构目标的几何、电磁参数.数值结果显示了该方法的有效性.     

利用多数据处理方法提高LIBS谱信号质量

基于分段光谱特征值提取法和小波变换算法等多个数据预处理方法,分别针对分段基线差异及光谱噪声等严重影响激光诱导击穿光谱(LIBS)信号质量的主要影响因素,开展光谱信号预处理研究.基于实验室LIBS实验装置,通过实验验证,基于多通道光谱仪不同波段光谱特征值提取,提出了一种简单易行的多组数据中特征值点连接的方法,有效地提高了LIBS光谱信号的基线平直度,并得出以小波变换算法进行LIBS谱线信号去噪的最佳算法参数.在上述工作的基础上,使用基于误差反向传播的人工神经网络方法,实现了纯铜和不锈钢等物质种类的有效识别,研究结果表明,综合利用多数据处理方法进行LIBS技术中光谱信号处理可以有效提高谱线分析和识别的质量.     

面向旋翼飞机螺旋桨干扰的AM通信语音信号智能增强方法

为改善旋翼飞机空地语音通信质量,针对旋翼飞机螺旋桨造成的幅度调制(Amplitude Modulation, AM)信号复杂多频干扰以及恶劣机舱背景噪声,提出了一种通信语音时频掩膜智能增强方法,从而实现对机舱噪声与复杂干扰的有效抑制。该方法首先对原始时域语音信号进行分帧与加窗,通过短时傅里叶变换获取幅度谱与相位谱;然后将原始幅度谱作为网络输入,采用深度神经网络分析其语音信号的特征,采用长短期记忆网络挖掘语音信号的时序上下文信息,实现对语音时频掩膜的准确估计,并将其用于增强原始幅度谱以得到网络输出;最后结合原始相位谱,通过逆短时傅里叶变换获得增强后的时域语音信号。仿真与实际测试表明,该方法可有效抑制旋翼飞机环境下的干扰噪声,提高通信语音信号质量。     

改进的多通道系统频域信道均衡算法

在多通道系统中,通道之间的幅相不一致性往往会使系统的性能恶化。在基于阵列天线波束形成过程中,各通道之间的幅相不一致性会使阵列波束方向图发生畸变;在基于阵列的测向系统中,通道之间的不一致性会使测向伪谱噪底抬高,分辨率降低,因此进行信道均衡就显得特别重要。针对宽带多通道系统,在常规频域均衡算法的基础上提出了改进的频域均衡算法。本算法利用频域采样抽取的思想,并充分利用快速傅里叶变换(FFT)和快速傅里叶逆变换(IFFT)避免了矩阵乘法和求逆运算,大大降低了计算量,利于实际工程实现。仿真分析了该均衡算法的性能,验证了其有效性。     

Design of an FFT/IFFT Processor for MIMO OFDM Systems

In this paper, we present a novel 128/64 point fast Fourier transform (FFT)/ inverse FFT (IFFT) processor for the applications in a multiple-input multiple-output orthogonal frequency-division multiplexing based IEEE 802.11n wireless local area network baseband processor. The unfolding mixed-radix multipath delay feedback FFT architecture is proposed to efficiently deal with multiple data sequences. The proposed processor not only supports the operation of FFT/IFFT in 128 points and 64 points but can also provide different throughput rates for 1-4 simultaneous data sequences to meet IEEE 802.11n requirements. Furthermore, less hardware complexity is needed in our design compared with traditional four-parallel approach. The proposed FFT/IFFT processor is designed in a 0.13-mum single-poly and eight-metal CMOS process. The core area is 660times2142 mum² , including an FFT/IFFT processor and a test module. At the operation clock rate of 40 MHz, our proposed processor can calculate 128-point FFT with four independent data sequences within 3.2 mus meeting IEEE 802.11n standard requirements     

LIBS结合ANN对不同类型土壤中的Cu的定量检测

不同种类土壤的Cu浓度与其激光诱导击穿光谱(LI BS)强度之间存在不同的规律,本文利用LIBS结合人工神经网络(ANN)对土壤中的Cu进行 了定量分析,以实现不同种类土壤中Cu的定量检测。分别研究了单一类型土壤和3种土壤 类型基体下神经网络的应用情况。结果表明,在单一土壤基体情况下,应用反向传播(BP)神 经网络可以对土壤中 的Cu进行准确的检测,检测误差最大为10.17%;而在3种土壤基体下 ,BP神经网络的预 测准确度降低,检测误差不大于16%,并且线性神经网络对Cu浓度较 高的土壤样品预测准 确度较高,两种方法的检测准确度均高于内标法,BP神经网络能够更准确的描述单一土壤 类型的基体效应。LIBS结合ANN能有效解决土壤间存在的基体效应,LIBS结合ANN能有效解决 土壤间存在的基体效应,实现不同类型土壤中Cu元素的定量检测。     

微型近红外光谱仪在苹果糖度测量中的应用研究

为了评估微型近红外光谱仪应用于现场水果糖度检测的可行性, 采用粒子群算法结合反向传播(BP)神经网络建立了苹果糖度的无损高精度快速检测方法, 研究了微型近红外光谱仪NIRscan以单波长和阿达玛变换两种测量模式获得的光谱数据, 应用多种不同的数据预处理方法和多元线性回归、偏最小二乘法、粒子群算法(PSO)、BP神经网络等算法建立分析模型。结果表明, 以阿达玛变换工作模式测得的光谱数据更好, 以1阶导数结合Savizky-Golay平滑算法作数据预处理, 应用PSO结合BP神经网络建立的苹果糖度预测模型具有更高的预测精度, 预测相关系数和均方根误差分别为0.9911和0.1502。该微型近红外光谱仪NIRscan用于苹果糖度的现场快速和高精度无损检测具有可行性。     

基于改进BP神经网络的车牌字符识别

在分析了BP网络学习算法的缺陷的基础上引入动量项和遗传算法对BP网络学习算法进行改进,大大提高了BP网络的收敛速度.对车牌字符图像进行分割并利用sobel算子进行边缘检测来提取字符特征.然后利用改进的BP网络来自动识别车牌字符,提高了识别的速度和正确率.     

利用误差逆传播神经网络法识别几种毒品的太赫兹光谱

在采用太赫兹时域光谱(THz-TDS)技术对9种常见毒品进行实验研究并得到它们在0.2～2.6THz频率范围的特征吸收谱的基础上,用误差逆传播(BP)神经网络法对9种常见毒品的太赫兹吸收光谱进行了训练及识别。首先,用9种毒品的太赫兹吸收谱训练已经建立的误差逆传播神经网络;然后,选用与训练光谱不同时间测得的9种毒品的太赫兹吸收光谱作为检测光谱,经过二阶导数预处理之后分别输入到训练好的误差逆传播神经网络中进行识别,识别率达到89%。该误差逆传播神经网络模型采用MATLAB语言编制程序。识别结果充分表明,用误差逆传播神经网络可以实现对不同种类毒品的识别和鉴定,为太赫兹光谱技术用于毒品的检测和识别提供了一种有效的方法。     

NURBS曲面建模的电大目标的宽带RCS快速计算

该文采用物理光学方法(PO),快速计算了非均匀有理B样条 (NURBS) 曲面建模的电大目标的时域瞬态散射和宽带雷达截面(RCS)。通过对频域物理光学散射场表达式进行逆傅里叶变换推导出卷积形式的瞬态散射表达式;对频域物理光学积分进行逆傅里叶变换得到时域物理光学积分的表达式。为了避免数值积分的使用,将NURBS曲面等参数离散为一组三角面片,运用Radon变换得到了时域和频域物理光学积分的精确闭式表达式。遮挡消隐时使用改进的z-buffer方法进行了加速。对时域瞬态散射场快速傅里叶变换得到目标的宽带RCS。文中计算了高斯脉冲平面波入射下模型的瞬态散射响应和宽带RCS,数值结果表明该文方法具有很高的计算精度,且计算速度快于传统时域物理光学法(TDPO)。     

Time-domain analysis of lossy coupled transmission lines

A novel method based on numerical inversion of the Laplace transform is presented for the analysis of lossy coupled transmission lines with arbitrary linear terminal and interconnecting networks. The formulation of the network equations is based on a Laplace-domain admittance stamp for the transmission line. The transmission line stamp can be used to formulate equations representing arbitrarily complex networks of transmission lines and interconnects. These equations can be solved to get the frequency-domain response of the network. Numerical inversion of the Laplace transform allows the time-domain response to be calculated directly from Laplace-domain equations. This method is an alternative to calculating the frequency-domain response and using the fast Fourier transform to obtain the time-domain response. The inversion technique is equivalent to high-order, numerically stable integration methods. Numerical examples showing the general application of the method are presented. It is shown that the inverse Laplace technique is able to calculate the step response of a network. The time-domain independence of the solution is exploited by an efficient calculation of the propagation delay of the network     

A Low Complexity Selected Mapping Scheme by Use of Time Domain Sequence Superposition Technique for PAPR Reduction in OFDM System

By using the time domain sequence superposition (TDSS) technique, in this paper, we propose a low complexity selected mapping (LC-SLM) scheme for the peak-to-average power ratio (PAPR) reduction of the orthogonal frequency division multiplexing (OFDM) system. Unlike the conventional selected mapping (SLM) scheme which needs several inverse fast Fourier transform (IFFT) operations for an OFDM signal, the proposed scheme requires to implement two IFFT operations only. Thus, it can remarkably reduce the computational complexity. Simulation results show that the proposed scheme can achieve similar PAPR performance as the conventional SLM scheme.      

基于卷积神经网络的材质分类识别研究

目前,空间目标中约6%为正在工作的航天器,而约94%的空间目标为太空垃圾,严重干扰和限制了航天器发射、运行等正常的太空活动轨道,在有效清除空间碎片之前,必须对其进行有效识别。本文基于散射光谱,使用卷积神经网络对空间碎片四种材质进行分类识别,并与BP神经网络的识别结果分析比较。鉴于试验所得的材质的原始光谱信噪比低、特征信息弱等特点,需要对光谱信号进行预处理包括去噪、BRDF计算和归一化处理。然后各取四种材质的200帧样本数据进行训练,另各取50帧数据预测,结果表明：卷积神经网络的总体精度比BP神经网络低2%,耗时少101 s;而增加训练样本数据量达到每个材质各500帧时,卷积神经网络的总体精度仅比BP神经网络低0.05%,耗时则少了891 s,卷积神经网络极大的体现了其时间的优越性。该方法对大数据量的空间碎片材质的分类,具有较大的实用性和借鉴意义。     

环网柜电缆头局部放电检测与模式识别

电缆接头的局部放电现象是户外环网柜绝缘故障的主要表现形式,本文利用电磁耦合法对电缆头局部放电进行检测,建立环网柜电缆局部放电检测实验平台,应用局放仪测得的局放量作为局放发生判据,运用小波变换理论滤除信号中的噪声干扰,提取有效信号。通过大量的实验分析,选取8MHz-12MHz信号频谱的功率谱面积作为模式识别的特征向量,利用BP神经网络算法实现电缆头的局部放电识别。结果表明,该方法能有效区分局部放电发生与否,具有较高的识别率,为局部放电检测提供了一种新的算法。