广播电视卫星信号的数字调制解调技术探究

随着科学技术的发展和进步,广播电视卫星信号在日常生产生活中的应用更加广泛,因此,其信号的稳定性显得尤为重要。传统的广播电视卫星信号使用的数字调制解调器技术已经无法满足现阶段的实际需求,随之也研究出了诸多全新的数字调制解调技术。有关部门应针对新数字调制解调器组织开展相应的研究工作,根据不同情况选择不同的数字调制解调技术,满足社会发展过程中的实际需求。     

基于声发射原理的矿井掘进机故障诊断技术研究

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断.     

基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。     

基于e-Labsim平台的GMSK调制与相干解调研究

GMSK(高斯最小移频键控)是20世纪80年代提出的一种典型的连续相位调制方式,常应用在GSM、GPRS移动通信系统和WLN等多个领域。文章主要介绍了数字通信中GMSK调制与解调原理,采用e-Labsim仿真平台来实现GMSK调制与解调。