扬声器大功率谐波失真测量

本文阐述了扬声器大功率谐波失真对于重放音质的影响,指出了它是一个能客观表征扬声器音质的重要参数。问题在于,长期以来人们无法测量这种大功率参数,为此,文中提出了一种使用数字信号处理技术的测量方法,给出了实际测得的几个扬声器大功率谐波失真。最后,文中还介绍了一种微电脑化的扬声器大功率谐波失真仪,它将会在音频界得到广泛的应用。     

基于生物迁移的网络动态负载平衡的研究

生物系统中的关键机理和重要原理可用于设计一种新颖的生物网络结构及其仿真平台，以满足未来Internet网络的关键需求。本文在此框架下讨论了生物实体的不同迁移方式，并探讨了将其用于网络动态负载平衡问题，给出了一种负载平衡算法。通过对网络中不同任务量在采用和不采用负载平衡策略两种情况下的仿真试验，比较了不同条件下的响应时间，验证了算法的合理性。     

飞达FHS－281和FHS－362型发烧音箱介绍

飞达ＦＨＳ－２８１和ＦＨＳ－３６２型发烧音箱介绍电子工业部第三研究所丁永生总部设在香港的飞达音响专业器材有限公司，是一家在中国广州和美国洛杉矶分别设有分公司的跨国公司。十余年来，其产品Ｆｉｄｅｋ飞达牌专业音响和发烧音箱在中国市场和国际市场销售一直保持...     

元胞自动机与软计算的集成及其应用

介绍了元胞自动机的思想来源和基本原理，对元胞自动机与敦计算的人工智能技术进行比较并加以集成，讨论了近年来它在混沌分形、图像处理、智能材料、机器学习、模拟复杂现象等领域中的应用成果，并对进一步研究进行展望。     

提出扬声器的一个新参数—噪声阻抗

本文有关扬声器噪声阻抗的概念,是由作者在1989年IEC/TC84/布拉格年会上提出的,并在该会上进行过热烈地讨论。本文将对这一新参数提出的理由及其测量方法作一较为详细的阐述和介绍。     

倒相式扬声器系统的制作

人们想要在家里欣尝悦耳的重放音乐,除应具有高质量的收音机、电视机和录音机之外,还必须要有一个质量较好的扬声器箱。为此,广大无线电爱好者都想自己动手设计制作一个经济实用,音质优美的音箱。音箱是扬声器系统的俗称,它一般由箱体、低、高频扬声器单元(在三频道组合扬声器箱中还有中频单元)和分频器等部件所组成。箱体不仅是整个音箱的壳体,而且是辅助低频扬声器单元辐射低频声音的声学装置,音箱的低频性能将随箱体的类型及大小而变。常见的箱体类型有倒相式、封闭式、声阻式等。封闭式音箱必须与特种高顺性低频扬声器(如橡皮边扬声器)配合,才能取得较好的效果。声阻式也不易做好,且低频     

一种6自由度冗余驱动并联机器人的神经内分泌智能控制

给出一种新型8输入6自由度冗余驱动并联机器人的机械结构,并建立其运动学逆解。基于神经内分泌激素调节原理及激素调节回路模型,结合8输入6自由度冗余驱动并联机器人的特点,设计了一种智能控制器。考虑到建立精确的并联机器人动力学模型的实际困难,利用MATLAB中MimMechanics建立了该机器人的机械系统模型,并利用提出的智能控制器对其进行控制。仿真结果表明该智能控制器能有效地控制此6自由度并联机器人。     

基于机织结构的柔性应变传感器的设计与分析

建立机织物的等效电路模型,在导电弹性纤维材料的电阻应变效应基础上推导了机织物的电阻应变关系。设计了机织物的平纹组织结构及信号转换电路,分析了柔性应变传感器的输入输出特性与灵敏度。对机织物的结构参数分析表明,当机织物中的导电弹性纱线为并联方式时,可选用电阻率适中或较低的导电弹性纤维材料,理论上适用于任意尺寸物体的大应变检测;当机织物中的导电弹性纱线为串联方式时,只能选用电阻率较低的导电弹性纤维材料,且仅适用于较小尺寸物体的大应变检测。     

基于免疫优化的脑电自适应集成分类方法研究

针对脑机接口研究(BCI)中对脑电波信号的分类识别问题,对脑电信号中P300脑电信号的预处理、特征提取及特征分类等方面算法进行了研究,主要侧重于对P300脑电信号分类算法的研究。提出了一种自适应的集成支持向量机(SVM)分类方法,利用免疫算法的多样性以及自我调节能力,对基于Bagging的集成SVM分类学习器进行了优化,提高了对P300脑电信号识别的准确度以及针对不同个体的自适应性。研究结果表明:将自适应集成分类算法运用在BCI Competition III Dataset II的P300脑电数据上,可以识别出被试者的脑电意图,并且对P300脑电信号的分类可以达到较高的分类准确率,实验结果稳定在98%。     

基于PTLD的长时间视频跟踪算法

对于化工厂、电厂等重要场所,火灾、爆炸和有毒物质泄漏等安全生产举足轻重。因此对工业现场的监控至关重要。作为一种有效实时的视频目标跟踪算法,TLD算法(tracking-learning-detection)吸引了全世界的广泛关注。提出了一种PTLD的改进算法(prediction-tracking-learning-detection)。它是通过将卡尔曼预测器用于估计目标的位置以降低探测器的扫描区域,提高检测速度;增加基于目标运动方向的预测用于跟踪目标与背景相似的情况。通过增加位置和速度的预测并使用时空分析有效提高视频跟踪精度和速度。实验结果表明,PTLD算法为鲁棒实时的视频跟踪提供了一种方向。