DSP和STM32单片机的姿态解算装置设计

设计一套基于DSP和STM32单片机的姿态传感器采集装置。无人飞行器的控制、跳伞训练姿态监测需要高精度的姿态运动信息作为反馈输入,要求测量模块具有功耗低、响应快和体积小的特点。采用精度较高的MEMS器件与STM32单片机并结合DSP高速的数据处理能力,构建航向姿态参考系统硬件平台。针对传感器特点,设计了基于扩展卡尔曼滤波算法的双矢量校正算法。     

计算机类专业实践教学分类化初探

本文探讨了计算机类专业实践教学分类化的必要性、实践教学课程体系与内容的分类化、实践教学大纲的分类化和实践教学评价体系的分类化,以期指导计算机类专业实践教学和提高其水平。     

带扰动因子的布尔型粒子群优化算法

对二进制布尔型粒子群优化算法提出改进,通过在其速度更新公式中引入扰动因子避免粒子过早的陷入局部极值,提出两种调整惯性权重和学习因子取1的概率的策略以平衡算法的收敛和发散,分别是按照粒子相似性自适应调整和线性调整,由此得到两种带扰动因子的布尔型粒子群优化算法。4个基准测试函数的对比,实验结果表明了两种改进算法的有效性和优良性能。     

基于隐马尔可夫模型的股票价格预测组合模型

提出了一种用于股票价格预测的人工神经网络(ANN),隐马尔可夫模型(HMM)和粒子群优化算法(PSO)的组合模型-APHMM模型.在APHMM模型中,ANN算法将股票的每日开盘价、最高价、最低价与收盘价转换为相互独立的量并作为HMM的输入.然后,利用PSO算法对HMM的参数初始值进行优化,并用Baum-Welch算法进行参数训练.经过训练后的HMM在历史数据中找出一组与今天股票的上述4个指标模式最相似数据,加权平均计算每个数据与它后一天的收盘价格差,则今天的股票收盘价加上这个加权平均价格差便为预测的股票收盘价.实验结果表明,APHMM模型具有良好的预测性能.     

协同粒子群优化算法

为解决粒子群优化算法易陷入局部最优的问题,提出了两种新方法协同处理粒子群优化算法：对比平均适应度值差的粒子,用动态Zaslavskii混沌映射公式改进粒子惯性权重与速度矢量,在复杂多变的环境中逐步摆脱局部最优值,动态寻找全局最优值;对好于或等于适应度平均值的粒子,用动态非线性函数调整粒子惯性权重与速度矢量,在保存相对有利环境的基础上逐步向全局最优处收敛。两种方法相辅相成、动态协调,使两个动态种群相互协作、协同进化。实验表明该算法在多个标准测试函数下都超越了同类著名改进算法。     

浅析增稠剂、保湿剂对牙膏膏体物理化学性质的影响

通过正交试验揭示了增稠剂[卡拉胶、汉生胶、瓜尔胶、CMC（羧甲基纤维素钠）],二氧化硅（SiO2）,保湿剂（甘油、山梨醇、PEG）等原料对牙膏膏体物理化学特性的影响。在应用中上述材料采用怎样的配比关系,对确保膏体具有稳定适用的物理化学性质起到了关键性的作用。     

一种修正LMS牛顿算法

本文对LMS牛顿算法中的梯度矢量用当前时刻的梯度估计代替前一时刻的梯度估计和矩阵求逆定理导出了一种修正LMS牛顿算法。对该算法收敛性的理论分析表明算法对步长因子 0是绝对收敛的，计算机数值仿真显示该算法的收敛性能好于LMS牛顿算法的收敛性能。     

基于子空间的幅相误差自校正算法

针对实际应用中普遍存在的阵列幅相误差扰动问题,结合子空间类波达方向估计算法,提出了一种幅相误差的自校正算法。先利用均匀线阵协方差矩阵的结构特点对幅相误差进行初步校正,再通过迭代方法得到更精确的估计值,自校正方法无需任何参数初始值,实现比较简单。仿真实验验证了算法具有良好的误差校正效果,能够比较准确的估计出方位角和幅相误差值。     

8通道24位△-∑型A/D转换器ADS1216的原理及应用

ADS1216是TI公司推出的低功耗、高精度、8通道、24位△-∑型模数转换器,其内部集成了输入模拟多路开关、输入缓冲器、可编程增益放大器、可编程数字滤波器。文中介绍了ADS1216的主要特点、工作原理、典型应用实例及应用程序,最后给出了ADS1216的一些使用要点及设计经验。     

基于矩阵广义逆递推的自适应滤波算法

本文把自适应滤波算法的优化准则之一最小二乘准则:J(n)= ∑ n i=1 λ^n-i|e(i)|²写为矩阵形式,利用矩阵广义逆递推公式直接对输入信号矩阵而不是自相关矩阵进行递推更新,得到一种新的自适应滤波算法.和其它算法如LMS算法、NLMS算法、FRLS算法、TDNLMS算法、 APA算法、Leaky-LMS算法和RLS算法进行了计算机模拟仿真比较,仿真结果表明该算法有良好的收敛性能,收敛速度快于LMS算法、NLMS算法、FRLS算法、 APA算法、Leaky-LMS算法和RLS算法.