共查询到20条相似文献,搜索用时 31 毫秒
1.
VCO非线性度检测是实现其非线性度精确校正的前提,研究VCO非线性度检测方法具有重要理论意义和实用价值。针对目前基于微元法和分数阶傅里叶变换的VCO非线性度检测方法在抗噪性、实时性等方面存在的不足,提出了一种基于重叠分段和分数阶傅里叶变换的VCO非线性度检测方法。所提方法采取重叠分段的策略以抑制噪声干扰,在分数阶傅里叶变换域进行幅度峰值搜索时改用收敛速度快的黄金分割法以增强实时性。仿真实验表明所提方法具有良好的抗噪性,分段重叠率为0.25时其检测的均方根误差约为现有方法的1/2;当重叠率小于2/3时,其实时性也优于现有方法。 相似文献
2.
VCO非线性度检测是实现其非线性度精确校正的前提.针对目前基于微元法和分数阶傅里叶变换的VCO非线性度检测方法在抗噪性、实时性等方面存在的不足,提出了一种基于重叠分段和分数阶傅里叶变换的VCO非线性度检测方法.所提方法采取重叠分段的策略以抑制噪声干扰,在分数阶傅里叶变换域进行幅度峰值搜索时改用收敛速度快的黄金分割法以增强实时性.仿真实验表明所提方法具有良好的抗噪性,分段重叠率为0.25时其检测的均方根误差约为现有方法的1/2;当重叠率小于2/3时,其实时性也优于现有方法. 相似文献
3.
4.
5.
6.
压力传感器的输出特性易受到环境因素,尤其是温度变化的影响。针对该问题,提出了利用支持向量机(SVM)对压力传感器输出特性进行非线性补偿的校正模型。校正模型利用SVM的回归算法来逼近非线性函数的特点,通过建立压力传感器输出特性与其实际电压值之间非线性映射关系的校正模型来实现压力传感器的校正。实例表明:该方法能有效地减少温度变化对传感器输出的影响,且校正后的压力传感器具有更高的测量精度和温度稳定性。 相似文献
7.
基于DSP技术的传感器非线性校正 总被引:3,自引:1,他引:3
针对系统内含有DSP(数字信号处理)芯片的检测系统,提出了运用DSP芯片对传感器进行非线性校正的方法。与传统校正方法进行比较可以表明,此方法简化了设计,提高了通用性和灵活性。并且通过最小二乘法在DSP芯片上实现非线性校正的实例说明其可行性。 相似文献
8.
传感器非线性的反拟合方法及校正实现 总被引:2,自引:0,他引:2
根据非线性开环校正原理,提出一种基于最小二乘方法的带权反拟合非线性校正算法,同时,利用可编程模拟器件对校正装置进行了设计。基于该方法的非线性校正具有准确度高、速度快、易实现的特点,是一种行之有效的校正方法。 相似文献
9.
<正> 锁相技术是现代通信的基础,而集成锁相环(PLL)则为现代通信提供了一种强有力的电子器件,大大促进了现代通信技术的发展。国产单片模拟集成PLLKD802~*就属该类器件。应用它可以方便地实现频率跟踪、锁相式倍频、分频、移频以及调频信号解调等。图1为KD802方框图。它由鉴相器(PD)、压控振荡器(VCO)、低通滤波器(LPF)、放大器(A)、限幅器以及内部稳压和温度补偿网络组成。PD比较输入信号和VCO输出信号的相位,产生一个与相位差相关的误差电压,该电压控制VCO的振荡频率,使之向输入信号的频率靠拢而实现频率自动跟踪。LPF则滤除高频成份和防止干扰。与分立元件组成的PLL相比,KD802不仅体积小、 相似文献
10.
微粒群优化(PSO)算法是一种进化算法,包含的概念简单。介绍了不同于传统的传感器非线性校正方法,将PSO算法应用于传感器非线性校正的参数估计,并通过电涡流微位移传感器非线性校正进行PSO算法效果测试。实验研究表明:PSO算法简单、得到的传感器非线性校正曲线精度高。PSO算法为传感器的非线性校正提供了一种新方法。 相似文献
11.
针对实际传感器的非线性问题,结合遗传算法和模拟退火算法的优点,提出了一种基于退火遗传算法的传感器非线性校正方法.该算法通过计算传感器自校正方程中的待定常数,实现非线性特性的线性化.实验结果表明:该方法不但可以实现非线性校正,而且校正后的精度也高于传统的最小二乘法. 相似文献
12.
13.
基于LS-SVM的传感器智能校正及温度补偿 总被引:1,自引:0,他引:1
提出一种基于最小二乘支持向量机(LS-SVM)的传感器非线性校正及温度补偿的新方法,并给出了相应的过程和算法。在该方法中,LS-SVM被用作构建逆模型,并通过该模型映射传感器非线性特性,同时实现了传感器的温度补偿和非线性校正。通过实际电容式压力传感器校正的实验结果表明:所提模型建模速度比SVM模型高1~2个数量级,补偿误差仅为SVM模型的20%左右。因此,该学习速度快、补偿精度高、抗噪声干扰能力强,适合传感器温度补偿及校正。 相似文献
14.
介绍了一种具有DeviceNet现场总线通信功能的智能差压传感器的设计,探讨了传感器输入输出特性曲线的非线性校正方法。通过内嵌的总线控制器(SJA1000)、报文收发器(82C251)和P89C668单片机等,该传感器可直接作为一个DeviceNet从节点工作;对传感器的输入输出特性曲线进行了建模,以软件手段实现高精度的非线性自校正功能。测试结果表明:该智能差压传感器不但具有DeviceNet现场总线输出功能,且经过多项式或神经网络建模的传感器非线性误差分别可达0.04%FS和0.02%FS。这为高精度传感器的制作提供了一种可行的方法。 相似文献
15.
16.
针对人工神经网络等传统方法的不足,提出了一种利用最小二乘支持向量机(LS-SVM)的热电偶非线性校正方法。在该方法中,根据正反馈原理构造形式为幂级数展开模型的非线性补偿器,并利用LS-SVM线性回归算法辨识该补偿器幂级数序列模型的系数。通过该补偿器之后,热电偶可得到理想的线性特性。最后,对铂铑30—铂铑6热电偶(B型)进行非线性校正实验,实验结果表明:在0~1 820℃范围内,校正后系统的线性度小于0.035 3。因此,所提方法有效,且能应用于其他相似系统的非线性校正。 相似文献
17.
18.
19.
20.
针对磁罗盘传感器非线性校正中现有方法的不足,提出采用小波函数和双曲正弦函数作为超限学习机(ELM)的激活函数,并将此改进超限学习机用于磁罗盘的校正.同时,阐述了传感器的非线性校正原理,磁罗盘航向误差模型及改进超限学习机的实现过程,并分别采用BP神经网络法和传统ELM对磁罗盘进行非线性校正.实验结果表明,改进ELM算法补偿后最大误差为0.103°,均方根误差为0.0596°,优于BP神经网络算法(补偿后最大误差为0.5°,均方根误差为0.1805°)和传统ELM神经网络(补偿后最大误差为0.21°,均方根误差为0.1056°). 相似文献