基于快速小波变换的石英加速度计零偏预测

针对石英挠性加速度计零偏在贮存期间受外界环境影响发生漂移的补偿问题,研究了基于快速小波变换的加速度计零偏预测方法.通过Mallat算法从非平稳的零偏序列中提取出平稳的细节序列和非线性趋势序列,再根据序列的特点分别采用自回归移动平均(ARMA)模型和径向基函数(RBF)神经网络进行预测建模;最后利用小波重构公式得到零偏预测值.为验证所提方法的有效性,对某型加速度计2年贮存条件下的零偏标定值进行了建模仿真.结果显示:组合模型较单一自回归综合移动平均(ARIMA)模型和RBF模型预测精度分别提升45.5％和47.4％.     

三轴一体石英挠性加速度计标定数学建模与误差分析

为了提高加速度计标定精度,针对三轴一体石英挠性加速度计确定性误差特性和工程安装特点,基于笛卡尔空间坐标系之间的转换,推导加速度计坐标系与载体坐标系之间的转换矩阵,建立三种石英挠性加速度计线性标定数学模型.仿真和导航实验结果表明:三轴一体石英挠性加速度计标定数学模型误差引起捷联惯性导航系统速度误差、位置误差和姿态误差,且姿态误差和位置误差包含常值分量;所有误差均包含舒勒周期振荡和傅科周期振荡,傅科周期振荡调节舒勒周期振荡.     

石英挠性加速度计在线测试与分析系统

石英挠性加速度计评价指标主要由零偏和标度因数组成。长期监测石英挠性加速度计的输出特性,能有效地分析其性能退化过程。针对石英挠性加速度计实时性能评测、参数建模等需求,设计了一种基于无线传感器网络的无线采集与实时分析处理系统。系统以CC2530为核心,设计了无线传感器节点,采用Z-stack构建无线自组织网络;采用Mesh拓扑结构,集成以24位AD7734芯片为核心的模数转换电路,实现了石英挠性加速度计信号的高精度模数转换与无线传输。设计了可视化上位机终端控制台,实现了测控网络节点管理、远程控制、数据实时分析及加速度的零偏和标度因数的在线计算。设计了节点唯一标志,实现了网络数据的快速分类和管理。系统可容纳节点个数大于40,节点采样误差为0.033 9 m V,实现了加速度计的长期自动化数据采集。     

一种新的基于SCM-ANFIS的加速度计温度建模与补偿方法

针对石英挠性加速度计因外界温度变化导致输出发生复杂漂移,而传统温度建模由于分别对零偏与标度因数建模补偿而造成重复误差的情况,提出了一种新的基于减法聚类(SCM)与自适应神经模糊推理系统(ANFIS)的温度建模与补偿方法。首先,分析了石英挠性加速度计温度漂移机理,设计了多位置全温域实验,建立了一个整体温度补偿模型。其次,将多位 置全温域实验数据作为训练数据,建立了基于改进SCM与 AFNIS的组合温度漂移模型。最后利用实验数据进行模型适用性验证与加速度计温度漂移补偿。结果表明:该方法建模相比于单一方法建模准确度高,精度能提高1到2个数量级,经过该模型补偿后,加速度计温度漂移在全温域范围内能够保持在1μgn量级。     

神经网络在股票价格预测中的研究

研究准确优化预测股票价格问题,针对影响股票价格具有非线性、不稳定的特征,股票价格由于受到社会经济因素的影响,变化大.采用传统神经网络方法在股票价格预测中易陷入局部极小值,泛化能力受到影响.为了提高股票价格精度,提出一种基于粒子群优化算法(PSO)的RBF神经网络(RBFNN)股票价格预测模型.利用粒子群优化算法的良好的寻优能力,对RBF神经网络参数进行优化,从而加快RBF神经网络运算速度,并提高了RBF神经网络的预测精度.利用粒子群优化的RBF神经模型对上证指数(000001)股票价格进行了验证性测试和分析,实验结果表明,相对于各参比模型,经过粒子群优化的RBF神经网络模型预测方法有更好的收敛性,更强的学习能力,显著地提高了预测精度,可为预测提供依据.     

石英挠性加速度计中高精度低零偏伺服电路的设计

介绍了一种用于石英挠性加速度计的伺服电路.通过对内部的差动电容检测器进行激光修调,使该伺服电路的零偏电流小于1.33uA.低零偏电流的特点大大地提高了本伺服电路响应加速度时输出电流的精度,即提高了所检测加速度值的精度.     

基于双轴转台的加速度计自动测试方法设计与实现

为了降低加速度计测试成本,简化标定方法,对加速度计在双轴转台上的测试标定方法进行了研究,组建了一个双轴转台测试系统,系统使用NI USB-9239进行模拟数据采集,依据上述系统提出了一套测试标定新方法,并且设计了一套能进行自动化测试的软件;系统能测试出加速度计的标度因数、三阶非线性模型的各项系数、零偏、零偏稳定性和零偏重复性等参数;选用一种MEMS加速度计进行了测试,对提出的测试标定方法和软件自动测试功能进行了验证,试验过程和测得的参数数值表明软件测试自动化程度较高、测试标定方法实用可靠。     

RBF神经网络的粮食产量预测

研究粮食产量准确预测问题,粮食产量变化多种因素综合结果,针对各因素间具有十分复杂的非线性关系,传统预测方法无法反映粮食产量非线性变化规律,导致粮食产量预测精度低.为了提高粮食产量预测精度,提出一种RBF神经网络的粮食产量预测方法.通过采用非线性能力强的RBF神经网络对粮食产量数据进行非线性定阶,通过最优阶数对粮食产量模型进行重构,然后利用遗传算法对RBF神经网络参数进行优化,获得粮食产量最优预测模型,最后对粮食产量进行预测.通过对1 978 - 2008年中国粮食产量进行仿真,实验结果表明,相对于ARIMA、滑动平均和支持向量机等预测模型,RBF神经网络预测精度高,速度快,证明改进方法为粮食产量预测提供了一种新的途径.     

基于多位置的MEMS加速度计快速自标定

针对MEMS加速度计输出信息受自身误差项(如零偏、标度因数、非正交误差等)干扰而影响器件自身测量精度的问题,提出一种不依赖转台设备的快速24位置标定方法.在分析MEMS加速度计输出特性基础上建立MEMS加速度计输出误差模型,设计并展开连续转停标定,利用重力特征实现加速度计误差修正.基于器件零偏、标度因数、非正交误差9个...     

一种新的无陀螺惯性测量组合标定方法

无陀螺惯性测量组合在角速率解算过程中不仅需要知道加速度计标定因数、零偏及实际安装方向向量,还需要准确获取加速度计的实际安装位置.针对上述特点,以加速度计输出模型为基础,提出并建立了一种广泛适用于各种无陀螺惯性测量组合的标定方法.该方法经转台位置和速率实验验证可以准确得到加速度计标度因数、零偏及安装误差,进一步提高了载体线加速度和角速率解算精度,从而为后续的姿态解算奠定基础.     

基于CAN总线实时应用的可靠调度性研究

CAN总线是一种高级的串行通信协议,适用于各种分布式控制系统。在实时应用中,标准的CAN协议使用静态优先级算法,对传输信道的利用率比较低。对基于CAN总线通信的动态优先级调度算法进行研究后,提出了一种基于指数分配方式的MTS算法,在保证强实时性消息的同时兼顾了低优先级消息的公平性。     

VoIP认证与计费的设计与实现

基于RADIUS的VoIP认证系统，采用分散受理、集中管理的接入认证管理体系，数据集中存放在认证中心(RADIUS服务器)，用户身份认证由PC向网守发起，网守通过RADIUS协议向认证中心的认证服务器发起认证请求。这样，可以保证用户安全地使用网络资源，以确保用户身份的合法性。同时其落地话单经过处理，可进行计费及其它帐务处理。文中论述了RADIUS对VoIP的支持，提出了一个Gatekeeper与RADIUS结合的整体解决方案。     

一种改进的心电信号预处理方法研究

心电信号是典型的强噪声下的非平稳微弱信号,减小噪声的干扰对心电信号的分析有着十分重要的意义,因此,有效的滤波方法一直是该领域学者关注的热点问题。本文在基于小波变换心电信号分析研究基础上,针对小波去噪时分解只作用于低频部分,从而忽略了高频区域中一部分有用信号的问题,提出了一种采用改进小波包理论实现心电信号去噪的方法,利用小波包在消除信号噪声方面具有更为精确的局部分析能力的特点,采用了‘db4’小波和＂最优基＂选择的方法,对心电信号进行消噪。以MIT-BIH心电数据库中心律失常数据仿真实验,得到了较理想的去噪效果。对比该方法与小波滤波去噪,发现基于小波包的心电信号去噪具有更优良的去噪性能。     

VCR智能无扰动特性的精确数值运算

根据智能变进制(VCR)的变溢性、拓展性及申缩性有机结合的技术,提出一种新颖智能的、无数字扰动的精确数值运算.该运算结果值的精确位数.是可以任意或无限地确定的,它可以很好地解决了计算机数值分辨率即由CPU字长制约的有效数字位教不足而造成的数值精确计算PC(Precise Computing)的扰动性问题,例如对中国古代数学家祖冲之曾研究圆周密率π值实验数据(π=355/113)的除法精确计算.     

深度强化学习研究综述

深度强化学习是指利用深度神经网络的特征表示能力对强化学习的状态、动作、价值等函数进行拟合,以提升强化学习模型性能,广泛应用于电子游戏、机械控制、推荐系统、金融投资等领域。回顾深度强化学习方法的主要发展历程,根据当前研究目标对深度强化学习方法进行分类,分析与讨论高维状态动作空间任务上的算法收敛、复杂应用场景下的算法样本效率提高、奖励函数稀疏或无明确定义情况下的算法探索以及多任务场景下的算法泛化性能增强问题,总结与归纳4类深度强化学习方法的研究现状,同时针对深度强化学习技术的未来发展方向进行展望。     

基于LVM 的系统扩容技术研究

近年来,随着大数据业务的使用,系统在运行时会产生大量的数据信息与日志文件并保存在磁盘中。由于在系统规划初期,对系统分区大小规划预期不足,很难合理规划磁盘空间,造成后期系统运行中经常出现系统分区磁盘不足的问题。当发生此类告警时,通常的分区很难动态调整大小,通常采用暂停业务,更换磁盘,数据备份与恢复的方式,该方式操作困难,程序复杂,有数据丢失的风险。在Linux系统里使用LVM(逻辑卷)技术,支持在线空间扩容,可以在用户无感知的情况下扩展系统分区容量,达到合理利用磁盘空间的目的。本文介绍了LVM技术,并在Linux系统里将分区做成逻辑卷,达到合理利用磁盘空间的目的。     

基于CnV结构的自动语言辨识研究

与说话人识别、连续语音识别相比,自动语言辨识是一个相对较新的研究,而且是一项较难的课题。与音素配位学相比较韵律是语言辨识的更有希望的一个语言辨识特征。论文介绍了一种基于伪音节结构CnV的自动语言辨识方法,该系统提取了辅音、元音构成的伪音节结构的MFCC和!MFCC特征参数,使用了与语言无关的GMM算法模型化该特征。经过对OGI-TS数据库中的英语、法语、汉语测试表明,元音、辅音特征信息在语言辨识中起到一定作用,伪音节结构模型也是语言辨识的有效模型之一。     

区域生长辅助的地图配准在室内定位中的应用

地图匹配（ MM）算法通过粒子滤波（ PF）利用室内地图信息来抑制基于惯性传感器的室内定位系统的误差累计。利用区域生长（ RG）算法结合当前步长和方向信息在地图上找到合理的落脚范围,并以此来判断粒子的有效性。这种方法能有效改善地图配准算法的实用性和计算复杂度。提出一种改进的零速度（ ZV）检测算法能准确提取步伐信息,间接提升了零速度更新（ ZUPT）算法和地图配准算法的精度。实验结果表明：该算法的定位误差小于1.0%,定位精度比单纯的航位推算（ DR）算法平均提高了5.97%。     

综合系统管理与网络管理实现技术的研究

该文提出了适应于大型计算机网络和通信网络及应用系统的综合系统管理与网络管理体系结构,研究了基于大型数据库和Web技术的网管、网络自动拓扑发现、策略描述与策略服务以及资源依赖性分析服务等关键技术。该文将这些关键技术应用到综合系统管理与网络管理原型系统的工程实践中,为最终研制高性能、可伸缩和实用的系统管理与网络管理产品提供强有力的技术支持。     

基于数据仓库的数据采掘技术应用

本文首先分析了基于数据仓库的数据采掘的主要方法,技术和应用,然后通过实例讨论了数据采掘在股票分析与决策系统中的应用。