基于AIC准则和时窗能量比的电缆局部放电在线检测与定位

在利用多高频电流传感器进行电缆局部放电在线检测与定位时,针对局放信号初至时刻拾取精度不高影响定位精度的问题,提出一种基于AIC(Akaike''s Information Criterion)准则和时窗能量比的局放故障在线检测与精确定位方法.首先利用时窗能量比检测出局部放电发生的时窗,然后求取确定时窗的局部AIC特征曲线,并基于AIC准则精确拾取局放信号初至时刻.最后,运用到达时间法对局放源进行定位.仿真结果表明,该方法定位精度高,抗噪声干扰能力强,在-2 dB的噪声环境下可实现99.85％的定位准确率,具备工程实用价值.     

一种适用于非高斯杂波背景的DP-TBD算法

针对动态规划检测前跟踪(DP-TBD)算法在非高斯杂波背景、起伏目标条件下检测和跟踪性能差的问题,将粒子滤波引入动态规划的似然比阶段指标函数计算中,利用粒子权值的均值表征目标存在假设下的似然函数,导出似然比指标函数模型,进而给出了一种适用于非高斯杂波背景和起伏目标的最大似然DP-TBD算法。应用文中算法在对数-正态杂波、Swerling起伏模型条件下,对目标的检测跟踪性能进行了仿真,并与两种传统的DP-TBD算法进行比较,验证了该算法的有效性。     

温度箱入射窗方案与温度场模拟

介绍了夜视仪可靠性试验中温度应力试验箱入射窗的结构方案,并通过其上的加热器加热避免低温造成内层窗口玻璃结霜,且确保光通道中温度梯度尽量均匀,计算加热器所需功率,并使用ANSYS软件对温度场进行模拟。     

应用于信号处理的Fourier变换与小波变换

在分析Fourier变换与小波变换异同点的基础上,对它们在不同类型信号的处理过程中的应用进行了探讨．并给出一个检测故障点的仿真实例,证明了小波变换的优越性．     

八钢型材厂电气隔离保护技术的应用

八钢型材厂运用的电气隔离保护技术,在不同工况下的实际应用。     

牙髓微弱荧光信号检测与采集研究

为了检测牙髓活力状况,将激光诱导荧光技术应用于牙髓活力检测中,基于牙髓荧光反射光纤输出微弱信号基础上,利用光电倍增管作为荧光信号检测的探测器,设计与分析微弱荧光信号的检测电路;利用单片机与12位A／D转换器为数据采集核心,设计单片机采集荧光信号的电路,并通过单片机通讯接口,结合计算机数据采集系统,完成牙髓荧光数据处理与显示。     

改进自适应中值滤波的图像去噪

传统自适应中值滤波的最大最小窗口尺寸固定,并且其最大最小窗口相差较大时,运算时间较长,去噪效果并小一定最佳。本文针对传统自适应中值滤波算法的不足,提出了改进自适应中值滤波算法,首先根据椒盐噪声的分布特点,从单幅含椒盐噪声图像中估算出椒盐噪声的浓度,并分析噪声浓度与自适应中值滤波窗口尺寸之间的关系,建立它们之间的函数关系一其次根据噪声浓度确定自适应中值滤波的最大最小窗口尺寸,最后对图像进行自适应中值滤波：实验结果表明本文算法运算时间随着噪声浓度的变化而变化,而且从PSNR角度来看本文去噪效果比传统自适应中值滤波效果较好。     

基于PIC16F946的CO气体检测仪

介绍了一种便携式CO气体检测仪的开发,论述了仪器的硬件原理图、一氧化碳气体传感器的参数模型分析以及软件的程序流程图,该仪器可实现检测空气中CO的含量,并可自动进行声、光以及震动报警,可通过按键设定二级报警值,并且可以对仪器进行标定,仪器以美国microchip公司的微控制器PIC16F946作为核心控制单元,分辨率为lppm;误差为士3%,采用3V的锂电池可以连续工作9000h以上,可广泛用于工业生产、环保、汽车、家庭等一氧化碳泄漏和不完全燃烧的检测报警.     

住宅的细部构造设计应注意的一些问题

通过建筑设计人员的一些住宅设计实践,这对目前在住宅细部构造设计方面经常出现的一些问题,阐述自己的观点,并提出在具体设计中相应的解决方法。     

BUILDING USER TASK SPACE BY MINING TEMPORALLY PROXIMATE DESKTOP ACTIONS

Awareness of the user's current context, that is, the task the user resides in, can allow for various ways of supporting their work. In this article we present a novel approach for mining user's regular tasks on the basis of temporal proximity of users’ desktop actions without user intervention in a completely automatic, unobtrusive, and unsupervised manner. The proposed method is based on time-based clustering of a user's desktop actions and, in contrast to previous approaches, it does not enforce fixed time constraints on the mined actions, and typical transition times, when they exist, emerge from the logged activity data for that specific user. The performance of our technique was evaluated on a large data set of 724 days of desktop work by five knowledge workers. The results showed that our approach performed very well and was able to cluster those temporally proximate user actions that commonly used fix time window techniques fail to deal with. Notably, the main improvement is in the recall of the tasks, where our approach recalled 10.18% more actions than the predefined time window technique.