告别模拟,享受数字

"数字化生存",16年前尼葛洛庞帝就喊出过这个口号。时至今日,你的生活中是否还存在模拟化的内容?黑胶唱片、磁带、胶卷、录像带,这些东西你已经有多久没有拿出来过了?在你打算把这些老古董当成收藏品供奉起来之前,这些介质中或许还有不少值得留念的内容。翻录唱片、转录磁带、扫描照片、把家庭电影倒到硬盘上。我们收集的一些简单方法,可以教你如何把唱片、胶片及其他模拟介质上的内容转换成高质量的数字文件。     

降噪优异的游戏耳麦

在FPS游戏领域,Fatallty是个传奇式的英雄。创新在今年年末推出了以Fatallty为系列名称的高端游戏新品,创新Fatallty Professional MKII HS-980游戏耳麦就是其中的一款。     

水下混沌信号降噪研究

针对传统子空间降噪算法只适用于多通道信号,并且传统子空间降噪算法对低信噪比信号降噪效果不理想.对此进行了相应的改进,提出利用多次迭代降噪的思想实现.首先利用相空间重构技术将单一的混沌信号转换为适用于子空间降噪算法的多通道信号,并且利用信噪比改善量控制迭代次数和用降噪之后的吸引因子相图评估降噪效果.大量试验结果表明,该算法具有运算速度快,失真少,评估可靠的特点并且对低信噪比信号也有较好的效果.     

小波与傅里叶变换耦合的静电监测信号去噪法

针对航空发动机气路静电监测信号微弱、背景噪声大、信噪比低、信号特征难以提取的问题,根据傅里叶变换和小波阈值降噪理论,提出了小波分解与傅里叶变换耦合的滤波法,并与常规的陷波器消噪法、小波阈值消噪法进行了对比研究.模拟实验结果显示小波分解与傅里叶变换耦合法的滤波效果明显优于其他两种方法,将该方法用于发动机气路模拟实验采集的监测信号处理,结果表明:小波分解与傅里叶变换耦合的滤波法适合对航空发动机模拟气路静电监测信号做滤波处理,可以用来提取异常信号发生的位置.     

基于堆叠降噪自编码器的神经–符号模型及在晶圆表面缺陷识别

深度神经网络是具有复杂结构和多个非线性处理单元的模型, 通过模块化的方式分层从数据提取代表性特征, 已经在晶圆缺陷识别领域得到了较为广泛的应用. 但是, 深度神经网络在应用过程中本身存在“黑箱”和过度依赖数据的问题, 显著地影响深度神经网络在晶圆缺陷识别的工业可应用性. 提出一种基于堆叠降噪自编码器的神经–符号模型. 首先, 根据堆叠降噪自编码器的网络特点采用了一套符号规则系统, 规则形式和组成结构使其可与深度神经网络有效融合. 其次, 根据 网络和符号规则之间的关联性提出完整的知识抽取与插入算法, 实现了深度网络和规则之间的知识转换. 在实际工业晶圆表面图像数据集WM-811K上的试验结果表明, 基于堆叠降噪自编码器的神经–符号模型不仅取得了较好的缺陷探测与识别性能, 而且可有效提取规则并通过规则有效描述深度神经网络内部计算逻辑, 综合性能优于目前经典的深度神经网络.     

阻尼材料的老化对其减振性能影响数值模拟分析

采用PANTRAN/NASTRAN有限元数值模拟分析软件,对未老化和使用10年的某型粘弹性阻尼材料处理的基座减振特性进行了预测分析。结果表明,在500 Hz以内的频率范围内,未老化和使用10年的材料,其加速度振级变化约为5d B以上,尤其在300 Hz以内的低频段,变化达10 d B以上。     

侧风下的汽车非光滑表面后视镜气动降噪研究

汽车高速行驶时的气动噪声严重影响汽车乘坐舒适性,研究表明仿生凹坑非光滑表面的扰流效应具有气动降噪的作用。通过以汽车行驶时常见的侧风工况为研究点,在后视镜边缘布置仿生凹坑非光滑单元结构,研究侧风对非光滑表面气动降噪效果的扰动。采用分离涡模拟(Detached eddy simulation,DES)与计算气动声学(Computational aeroacoutics,CAA)相结合的方法,在无侧风与侧风工况下进行数值模拟得到监测点声压级频谱。通过对比定常分析中A柱后视镜区域流动特征,压力云图,并结合侧窗区域监测点的声压级频谱图,探讨非光滑表面在侧风下对流场控制及气动降噪中的作用。研究结果表明侧风对非光滑表面后视镜气动降噪效果存在较大影响,并且在侧风下背风侧时非光滑表面的降噪效果最好。     

阻尼车轮减振参量的有限元仿真与优化设计

为有效抑制车轮振动噪声,弥补现场试验的不足,在对黏弹性阻尼材料阻尼机理研究的基础上,以S1002CN型面高速动车组车轮为分析对象,采用正交试验设计和ABAQUS有限元仿真计算相结合的方法,对阻尼车轮减振性能进行仿真优化设计,得出阻尼车轮3个主要参数对其踏面径向振动加速度影响的主次顺序和显著性,并能快速确定阻尼车轮结构参数的最优组合为:阻尼层厚度4 mm、约束层厚度1.5 mm、约束阻尼层敷设于车轮两侧。研究结果表明,黏弹性约束阻尼技术是抑制车轮高频振动的有效手段,对于黏弹性阻尼材料在低噪声车轮中的运用具有一定的理论和实际应用价值。     

基于快速独立分量分析的脑电波信号降噪

针对原始脑电波信号存在非平稳性且非常容易受到各种信号的干扰等特点,对基于小波变换和快速独立分量分析的脑电波信号的滤波降噪方法进行了研究,说明了小波变换和快速独立分量分析的降噪原理,并通过对利用MindSet耳机采集得到的原始脑电波数据的处理,证明了快速独立分量分析算法可以将原始脑电波信号中包含的心电伪迹和工频干扰等多种干扰信号成功地分离出来,同时比较了两种方法的性能,验证了基于快速独立分量分析的降噪方法具有明显的优越性。     

一种基于声学超表面的管道消声声衬设计研究EI北大核心CSCD

通过设计长度渐变的狭缝单元阵列,提出一种基于梯度声学超表面的管道声衬模型。建立了该超表面声衬的声学特性数值仿真模型和理论计算模型,对其降噪特性及机理进行分析,并探究改变结构参数和声衬空间布局对降噪特性的影响,通过试验验证了该超表面声衬的消声效果。结果表明,超表面结构使声衬的降噪频段明显向低频拓展,并显著拓展其降噪频段,分析表明声衬的空间布局对其降噪效果也有很大影响。