低成本接收阵列方向图测试系统与方法

采用传统的相控阵测试方法对数字阵列及数字波束合成进行测试,存在系统复杂、设备齐套周期长、问题难解耦等弊端。因此,对于数字阵列及相关算法,需要一种不依赖天线和物理环境,且能够以低成本和高效率,在系统开发中期完成相关性能评估和迭代的方法。给出一种基于阵列信号模拟技术的低成本接收阵列方向图测试系统,并提出了随机虚拟相移技术用于解决测试精度不足的问题。基于简要的理论分析、给出了测试平台构成和测试流程,并通过仿真和实测验证了方法的有效性。     

声扩散体研究与设计的最新进展

对近年来声扩散体的研究与设计的最新理论及实验方法作了总结,介绍了各种扩散体的应用,并指出以后声扩散体发展需要解决的若干问题。     

《电工学》远程多媒体CAI系统的设计与实现

针对大学《电工学》课程特点,利用ASP.NET等技术和SQLServer开发了一个基于数据库的远程多媒体教学系统。利用分段随机抽选法来实现智能组卷,解决了传统算法在试题库题量大时组卷效率低的问题,并利用SQLManagedProvider连接SQLServer数据库的方式对数据库进行访问,达到了预期的效果。     

同位协同随机建模在储层预测中的应用

采用同位协同随机建模技术,以反映储层含油性的电阻率测井参数为主变量,以地震波阻抗为协变量,对储集层的合油砂岩厚度进行了预测。根据大庆葡南油田葡333区块有效储层下限的解释标准,对电阻率随机模拟得到的多个实现进行解释,得到各实现的含油砂岩厚度,并以10m含油砂岩厚度为风险门槛值分析了该区钻井风险性。新、老钻井的钻遇情况分析表明,应用序贯高斯同位协同地震属性数据的模拟方法进行储层预测的精度较高,利用多个随机模拟实现的差异性进行预测结果的风险性评价可以有效地降低钻井风险。     

基于改进的随机森林算法的井曲线填补研究及应用

测井数据是描述油气藏信息的重要途径,但实际勘探中测井曲线往往失真或缺失,其复原问题一直都是油气勘探领域的研究热点和难点。传统的随机森林算法主要受n＿estimators(决策树的个数)和max＿depth(树的最大埋深)这两个参数控制,在实际填补测井数据中并不能很好地训练出理想的模型。本文基于遗传算法(Genetic Algorithm, GA)提出了一种改进的随机森林算法(IRFA)用于测井曲线复原,即用GA来优化随机森林模型参数,进而提高缺失曲线复原的准确性和稳定性。实验结果表明,与传统的随机森林、BP神经网络以及长短期记忆神经网络(LSTM)相比,本文方法模型适应性及泛化能力更好,复原结果精度高且更为稳定。     

短程脉冲无线信道特性仿真与分析

利用仿真语言对短程脉冲无线信道进行仿真研究。考虑短程脉冲无线传播环境为具有某一密度的随机分布的散射体,在一种理想情况下,信道传播环境表现为一个渗透网格。利用仿真语言仿真短程脉冲无线信道中多径分量的传播轨迹,通过脉冲无线信道的随机模型对短程脉冲无线信道特性进行仿真分析,仿真结果表明：利用该模型对短程脉冲无线信道仿真是有效的。     

基于路面等级识别的车辆半主动悬架内外环控制

针对车辆在不同路面等级下对悬架动态性能与馈能特性需求不同的问题,提出一种基于RF-XGBoost路面等级识别算法的半主动悬架内外环控制策略。利用随机森林(Random Forest,RF)模型对极端梯度提升(Extreme Gradient Boosting,XGBoost)算法进行优化,搭建RF-XGBoost算法模型对路面等级进行识别。将路面等级与悬架控制策略相结合,设计外环为天地棚控制,内环为自适应滑模控制的内外环控制,实现非线性悬架的自适应控制。仿真结果表明,相比传统混合天地棚控制的悬架,内外环控制下的悬架在A级路面下簧载质量加速度降低15.52%,并实现50.4 W的振动能量回收,在B、C级路面下簧载质量加速度分别降低15.09%、16.72%,轮胎动载荷分别降低11.63%、11.42%,在D级路面下轮胎动载荷降低14.12%。台架试验的结果与仿真分析的结果基本一致,表明所设计的自适应内外环控制有效。     

双通道四元数卷积网络去噪方法

基于深度学习的彩色图像去噪方法通常是在各个通道进行卷积操作后再进行合并得到最后的卷积结果。这种方式没有充分考虑色彩通道之间的光谱相关性,可能导致去噪结果的失真。四元数卷积将彩色像素当作一个整体来进行处理,可以很好地解决这一问题。但是单一的四元数卷积网络不能较好地还原图像细节信息。针对这一问题,提出一种用于去除彩色随机脉冲噪声的双通道四元数卷积网络（DQNet）。该网络首先基于结构通道和色彩通道融合的策略,采用基于扩张卷积的结构细节还原模块提取结构和边缘特征,采用四元数卷积网络提取色彩特征;然后针对卷积运算会导致部分全局信息丢失的问题,通过长线连接将含有丰富全局特征的输入噪声图像与卷积结果进行融合,设计基于注意力机制的特征增强模块来指导网络提取复杂背景中的潜在噪声特征;最后利用残差学习实现彩色随机脉冲噪声的复原。实验结果表明,所提算法具有较好的去噪性能,在中度噪声污染或高度噪声污染的情况下去噪效果更为突出。