活塞综合检测仪的研制

介绍了活塞综合检测仪的功能、组成、检测过程、测量原理与方法和主要技术性能指标。该仪器是国内研制的第一台智能型活塞综合检测仪。实际应用表明,这是一台高精度、高稳定性和高效率的检测仪器。     

多尺度卷积神经网络检测睡眠呼吸暂停

睡眠呼吸暂停综合征作为一种常见的与睡眠相关的呼吸障碍性疾病,受到众多的关注。由于其复杂的检诊断过程及昂贵的价格,吸引了众多研究学者探索基于单通道信号的快速、便捷检测方法。基于心电信号(ECG)提出了一种多尺度卷积神经网络睡眠呼吸暂停快速检测方法,与常规的单尺度卷积神经网络方法相比,该方法可以有效地结合信号的细节信息和抽象信息,提升卷积神经网络的特征呈现能力。通过PhysioNet提供的Apnea-ECG数据库进行验证,多尺度卷积神经网络获得了85.2%准确率、83.1%敏感性和86.5%特异性。与现有方法相比,该方法进一步提升了睡眠呼吸暂停的检测性能。     

智能活塞尺寸参数综合测试仪的研制

本文详细地介绍了活塞尺寸测量原理、测量机构及测量过程，给出以8098单片机为主体的智能活塞尺寸参数综合测试仪的硬件、软件框图。     

自适应UKF在北斗伪距定位中的研究

针对北斗伪距定中噪声统计特性未知或者不准确带来的定位精度不高问题,为减小噪声统计特性的不准确在滤波过程中对状态估计带来的影响,采用了无迹卡尔曼滤波(UKF)和噪声统计值估计器相结合的滤波方法,该方法在UKF中引入改进的噪声估计Sage-Husa算法,对系统噪声和观测噪声进行实时估计,抵抗不准确噪声在定位解算时带来的误差;最后在进行状态更新时引入一个收敛因子对每一次滤波状态进行更新,保证算法的收敛性。实验结果表明,该方法与传统的无迹卡尔曼滤波相比,在提升算法收敛速度的同时,将伪距定位的精度提高了40%左右,可用于带有时变噪声和未知噪声的定位系统中。     

基于粒子群算法的决策树SVM多分类方法研究

针对SVM多分类问题提出了一种基于粒子群算法的最优决策树SVM生成算法,以解决传统支持向量机多分类方法存在的不可分区域和误差积累现象。该方法利用自变异的PSO聚类算法在每一决策节点自动寻找最优或近优分类决策,将数据集划分为两类,直至叶子节点为止,最终根据最优决策树构建SVM多分类结构,训练各个节点SVM分类器。将该算法应用于图像人群密度分类问题,仿真实验表明,分类精度和分类时间得到明显改善,是一种有效地的多分类算法。     

SSR接通电压测试新方法

本文提出了一种测量固体继电器(SSR)接通电压的新方法.该方法利用单片机和数/模转换芯片(D/A)产生一组幅值规律变化的脉冲电压波,以此作为SSR的输入驱动电压测量接通电压,电压值在导通产生中断后显示在LED上,结果满足产品规范的精度要求.与传统地采用缓慢上升电压作为输入电压的测试方法相比,该方法缩短了SSR在过渡放大区的停滞时间,从而更快速、安全地测量接通电压.     

基于DES理论的数模混合电路故障诊断研究

数模混合电路故障诊断是一个被广泛关注的前沿课题,它面临着许多测试上的难点,解决这个问题意义重大而任务艰巨.由于数模混合电路具备DES的特点,本文采用近来发展的DES理论对数模混合电路进行可测性分析,该法可用一定的算法在计算机上实现;最后对DES理论在电路测试中的应用进行了实例验证.实验表明:该方法可以有效地进行数模混合电路故障诊断.     

BP神经网络对驻极体麦克图像特征识别的研究

人工神经网络是特征识别的有力工具。在研究对驻极体麦克图像识别方法的基础上,本文提出了一种用改进的BP神经网络进行图像特征的识别和学习算法,并给出了动量系数和学习率的调整方法。对比传统方法测定的结果,使用改进的BP神经网络在识别不规则特征时：减少了输入信息冗余,网络结构相对简单;神经网络输出的各项指标明显提高了精度,对麦克图像特征的平均识别正确率达到92．7％;识别速度也满足在线实时检测的要求。理论分析和实验均表明该算法能实时有效地检测出驻极体麦克图像的特性。本文为研究图像不规则特征的识别提供了一种新的方法。     

基于多处理器DSP芯片TMS320C80的自动检测系统

主要介绍了多处理器DSP芯片TMS320C80的内部结构，利用该芯片的多处理单元的并行处理能力和运算速度等优点，把它应用到自动在线检测中，从而解决自动检测中的实时性和精确度等问题。     

PC机与多台单片机串行通讯

介绍了一种利用单只RS232C口实现PC及兼容机与MCS—51系列单片微机多机串行通讯接口硬件及通讯规约。这一电路简易实用,经济可靠。