甘肃省某县调频广播发射机干扰民航通信解决方案

1发射基站地理环境甘肃省某县地形为东西两面环山,南北峡谷地形,该县广播电视发射基站选择在西山山腰处,邻县机场距离该县发射基站东南方向直线距离约80km,该发射站点恰巧在机场的航线正下方,垂直距离约4 km。距离广播电视发射台的北面约500 m位置有一个市无线电管理委员会(下简称无委会)的监测点。发射机站大致地形如图1所示。     

供水管网DMA优化分区设计方案

实施独立计量分区(district metered area,DMA)是辅助供水管网管理和漏损识别的重要手段.图划分算法是进行DMA分区的方法之一,常规图划分算法应用中,存在解空间受限、分区后原水流状态易发生较大改变、形成较多串联分区(对流量计算不利)的缺点.在常规图划分算法基础上进行了改进:粗化阶段按照特定规则匹配、合并非输水干管两端的节点,形成简化的管网拓扑结构;分区阶段得到管网初步分区方案;细化阶段提出基于贪心算法、枚举算法、蒙特卡洛算法的分区调整方法,结合改进的仪表安置方法、水力模拟、优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS),对分区方案进行调整.将该方法应用于YX市供水管网,成功进行了分区.     

扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。     

案例推理式输电线单端电流行波故障测距

针对线路单端电流行波故障测距因波头标定困难所导致的测距可靠性不高、难自动执行等不足,提出基于历史数据进行案例推理的经验学习式改进思路。首先分析线路故障实录行波的形态特征和影响故障距离折算的因素。针对故障的复发性和多厂家、跨平台、不同电压等级线路故障波形的相似性,对测距过程中的波头标定和距离折算2个关键阶段进行参数化、案例化描述,根据相应特征属性于历史案例库搜索最相近样本进行算法参数复用从而实现智能测距。该方法能够对复发性故障实现测距结论复用,能够对高相似度故障样本实现测距方法复用,测距效果随历史故障样本积累而提升。不同厂家行波装置获得的大量故障实录数据表明该方法可行、有效。     

基于微波技术与红外技术的高压危险距离预警器

电力系统发展到今天,高压输配电无处不在,与此同时,高压引发的一些事故也引起了人们的关注。控制好高压安全距离是防止高压触电事故的根本措施,而传统的警示牌警示作用有限,在一些大雾大雪天气几乎起不到作用。本系统采用微波探测器与红外探测器双踪探测,灵敏度高,抗干扰能力强。采用声光报警系统,警示作用明显,能够很有效地控制高压危险距离,防止高压触电事故。     

不同参数选择对场发射扫描电镜图像的影响

场发射扫描电子显微镜(FESEM)是扫描电镜的一种,主要用于对样品显微结构的表征,同时还能定性、定量地获得样品微观区域内的化学成分和结构信息。目前作为一种先进的测试技术手段,FESEM在科学研究、工业生产和刑侦物证等众多领域中得到广泛的应用。本文研究了加速电压、工作距离、探头选择、信号选择等不同参数对FESEM图像的影响,并针对一些材料的形貌表征提出了较佳的参数选择。     

基于UKF航迹滤波的干扰目标智能识别算法研究

针对雷达导引头末制导阶段抗干扰技术,建立了典型的距离-速度拖引干扰模型,采用无迹卡尔曼滤波(UKF),研究了基于速度、加速度、过载等指标的干扰目标智能识别技术。首先建立距离-速度拖引干扰模型,通过引入弹目相对距离、径向速度、高低角与方位角建立了系统跟踪模型。其次,给出了基于UKF实现目标跟踪与识别的滤波框架。在此基础上,以径向速度、径向加速度、角加速度与过载为评价指标,建立了目标智能识别指标体系。最后,通过典型的目标运动模型(目标跃升),对目标施加的四次距离-速度拖引干扰(两次前拖、两次后拖)进行目标识别。仿真结果表明,利用UKF滤波信息能够有效实现对距离-速度拖引干扰下的干扰和目标智能识别,仿真结果验证了该识别方法的可行性与有效性。     

PSO优化多核RVM的模拟电路故障预测

针对模拟电路健康管理的特点，提出了一种基于PSO优化多核RVM的模拟电路故障预测方法。利用参数分析得到电路的输出频域响应作为特征，计算其与电路无故障标准响应的欧氏距离来表征电路元件健康值，将多个核函数线性组合，并用PSO优化多核RVM参数后的模型实现对各个时间点元件的健康值变化轨迹进行预测。仿真结果表明，该方法在小样本情况下，预测效果优于单一核函数的RVM模型，适用于健康管理中实时预测，具有较好的实用性。