一种基于前馈网络的组合自适应滤波器及其应用

本文设计了一种以单层或多层前馈神经网络为核心的组合自适应滤波器。该滤波器能够通过离线及在线学习了解输入信号与噪声的某些特性，从而把两者区别开来，从中检出信号。仿真研究表明，本文提出的方法直接用于雷达导引头角跟踪系统的滤波比通常的方法具有更好的性能和效果。     

大学生自主学习能力和英语成绩的相关性研究

自主学习已成为当代国内外语教育研究的热点,随着教育部《大学英语课程教学要求》的颁布,自主学习能力已成为大学英语重要的教学目标之一。对200名来自西安两所高校非英语专业大一学生进行了调查,分析其自主学习能力和成绩的相关性,并对收集到的数据用SPSS软件进行了描述统计分析、独立样本T检验。结果表明:总的来说,非英语专业大学生自主学习能力处于中等水平。自主学习能力的五个方面(了解教师的教学目的和要求、制定学习计划和目标、有效使用学习策略、监控学习策略的使用、监控和评估英语学习过程)都和学生的大学英语成绩显著相关。     

某型APU排气腔体模态分析

为了研究某型APU排气腔体模态及振型,首先利用UG软件对排气腔体进行等比例建模,通过Fluent软件进行流场仿真计算,然后运用流固耦合计算分析排气腔体应力场,最后对排气腔体进行有预应力的模态分析,得到排气腔体的前八阶固有频率和振型。结果显示：排气腔体外壳体比内椎体受到更大应力,最大应力在支柱与外壳体交接处;前八阶固有频率逐渐增加,前三阶固有频率相差较小,第四阶固有频率之后显著增加;一阶模态为排气腔内椎体及支柱的扭转振型,二阶模态为内椎体及支柱y方向的弯曲振型,三阶模态为内椎体及支柱x方向的弯曲振型,四阶模态为内椎体及支柱z方向的弯曲振型;排气腔的六个支柱、支柱与外壳体交接处以及支柱与内椎体交接处有最大形变。研究结果可为APU排气腔体动力学分析及设计提供参考。     

多传感器融合状态估计方法综述

随着传感器网络技术的发展，多传感器融合状态估计凭借其鲁棒性、灵活性、可扩展性以及便于故障检测等优点，长期受到国内外学者的广泛关注，并取得了大量研究成果。数据融合的方法为融合状态估计奠定了理论基础，也是早期研究的主要方向，从20世纪70年代到20世纪末，相继发展出了集中式和分散式滤波架构及相应算法。无线通信技术的成熟以及一致性算法的出现使得分布式状态估计的研究进入了快车道，自2005年以来，大量基于一致性的分布式滤波算法被提出，其中不乏实用的经典方法和优秀的开创性方法。旨在梳理多传感器融合状态估计的发展，探究从数据融合到分布式滤波的内在联系，并对一些经典方法进行了总结。     

基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度智能预测

部分稳定氧化锆（Partially stabilized zirconia,PSZ）陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标，为了降低磨削表面粗糙度的预测误差，提出了一种基于相关性分析与卷积-双向长短期记忆神经网络（Convolution-bidirectional long short term memory neural network,CNN-BiLSTM）的PSZ陶瓷磨削表面粗糙度声发射预测模型。通过分析磨削声发射信号特征值与磨削表面粗糙度值之间相关性，筛选出磨削声发射信号与磨削表面粗糙度之间的最相关频段和特征矩阵，作为CNN-BiLSTM神经网络的输入参数以降低磨削表面粗糙度声发射预测的误差。研究结果表明，基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度的平均预测误差低于3.92%。     

面向量化分块压缩感知的区域层次化预测编码

在量化分块压缩感知的预测编码中，低参考价值的候选者将导致较差的率失真性能。为了高效地降低编码失真，提出了一种基于螺旋逐块扫描的区域层次化预测编码方法。在以同一采样率进行观测后，各块按由内向外的扫描次序进行预测与量化。当前观测矢量从上下文感知候选集中选取与之具有最小误差的反量化矢量，作为其预测矢量；根据层次相关性，所有块被划分到3种区域之一，通过块编码模型为不同区域设定自适应的质量因子，关键区域被赋予较大的质量因子。与现有的预测编码方法相比，所提方法综合利用了矢量之间的空域相关性和层次相关性，实验结果获得了至少0.12 dB的率失真增益。