试论企业科技创新与企业标准化工作

分析企业科技创新的一般特点,阐述企业标准化对企业科技创新的促进作用以及标准和相关制度的实施对于促进科技创新的关键性意义,提出做好企业标准化工作是高效推进企业科技创新工作的最佳突破口和最佳路径。     

信号处理技术在计量测试中的应用（连载之四）

三、卡尔曼滤波 1960年卡尔曼推出一种处理滤波问题的新方法,称卡尔曼滤波。它在时域上采用递推法对信号观察值进行处理,以实时地给出系统状态参数的无偏、最小方差估计值。由于这种方法实时性强,计算存贮量小,估计性能最优,而且突破了时不变和单维输出入限制,从而引起人们广泛兴趣和采用。美国NBS的Allan等人在用卡尔曼滤波估算GPS卫星钟参数,以及为铯钟频率起伏建模和预测等方面都做了大量工作。本文简要介绍卡尔曼滤波原理、工程方法以及在计量测试中的应用。卡尔曼滤波运算中采用递归处理,其每次得到的新测量值可用来更新或修改旧的     

对新旧GB／T1．1主要差异的分析和思考

本文介绍了GB／T1．1—200l修订的背景、意义和修订原则，并通过对GB／T1．1—200l和GB／T1．1—1993的分析比较，阐明了新旧GB／T．1的主要差异，并就如何更好地贯彻实施GB／T1．1—200l提出了建议。     

无人机传感器 市场前景广阔

Frost＆Sullivan公司最近发布了一份关于无人机传感器载荷市场的预测报告。该报告认为，由于市场对无人机的需求持续走高，故其机载传感器市场也将在未来获得极大发展，光电（EO）、红外（IR）和具有地面动目标指示能力的合成孔径雷达（SAR／GMTI）三大类传感器将成为所有新型无人机平台的标准装备选项。在最近的实际使用中，这些无人机传感器确实增强了部队的态势感知和交战能力。     

结构自适应序贯正则极端学习机时间序列预测及其应用

为提高初始小样本情况下时间序列在线预测的精度,提出了一种结构自适应序贯正则极端学习机(SA-SRELM)。该方法在在线序贯学习阶段,针对不同训练样本规模选择不同的递推方式对输出权值进行更新;同时,在训练样本达到一定规模后,为提高预测模型对系统的动态适应性,在加入新样本的同时对旧样本进行剔除,完成预测模型的训练。利用3种混沌时间序列预测实例对所提方法的有效性进行了验证。最后,将所提方法用于航空发动机排气温度预测中,结果表明该方法相对正则极端学习机(RELM)和序贯正则极端学习机(SRELM)方法具有更好的泛化性能,预测精度分别是二者的约6倍和2倍。     

一种适用于高速OFDM的符号定时同步算法

OFDM系统以其优秀的频带利用率受到了广泛的应用。本文就OFDM系统在高速数据传输环境下出现的符号定时同步问题与经典同步算法中的问题的不同点做了分析,并对针对小子载波数情况出现的不同对已有的经典符号定时同步算法做出了相应的改进。最后使用Matlab对其进行了仿真,可以得出在小子载波数的情况下捕获性能良好,是一种可以用于高速OFDM系统的符号定时同步算法。     

大面积航班延误的实时航班延误程度评估研究

为对大面积航班的延误程度进行实时评估,根据航班延误的时空分布特点,从延误时间和延误范围两个角度给出评估指标,建立了航班延误程度实时评估指标体系。采用层次分析法得到各个指标的权重,并在此基础上给出了基于模糊综合评价的航班延误程度实时评估模型。实例的计算结果表明建立的评估模型是可行的。