电信时钟信号的频率测量装置

利用频率变换和频率合成技术,将电信时钟信号频率转换为１ＭＨｚ整数频率,再利用现有的频标比对器,实现电信时钟信号频率和频率稳定性的高准确度测量。对所建立的测量系统自检,测量灵敏度优于１×１０／ｓ。     

航空发动机标准信号的存储与恢复

研究了航空发动机机载系统标准信号的存储和恢复问题,提出了用信号的功率谱密度代替存储时域信号的思路,并用信号的一个采样值和其功率谱密度恢复了整个信号。从计算结果看,该方法可以有效地压缩机载设备的数据存储空间,并且恢复的信号质量较高。     

测试性分配方法研究

研究了系统测试性指标与系统组成单元指标之间的关系,分析了确定测试性指标的各主要影响因素,进而导出了测试性分配的基本要求、数学模型和工作程序.在此基础上,文章给出了4种用于不同情况下的测试性分配方法:前2种是基于系统单元的复杂度(故障率)或重要度(故障影响)的分配方法;第3种是综合考虑各影响因素的加权分配方法;第4种是系统中有老成品时的分配方法.这些分配方法都可以实际应用于工程设计.      

空气耦合超声检测中脉冲压缩方法的参数选优

多种脉冲压缩方法已成为提高空气耦合超声检测信号信噪比(SNR)的有效手段,而实际使用中面临如何选取合适参数以获得更好压缩效果的问题.基于脉冲压缩技术的基本原理及其在超声检测中的实现,建立了具备超声信号脉冲压缩实时处理的空气耦合超声检测系统.使用窄带空气耦合超声换能器分别就线性调频、非线性调频及相位编码脉冲压缩方法的关键参数对压缩效果的影响开展了实验研究,获得了脉冲压缩参数选取准则.最后以模拟缺陷的蜂窝夹芯复合材料试样为对象,验证了参数选优后的脉冲压缩方法在空气耦合超声检测中的应用效果.      

SCAN90CP02型LVDS交叉点开关功能及应用

SCAN90CP02是美国国家半导体公司最新推出的LVDS超高速交叉点开关,其可编程的预增强功能可应用于高损耗的电路板及电缆连接中以增强信号驱动能力,而且还具备符合IEEE1149.6标准的测试能力。文中详细介绍该电路的功能、结构和特点,同时给出测试特性。     

数据文本文件数字信号特征的提取

针对海量数据进行特征提取是物体目标识别的关键之一.本文编写了应用程序和操作算法程序,提取光学测光谱仪海量数字信号的特征.它是通过应用VC 构造人机用户界面,提取了光学测光谱仪中的有用数据之后,对数据进行预处理和期望、方差、k阶距、极值等参数计算,并且编制绘图程序,绘出各种参数数据曲线图,最终提取了海量数据的数字信号特征.文中以某实验数据为例进行了信号特征提取,验证了操作算法和应用程序的可行性,为卫星物体目标识别提供了一种方便、有效的方法.     

小卫星真空检漏设备研制

文章介绍了用于小卫星真空检漏而研制的一套真空检漏设备。包括真空容器的设计、真空系统的设计、真空测量的配置、以及真空捡漏系统和四极质谱计的应用。通过设备的调试和对两颗卫星的推进系统的测试,表明设备满足设计要求。     

基于双激光传感器的金属料锭定位方法

为了解决铸造工艺过程中人工运送料锭效率低下的问题,提出一种基于双激光传感器的料锭定位方法.通过双激光传感器扫描料锭堆并计算和存储料锭的位置与偏角,实现了料锭的定位.实验表明,该定位算法的平均误差可以达到0.33mm,上料速度提高近一倍,符合工业自动化上料的要求,可以应用于工业生产中.     

绝对同相支路输出的GNSS欺骗检测

针对功率随时间变化,载波同步欺骗场景下,传统检测算法的欺骗检测性能不理想的问题,提出了一种基于绝对同相支路输出求和(SAIBO)的欺骗检测算法,为改善欺骗检测性能,进一步提出了SAIBO滑动平均(SAIBO-MA)算法。SAIBO-MA算法的构建过程使用接收机跟踪环的同相支路的输出结果取绝对值后求和形成SAIBO检测量,再做滑动平均处理后得到SAIBO-MA检测量。实验使用德克萨斯大学奥斯汀分校的德州欺骗测试电池(TEXBAT)的场景7(DS7)为数据集,比较并分析所提算法与传统算法的检测概率、欺骗判决数目和稳健性等欺骗检测性能。实验结果表明,SAIBO-MA具有更高的检测概率和检测精度、更好的即时性和稳健性以及更宽的检测范围。提出的SAIBO-MA算法克服了传统算法的缺点,具有更优的欺骗检测性能。     

优选小波神经网络在周跳探测与修复中的应用

北斗导航定位过程中,传统的周跳探测与修复方法缺乏检验环节,无法保证修复结果的可靠性。为此,提出了一种级联式小波变换结合NARX神经网络多步循环预测修复的方法处理周跳问题。该方法通过构造载波相位双差模型检验量,探测周跳发生历元,采用NARX神经网络预测方法修复周跳,利用优选小波基函数进行周跳修复效果检验。实验证明,相较于经验模态分解和变分模态分解等模态分解法,优选小波神经网络周跳探测与修复方法可用于小周跳探测并判断出周跳正负性;构造的NARX神经网络周跳修复模型,解决了普通神经网络模型和传统多项式拟合法容易造成的二次奇异值问题。相较于长短期记忆(LSTM)和门控循环单元(GRU)深度学习神经网络模型,周跳预测精度分别提高了45.2%和55.9%。