一种应用于移动通信的新型六频段天线

提出了一种新型六频段天线。该天线根据对称偶极子的结构,采用带有衍生臂的片状臂作为偶极子的两个极,其中每个极由对称L形矩形弯折长臂和宽边矩形末端半圆形臂构成。通过HFSS软件仿真优化,其能同时工作在CDMA／GSM／DCS／PCS／UMTS／WLAN6个频段上,且具有较好的辐射方向性,能满足移动通信对多频段天线的需求。并且还具有外形轮廓平薄,重量轻巧,易于调校的特点,在移动通信领域有很广泛的应用空间。     

基于任务弧段的测控通信任务可靠性建模方法

基于对任务的弧段划分,建立了测控通信任务的可靠性模型.根据任务执行时序图,参与任务的测控通信资源及任务成败标准,将测控通信任务划分为不同的任务弧段,定义了正常任务弧段和空闲任务弧段,基于Markov过程,提出了正常任务弧段和空闲任务弧段的可靠性建模方法.提出了在考虑测控通信资源的开机准备时间和停机时间的情况下的可靠性建模方法,对测控通信任务重新划分任务弧段,各任务弧段依据相应方法单独建立模型,依次求解各模型可得整个任务的可靠性.最后以具体的测控通信任务为例,计算并分析了不考虑资源开机准备时间和停机时间、仅考虑资源开机准备时间、仅考虑资源停机时间以及考虑资源开机准备时间和停机时间的任务可靠性,验证了模型的正确性.      

通信导航融合定位技术发展综述

详细分析了蓝牙、Wi-Fi、超宽带、移动通信网络等多种无线网络通信导航融合定位技术的发展现状,并阐述了其面临的挑战,提出了多网融合方法可以提升室内无缝高精度位置服务的可靠性。利用5G移动通信网络,与北斗/GNSS卫星导航系统结合,可以实现相互增强。最后,从天地一体定位导航与授时体系和仿生通信定位导航两方面介绍了通信导航融合定位技术的未来发展趋势。     

同轴度误差的矩阵计算机法

用矩阵法建立了同轴度误差最小二乘评定数学模型,给出了一组采样数据、微机数据处理程序和同轴度误差值。     

基于潜在成分和概率神经网络的时变结构系统的损伤识别

介绍了基于潜在成分(LC)分析和概率神经网络的损伤识别方法,并应用于一个实验室模型的损伤识别.结果表明,基于潜在成分(LC)分析和概率神经网络的损伤识别方法能在正常的时变质量情况下以较高的成功率对位于A或B处的某一损伤程度未知的损伤进行归类,为时变结构系统的定量损伤识别作出了有益的尝试.     

基于距离和角度信息的无线传感器网络定位算法(英文)

提出一种基于距离和信号到达角信息的无线传感器网络节点自身定位算法.在所有节点的坐标轴方向都是未知的假定下,用信号到达角信息来计算信号到达角度差,然后将定位问题转化为一个凸集优化问题,节点间的几何关系也相应地转化成为线性或二次约束条件.当距离和角度测量值足够精确时,该算法是一个线性规划问题.考虑测量误差时,通过引入辅助变量,该算法可以转化为二次规划问题.通过仿真分析证明了该定位算法的有效性,并对距离和角度误差量对定位精度的影响进行了定量分析.仿真结果表明,在距离和角度误差为5%的时候,该定位算法可以满足定位精度要求.     

三像素宽反走样直线的绘制算法研究

直线绘制是计算机图形学的基本内容。在光栅图形显示系统中 ,要快速绘制无锯齿的光滑直线是很困难的。本文从走样的机理入手 ,在对 Wu反走样直线算法和 Gupta &Sproull圆锥滤波反走样算法进行研究的基础上 ,提出了改进的三像素宽度直线反走样算法 ,用于显示高质量的反走样直线 ,应用于飞机座舱显示系统中全罗盘画面的刻度线绘制 ,取得了较好的应用效果。     

改进的BP神经网络技术在平面叶栅气动性能实验中的应用

将多维实验方法应用于平面叶栅正反向流动实验中,避免了单参数实验方法中的缺陷,大大提高了实验数据的可靠性。同时采用改进的BP神经网络技术,对气动性能实验数据进行分析。实验发现：低雷诺数下,翼型的流动状态很复杂,附着涡在确定翼型边界层行为和失速特性中起着重要作用。在反向流动中,翼型的吸力面常伴随有旋涡的流动,类似于薄翼流动,翼型在较小的迎角下就会发生薄翼失速。     

小波分析和人工神经网络在金属超声无损检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点，对高温合金材料超声检测信号的小波变换进行了特征分析，提取了各级小波分解信号的能量分布特征，最后将这些特征输入人工神经网络进行训练和分类，实验表明，这种方法具有良好效果。     

基于神经网络技术实现磁流变阻尼器对结构振动的优化控制(英文)

磁流变 ( MR)阻尼器是土木结构振动控制领域最有应用前景的半主动控制装置之一 ,但由于 MR阻尼器的高度非线性动特性 ,使得描述其逆向动特性的数学模型很难得到 ,即根据理想的阻尼力确定出 MR阻尼器所需的输入电压。然而 ,对基于 MR阻尼器的结构振动控制设计和仿真 ,这种反映阻尼力 -电压关系的逆向动特性模型是十分重要的。为此 ,本项研究针对 MR阻尼器的非线性特性 ,提出运用神经网络技术建立 MR阻尼器的神经网络模型来模拟其逆向动特性 ,神经网络模型的输出即为产生理想的阻尼力所需的输入电压。通过数值仿真结果探讨所提出的结构振动控制策略的适用性和有效性