|
搜索
搜 索
高等教育领域数字化综合服务平台
基于Laguerre结构的多项式自适应有源噪声对消方法
本成果是国家授权发明专利（ZL201210240334.7）。它提供一种基于 Laguerre 结构的多项式自适应有源噪声对消方法，该方法稳定性好、收敛速度快，计算复杂度低，硬件实现容易。
西南交通大学
2016-06-27
自适应高性能回波干扰对消系统
果包括自适应高性能回波对消系统的算法实现、固件（FPGA）实现，算法与FPGA实现已全面优化，可实现单通道或多通道的高性能回波对消功能。课题组在自适应信号处理领域的研究已取得较显著的进展，申请国家发明专利3项（已公开），实用新型专利2项（已公开）。 应用本成果，可有助于实现小型化的数字电视直放站、数字无线通信直放站、雷达干扰机等设备，显著提高系统性能。 图1 样机正面照片 图2 样机背面照片 图3 内部电路调试照片 图4 实验平台照片
电子科技大学
2021-04-10
自适应高性能回波干扰对消系统
本成果包括自适应高性能回波对消系统的算法实现、固件（FPGA）实现，算法与FPGA实现已全面优化，可实现单通道或多通道的高性能回波对消功能
电子科技大学
2021-04-10
有源钳位反激变换器的自适应同步整流控制系统及控制方法
本发明公开了一种有源钳位反激变换器的自适应同步整流控制系统及控制方法；控制系统包括采样及信号处理电路、以微控制器为核心的控制电路和栅驱动器；控制方法能够实现有源钳位反激变换器副边同步整流管的开启状态、关断过早、关断过晚、恰好关断状态的直接检测，并能够根据检测结果控制同步整流管准确开启以及下一个周期内同步整流管的导通时间。经过数个周期的自适应控制后，同步整流管进入恰好关断状态，避免了有源钳位反激变换器输出波形的振荡、降低了损耗、提升了效率；根据不同状态检测时间段，分时复用微控制器内部的比较器，节省了硬件资源，降低了电路成本和调试难度。
东南大学
2021-04-11
精密加工自适应对刀方法及其应用
精密加工对刀是数控加工中的主要步骤，对刀的精度决定零件的加工精度，同时，对刀效率还直接影响数控加工效率。为了能够准确高效的实现精密加工过程的自动对刀，我们从对刀过程中切削振动出发，我们从理论以及实践方面实现了对刀系统的精确化、可视化和程序化。
上海理工大学
2021-01-12
有源噪声控制系统
有源噪声控制是指在通过激励次级源，使其辐射的声场与实际的声场相抵消，进而使得在特定的空间内达到降噪的目的。与传统的被动噪声控制相比较，有源噪声控制对低频噪声有显著的效果，同时具备体积小、配置灵活等特点，具有较好的应用前景。有源噪声控制系统实施的难点在于噪声环境的多样性和复杂性，如多样的噪声源特性、声场传递路径的复杂性、噪声控制区域的复杂性等，导致有源噪声控制长期以来难以在实际的降噪应用中发挥作用，当前较成熟的商用有源降噪方案主要有源降噪耳机和汽车发
南京大学
2021-04-14
自适应线性神经元的混合有源（HVDC）直流滤波器 控制技术
本项目基于系统辨识的原理，通过对控制对象参数进行估计，并根据辨识 结果对控制其参数进行及时调整，克服了控制对象参数的不确定性以及时变性 对控制系统性能的不利影响,并且兼顾了重复控制方法能够精确跟踪含有谐波成 分的周期信号，具有计算量小，易于在数字信号处理器(DSP)上实现的优点。仿 真结果证明基于系统辨识的 HVDC 直流有源滤波器控制技术具有良好的控制性 能，能够对 HVDC 系统直流侧谐波进行有效的抑制。
山东大学
2021-04-13
基于广义空间调制系统的自适应调制方法
本发明提供一种基于广义空间调制系统的自适应调制方法，选择最有的调制方式组合对信号进行传输，能够使星座点间最小欧式距离变大，在使系统在引入较少的反馈量和增加较小的复杂度的情况下，使系统的BER性能得到显著的提高。
电子科技大学
2021-04-10
基于多目标优化的自适应 AP 选取方法
本发明提供一种基于多目标优化的自适应 AP 选取方法，包括在室内环境中选取若干参考点，将信 号强度信息和参考点的位置信息关联起来组成位置指纹；采集定位点的 WiFi 信号强度信息，与位置指 纹库进行预匹配，获得定位点的邻近指纹点；选取定位点和邻近参考点共同观测到的 AP 集合作为初始 AP 集合；通过加权求和的方法融合信息增益和互信息，建立基于两种不同信息熵指标的多目标优化函 数；采用基因算法对多目标优化函数的最优解进行解算，根据所得最优 AP
武汉大学
2021-04-14
一种方向自适应图像去模糊方法
本发明公开了一种方向自适应图像去模糊方法，包括以下步骤：(1)定义方向自适应总变分(Total-Variation)TV 正则化图像去模糊最小化代价函数；(2)引入辅助变量 d1＝Hu，d2＝▽xu，d3＝▽yu 将步骤(1)·770·中的无约束最小化问题转换为有约束问题；(3)引入惩罚项将步骤(2)中的有约束问题转化为新的最小化代价函数；(4)使用交替最小迭代策略将步骤(3)中的最小化问题转换为关于变量的 u,d1
华中科技大学
2021-04-14