标签分布疏密状态变化情形下超高频天线设计方法研究

针对标签分布疏密程度的变化会导致其天线与负载的阻抗匹配关系改变进而影响系统性能的问题。该文结合电磁波传播理论和射频识别(RFID)工作原理,导出了标签分别处于稀疏和密集分布状态下的RFID系统通信链路模型;结合变压器模型和二端口网络分析方法,推导了标签密集分布状态时标签天线的互阻抗表达式;利用功率传输系数和反向散射调制因子,分析了标签分布疏密程度对RFID系统性能的影响;基于加载条匹配原理,提出一种适用于分布疏密状态变化情形的标签天线优化设计方法。仿真实验和实际测量结果表明,标签密集分布时,改进标签的性能较原型标签提升16%;标签稀疏分布时,改进标签的性能达到原型标签的96%。

基于自适应快速S变换和XGBoost的心电信号精确快速分类方法

针对心电信号(ECG)传统分类方法效率较低的问题,该文提出一种基于自适应快速S变换(AFST)和XGBoost的心电信号精确快速分类方法。该方法首先通过快速定位算法确定心电信号特征频率点,再根据特征频率点自适应调节S变换窗宽因子,增强S变换的时频分辨率的同时避免迭代计算,大大减少运行时间。其次,基于自适应快速S变换的时频矩阵提取12个特征量来表征5种心电信号的特征信息,特征向量维数低,识别能力强。最后,利用XGBoost算法对特征向量进行识别。MIT-BIH心律失常数据库和患者实测数据验证表明,该方法显著地缩短了分类时间,对5种心电信号的分类准确率分别为99.59%和97.32%,适用于实际检测系统中心律失常疾病的快速诊断。

小样本数据处理的加速寿命预测方法

Bayes Bootstrap法在小样本预测领域应用成熟广泛,但由于其随机产生的自助样本中存在不利于预测精度的野值点造成预测偏差较大,针对此不足,提出Bayes Bootstrap&k-means方法。在拥有小样本失效数据情况下,首先采用Bayes Bootstrap法产生自助样本对原有寿命数据进行容量扩充,再采用k-means方法对其进行数据聚类分析,尽可能去除野值点,筛选出更加符合预测规律的数据点。最后以多芯片组件互连结构双应力加速寿命进行预测为例计算验证了该方法相比仅采用Bayes Bootstrap法,预测精度提高了约81.44%,有一定的工程意义。

无失效数据的MEMS传感器可靠性分析

为了解决有限试验次数情况下微机电系统(MEMS)传感器的无失效数据可靠性分析问题,针对寿命服从指数分布的MEMS传感器,通过研究最优置信限法和最小二乘估计这两种方法来获得适用于MEMS传感器无失效数据可靠性分析的置信度α、c(c>1为常数)。分析试验组数对于预测分析结果的影响,通过对两种方法进行不同分组试验,获得MEMS传感器的最佳分组数。针对某数字型双轴倾角MEMS传感器的实际算例表明置信度α=0. 4、c取值范围3~6,分组为12/13组时,得到最佳预测结果,证明了所提出方法的有效性。

基于改进最小二乘支持向量机的FPGA焊点失效故障评估方法研究

针对现有现场可编程逻辑门阵列(FPGA)焊接点失效故障评估方法存在的无法提供准确的信息、样本数据少、时效性不高等问题,提出结合遗传算法(GA)改进最小二乘支持向量机(GA-LS-SVM)的FPGA焊接点失效故障评估方法。建立SJ BIST测试模型,选择合适的外接小电容,通过改变不同工作频率下可变电阻的大小模拟焊点阻值,获得基于小电容电压变化的故障数据,建立电容低电平的持续时间、电容测试工作频率和焊接点电阻值的三维数据图;最后利用遗传算法优化的最小二乘支持向量机对所得到的数据进行状态评估,由三维数据图可知,健康的FPGA焊接点与断裂的FPGA焊接点在低电平的持续时间具有明显差异。仿真实验结果表明,所提出的GA-LS-SVM方法焊接点健康状态等级分类的总准确率达到97.2%,相较于BP神经网络、标准SVM及LS-SVM方法分别提高了17.9%、13%及7.2%。

灰色双重残差修正的多芯片组件寿命预测

针对利用传统灰色模型进行多芯片组件寿命预测时存在的精度不足,以及预测精度随时间跨度增加而显著降低的问题,提出马尔科夫-尾段双重残差修正的多芯片组件寿命灰色预测方法。将在灰色GM(1,1)模型预测值基础上经马尔科夫法优化后的残差作为尾段灰色残差模型的输入值,实现双重残差修正。以对热循环加速试验条件下得到少量试验数据的影响多芯片组件寿命的电阻值进行寿命预测为例,试验结果表明,相较于传统灰色模型和神经网络预测方法,所提出方法在小样本条件下平均残差分别减小了80.469%和68.53%,预测精度得以提高,结果更加可靠,能够更准确地预测多芯片组件的寿命。

疫苗冷链运输中多环境交互作用时RFID系统分析与测试

针对UHF RFID标签在疫苗运输密集环境下性能受互耦效应和液体环境影响的问题,从单标签在液体环境中阻抗变化的角度,基于电感耦合模型,利用二端口网络分析方法,推导出临近液体干扰和标签互耦效应作用下标签的互阻抗和功率传输系数的计算表达式。利用控制变量法设计仿真实验和实际测量,仿真测量结果表明,在多环境交互作用下,液体环境主要对标签的实部产生影响,标签的互耦效应主要对标签阻抗虚部产生影响;研究结果对标签设计以及标签在疫苗冷链运输中的应用有一定的指导意义。

用于无源UHF RFID标签的可调匹配网络优化设计

针对无源标签天线与芯片阻抗失配问题,提出一种回波损耗小、适用范围大的标签阻抗匹配网络设计方法。给出了无源UHFRFID系统链路模型,利用标签反射系数分析了阻抗匹配情况对系统性能的影响。基于二端口网络和射频识别技术原理,设计了二端口级联的标签阻抗匹配网络;对于不同的阻抗天线,通过改变匹配网络的电路元件参数和分布来实现可调性匹配。以Monza5芯片为例进行了仿真实验,实验结果表明,相较于现有阻抗匹配网络设计方法,该方法适用于天线阻抗实部在5~80Ω,虚部在50~400Ω的较大范围,回波损耗减小8dB以上,进而提高能量传输效率,有效增大RFID系统的识别距离。

RFID调制方式测试方法的研究

随着RFID技术的发展,测试方法已经成为制约RFID发展的关键技术。本文提出了一种新的基于软件无线电的RFID调制方式测试方法。它采用4个特征参数和BP神经网络作为分类器,可以对2ASK、4ASK、2FSK、4FSK和BPSK共5种调制类型实现正确分类识别。讨论了方案设计,给出了仿真实验结果。仿真结果表明该方法具有较好的适应性、实时性和准确性。

基于改进离散烟花算法的变电站巡检机器人路径规划研究

变电站巡检机器人的路径规划旨在为机器人在障碍物空间中搜索全局最优路径。全局路径规划研究主要包括环境建模和路径搜索两个子问题。首先在全面分析变电站环境后创建了半拓扑的地图环境模型,然后测试了相关算法的离散优化性能,最后得到了变电站路径规划的仿真测试结果。测试结果证明了基于改进离散烟花算法的路径规划方法的有效性。

基于核熵成分分析的模拟电路早期故障诊断方法

针对模拟电路早期故障诊断中存在部分早期故障类别重叠的难点,提出了一种基于核熵成分分析的故障诊断方法。首先应用小波分形分析计算被测电路时域响应信号的小波分形维特征,然后利用核熵成分分析方法进行特征的优选与降维,最后将优选和降维后的特征应用最小二乘支持向量机多类分类器进行区分,其中用于识别重叠故障类别的最小二乘支持向量机的参数由量子粒子群算法优化选择。仿真结果表明,本文提出的核熵成分分析方法能较好地获取故障响应信号的本质特征,并表现出了比其他特征提取方法更好的性能,有助于提高模拟电路早期故障的诊断正确率。

基于雷达截面差值的标签通信误码率分析和测量

基于射频识别技术通信原理和反向散射理论,导出无源标签反向散射信号在"0"和"1"状态下的雷达散射截面差值与反向散射链路通信误码率的关系,提出一种适应于射频识别通信链路的误码率分析、测试方法。使用研发的基于虚拟仪器的射频识别测试系统,运用矢量相减法消除收发天线间直接路径泄漏信号产生的误差,测量了不同参数设置情况下标签的雷达截面差值和通信误码率。实验结果验证了该方法的可行性,且具有较好的通用性和可扩展性。

基于场景几何特征的ETC识别范围预测方法

超高频(UHF)射频识别(RFID)系统具有标签成本低、识别距离远等优点,在电子不停车收费(ETC)等智能交通领域具有应用潜力。受电波的随机多径传播制约,实际应用中难以准确估计标签识别范围。针对ETC应用场景具有几何共性的特点,基于电波传播的几何光学方法,通过对标签接收多径射线的构成进行分析,融入场景几何特征和天线射频特征参数,提出了一种标签识别范围的预测方法。实际场景测试与仿真表明,能较精确预测标签在三维空间中的接收功率分布和识别范围,且精确性高于对数正态等经验模型,而复杂性低于电磁场的商用仿真软件。

ETC系统信道传播损耗评估方法研究

无线信道传播效率是影响ETC系统性能的主要因素之一。考虑客车与轿车外形差异,定义了ETC系统信道传播损耗系数,提出一种基于两径模型的ETC系统信道传播损耗评估方法,便于评估ETC系统性能。评估方法预测及实测结果表明:ETC天线极化方式影响车载标签单元(OBU)接收功率,OBU距离地面高度越高,其接收功率越大;OBU识别范围小于10 m时,轿车引擎盖的电磁波反射引起垂直极化波衰减损耗突变,为保证OBU的成功识别,ETC天线距离地面高度应大于5.35 m。

基于改进Kaiser窗快速S变换和LightGBM的电能质量扰动识别与分类新方法

针对S变换在电能质量扰动检测中存在计算量过大,时频分辨率低,电能质量扰动数据集常具备类别不平衡的问题,提出一种基于改进Kaiser窗快速S变换(modified Kaiser window fast S-transform,FMKST)和轻梯度提升机(light gradient boosting machine,LightGBM)的电能质量扰动识别与分类新方法。首先通过快速傅里叶变换得到采样信号频谱;然后利用迭代循环滤波区间定位算法确定扰动频率区间;再根据扰动频率区间所处频段确定窗宽调节因子并对相应区间进行变换;最后从采样信号的FMKST模时频矩阵中提取特征向量并构建改进LightGBM分类器进行分类。仿真与实验结果表明,提出的方法具有更高的识别准确率与更快的诊断速度,适用于海量电能质量扰动数据的快速识别与分类。

基于快速S变换时频空间模型的电磁干扰复杂度评估方法

针对复杂电磁环境电磁干扰复杂度定性与定量评估问题,该文提出一种基于快速S变换时频空间模型的复杂度评估方法。利用快速S变换方法同步提取时域占用度、频域占用度和能量占用度等评估指标,给出了具体计算方法。在此基础上建立快速S变换时频空间评估模型,将时域、频域和能量域3维向量的F范数和均方根作为电磁环境主观复杂度和客观复杂度评估指标,克服了传统电磁干扰复杂度评估独立参数定级不能全面反映电磁干扰整体特性的局限性。仿真结果表明,采用该模型能有效同步提取时频及能量评估特征参数,时频空间评估模型能精确反映整体电磁干扰特征;实验测试结果验证了本文所提评估方法的正确性。

时频广义S变换和VL-MOBP神经网络在人体动作识别中的应用

针对仿生假肢动作识别问题,提出基于时频广义S变换和VL-MOBP神经网络的下肢动作识别方法。首先用时频广义S变换对年龄在20~40岁,身高在170~185 cm,体重在50~75 kg的22名男性测试者下肢4种表面肌电信号和膝盖弯曲度信号进行多分辨率分析,得到在时间和频率分辨率较好情况下信号时频累计特性曲线,然后提取时频累计特性曲线幅值的均值和标准差作为特征向量,用VL-MOBP神经网络对人体下肢的行走、站立及静坐3种动作进行识别。实验结果表明,提出的下肢动作识别方法能够取得很好的识别效果,平均识别准确度达96.67%,高出小波变换约56%,高出短时傅里叶变换约36%,验证了该方法在动作识别中的有效性。

基于非线性RTS平滑器的RFID室内定位跟踪

针对基于接收信号强度的传统射频识别室内定位方法目标追踪精度低,且易受多径效应和环境噪声影响的问题。结合无源超高频RFID系统链路预算模型,提出基于RTS平滑算法的RFID室内定位跟踪方法。在RTS平滑算法的前向滤波阶段采用无迹卡尔曼滤波的方法,可以解决室内定位跟踪存在的非线性问题;对目标的运动过程采取分段平滑处理,可以同时满足定位精度与实时性的需求。仿真结果表明,改进算法可以在获得较高定位精度的同时保证定位的实时性,且在复杂的环境中表现出比传统定位方法更强的抗干扰能力。

超高频射频识别近场系统互耦效应中频率偏移研究

在超高频射频识别(UHF RFID)系统近场(NF)密集标签应用中,由于微带标签天线的结构特点,传统线圈间互阻抗表达式在预估系统频率偏移等互耦效应问题方面误差较大,精确性不够。首先,基于变压器模型,从无线电能传输的角度推导了近场密集标签间的互阻抗表达式。然后,结合近场电感耦合型标签,通过建立电磁仿真模型间接获取有关电气参数值。最后,验证推导公式并从影响双标签间互阻抗的环境因素角度去研究UHF RFID近场频率偏移问题。测试结果表明,当标签间距小于30 mm时,推导的互阻抗表达式应用于频率偏移计算误差范围为1.6～7.3 MHz。研究结果为基于标签间互阻抗预估UHF RFID近场标签间的互耦效应问题提供了参考依据。

高频RFID密集标签系统频率偏移预估研究

针对标签密集放置导致系统工作频率偏移问题,传统的频率偏移预估方法,如叠加法认为标签间的耦合作用可累加,但误差较大,提出了一种基于电感耦合矩阵特征值的系统频率预估方法。首先通过对密集标签系统建立耦合模型,提取密集标签间的互感;然后,基于二端口网络,推导出密集标签系统的电感耦合矩阵,提取电感耦合矩阵的特征值代入汤姆逊公式计算;最后,在室内环境中测试了各种标签密集场景。实验结果表明,对于高频射频识别(HF RFID)密集标签系统,所提出特征值法在标签数量大于7时,误差小于9.8%,与叠加法相比,预估精确性更高。