基于部分功率调节的高调压速率DC/DC变换器

应用于5G基站的通信电源可在设备待机时降低输出电压来减少能耗,然而输出电压的频繁快速调节给变换器带来挑战。针对这一问题,采用部分功率调节的思想,在变换器输出端构造部分电压调节电路,对电压调节电路采用电压外环电流内环、负载电流前馈以及输出电压前馈控制,使变换器获得电压快速调节的能力且保持较高的能量转换效率。搭建1kW实验样机,验证了所选拓扑以及控制策略的有效性。

奇异函数分数阶导数的Hadamard有限部分积分表示形式

针对包含奇点的函数,研究其Riemann-Liouville和Caputo分数阶导数,给出它们的Hadamard有限部分积分表示形式.利用该形式求得分数阶导数在初始点的Psi级数展开式.另外,该形式可以方便地使用Hadamard有限部分积分算法进行高精度计算.最后设计了一种奇点分离的Chebyshev谱逼近方法,通过数值算例验证了分数阶导数的Hadamard积分表示形式及其数值算法的正确性和有效性.

基于制氢系统DC/DC的部分功率变换器研究

为了提高制氢效率,这里提出了一种调节电源与制氢系统负载之间电压差的部分功率变换器。在具有高电压增益高效双向直流变换器中,择优选取双有源桥(DAB)和隔离全桥升压(IFBB)的拓扑结构。首先,对DAB的两种调制策略(单移相(SPS)调制、双移相(DPS)调制)进行了电流应力的优化控制,从而获得了最优移相角。其次,基于器件应力因子(CSF)法,分析比较了最优移相角的两种调制策略下的DAB和同步整流型IFBB的拓扑结构。结果表明IFBB具有更低的CSF以及能够处理更宽的输入电压范围。最后,对部分功率变换器进行了设计、构建和分析。

Hadamard变换多谱段自适应光谱仪

通过获得目标的光谱特性,揭示目标物质的表面成分,从而识别目标。阐述了Hadamard变换多通道探测的原理及基于Hadamard变换的光谱成像仪原理,设计并研制了基于数字微镜器件(DMD)的Hadamard变换多谱段自适应光谱仪;使用该光谱仪在实验中成功的复原出目标物的光谱,从复原出的光谱曲线中可以鉴别出目标物,同时,将实验组所得光谱曲线与国际标准的光谱曲线进行了比较,平均误差小于4%。

基于分段抽取软判决加权Walsh Hadamard变换的卷积码识别算法

针对低信噪比环境下卷积码识别研究存在的不足,提出一种基于分段抽取软判决加权Walsh Hadamard变换(WHT)的卷积码识别算法。该算法利用接收比特的解调软判决信息求取软判决频次序列,并构造加权Walsh Hadamard矩阵,从而识别得到基本校验序列。利用基本编码矩阵构造规则,最终实现记忆长度及基本生成矩阵的识别。算法结合分段抽取思想,降低了所需运行存储量。仿真实验表明,该算法可在低信噪比环境下对不同码率卷积码进行有效识别,具有较好的容错性,且对大约束度的卷积码性能提高更为显著。

保E且严格保序部分一一变换半群的秩

设X是包含nm个元素的全序集,E为X上每个等价类都含有连续n个元素的等价关系.令SPOIE(X)为X上的所有保E且严格保序部分一一变换构成的半群.证明了SPOIE(X)的秩为nm.

基于Hadamard变换和自适应顺序搜索的码字快速搜索算法

提出了一种Hadamard域中改进的快速码字搜索算法.在已离线按照码字第一维分量的大小进行了排序的码书中,首先找出与输入矢量第一维分量最接近的L个初始候选码字,求出对应的L个Chebyshev距离,接着按自适应的方法在这L个码字之外进行上下搜索,并用新找到的具有更小Chebyshev距离的码字来更新这L个候选码字,以便得到全体码书中L个具有最小Chebyshev距离的最终候选码字.最后用PDS算法在这L个最终候选码字中找出Euclidean距离最小的码字作为最佳匹配码字.实验表明文中算法相比本文算法在保证PSNR性能无任何下降的前提下,明显减少了算法的计算量,有效地提高了编码速度.

基于DMD的光谱分辨率自适应Hadamard变换成像光谱仪

数字微镜器件(DMD)可以灵活高效地实现各阶Hadamard编码模板,设计了一种基于DMD的光谱分辨率自适应的Hadamard变换成像光谱仪,分析了仪器的结构和工作原理及实现光谱分辨率自适应的方法。它可以根据目标景物和观测要求的不同而自适应地调整光谱成像的光谱分辨率,从而在光谱准确度和数据计算量之间做出合理的折衷,既满足了对目标分类识别的要求,又提高了数据传输和处理的速度。

降序有限部分变换半群的幂等元秩

设Xn是包含n个元素的全序集,Pn是Xn上的所有部分变换构成的半群,Sn是n次对称群,SPn-={α∈Pn\Sn:x∈dom α,xα≤x}.证明了:SPn-是幂等元生成的,并且是由顶端Jn*-1的n(n+1)/2个幂等元生成.

一种改进的基于Hadamard变换的快速码字搜索算法

提出了一种矢量量化码字搜索的快速算法。该算法是在Hadamard变换域内进行的。匹配码字的判决过程首先根据Chebyshev误差测度,在码书中找出一定数量Chebyshev误差最小的码字;然后运用部分失真搜索算法(PDS),在上述码字中找出其中最匹配的码字。从理论分析和模拟实验结果表明,该算法在保证较好的性能指标和视觉效果前提下,明显减少码字搜索时间。

净化黄磷尾气部分变换制甲醇合成气中试研究

在40 m3/h部分变换中试装置上,采用铁铬系中温变换催化剂,以净化黄磷尾气为原料,经部分变换工艺直接制取甲醇合成气。研究结果表明:以净化黄磷尾气燃烧气为升温介质,负压和循环升温相结合是可行的升温与还原方法;催化剂宜采用二段填装;在汽/气体积流量比1.35—1.40、催化剂床层入口温度310—320℃、原料气流量30—32 m3/h的条件下可获得H2/CO体积流量比合格的甲醇合成气;催化剂床层平均温度随入口温度、蒸汽量和原料气量的增加而升高;中试装置连续运行130 h,合成气中H2/CO摩尔比1.87—3.40。

采用步进系数校正基于DMD的Hadamard变换光谱数据

数字微镜器件(DMD)代替移动式机械模板作为空间光调制器是Hadamard变换光谱技术的最新发展方向。在实际的工程设计中,投射到DMD上的色散光谱无法被所构造的Hadamard编码模板完美地按照S矩阵进行编码,这一现象将会给光谱反演带来误差。文中提出了一种采用步进系数校正光谱图像的方法,根据像素点在图像上空间位置的不同,在其相应的S编码矩阵中引入一个步进系数进行校正,实验结果表明通过该方法反演得到的光谱图像逼近目标的真实光谱。

基于Hadamard变换和矢量分割的快速搜索算法

为了对图像信号进行快速有效压缩,提出了一种改进的基于Hadamard变换和矢量分割的双测试算法。该算法首先在Hadamard域中对空域双测试算法的两个删除准则进行了等效变换;然后在实验的基础上,对变换域码字和输入矢量进行了恰当的矢量分割;最后在码字搜索过程中,利用其中一个最为有效的删除准则来排除大部分的不匹配码字。实验结果表明,改进算法能大大提高码字的搜索效率,搜索范围可减少到原始算法搜索范围的约14%～17%,总体编码时间也减少到原始算法编码时间的约35%～45%。

Hadamard变换和Haar变换谱系数的图形转换法

本文根据Hadamard变换谱系数(had谱系数)与布尔列矢量的关系以及Haar变换谱系数(ha谱系数)与布尔列矢量的关系,提出了had谱系数与ha谱系数之间的图形转换方法,并举例说明转换过程。该方法揭示了had系数图与ha系数图之间的内在联系,具有简单、直观的特点。

基于量子Hadamard变换的滚动轴承振动信号分析方法

针对传统的滚动轴承振动信号分析方法在对信号降噪过程中容易产生的噪声信号与非噪声信号混杂的问题,提出一种基于量子Hadamard变换的信号分析方法。该方法通过将单个采样点信号量子化,深入分析每一个采样点内部信息,实现信号降噪的同时,完成对振动信号故障信息的突出表达,改善了振动信号的分析效果。实验结果表明,与传统的基于数学形态学的分析方法相比,基于量子Hadamard变换的分析方法能够有效提升滚动轴承信号的降噪效果,故障特征信号得到有效凸显。

保等价部分变换半群的变种半群上的正则元

在现有的保等价部分变换半群的基础上,引入了一个新的运算,得出保等价部分变换半群的变种半群的概念,利用格林关系及幂等元的正则性,讨论了这类半群中元素的正则性。

有限部分变换半群的幂等元生成集

设Xn={1,2,...,n},Pn是Xn上的所有部分变换所构成的半群,Sn是Xn上的n次对称群,SPn=Pn\Sn,I是SPn中具有类(n,n-1)和(n-1,n-1)的幂等元所构成的集合。

基于SVD分解和Hadamard变换的图像半脆弱水印技术

针对半脆弱水印能区别正常的图像处理操作和恶意篡改的特点,提出一种基于Hadamard变换和SVD分解相结合的半脆弱水印算法。该算法首先对载体图像进行SVD分解,对所有的图像子块进行Hadamard变换,利用量化的方法将水印嵌入。算法针对恶意篡改操作时反应敏感且识别篡改位置能力好,同时对JPEG压缩具有较强的抵抗能力。

图像Hadamard变换域鲁棒水印算法

提出了一种基于分块Hadamard变换的鲁棒图像水印算法。水印图像先进行置乱和扩展得到水印序列。原始图像进行8×8分块的Hadamard变换,在中频系数里按不同强度嵌入水印。水印提取时,先计算与原始图像在对应的变换域系数的差值,再计算该差值与水印编码的相关性来确定每个水印像素。实验表明,该算法对原始图像的视觉影响小,具有良好的鲁棒性。

降序严格部分变换半群的幂等元秩

Xn是包含n个元素的全序集,SPn-是Xn上的降序严格部分变换半群,对4 n和2≤r≤n-2,证明了半群SK-(n,r)={α∈SPn-∶|Imα|≤r}是幂等元生成的,并且是由顶端Jr*的(r+1)S(n,r+1)个幂等元生成.