-
题名比率采样法在镀层厚度测量中的应用
被引量:1
- 1
-
-
作者
俞阿龙
-
机构
淮阴师范学院物理系
-
出处
《工业仪表与自动化装置》
2004年第2期27-29,共3页
-
基金
江苏省教育厅资助项目(编号:01KJD470006)
-
文摘
该文介绍比率采样法在镀层厚度测量中的应用,详细叙述了测量系统的组成原理和主要单元电路的设计。所设计的测量系统适合于对导磁工件上镀有非导磁材料的镀层厚度的测量。通过采用比率采样技术,在保持元件性能不变的前提下,可提高测量精度。
-
关键词
比率采样
厚度测量
镀层
线性化
V/F转换
单片机
-
Keywords
Ratio sampling
Thickness measurement
Coating
Linearization
V/F conversion
Single-chip microprocessor
-
分类号
TM938.8
[电气工程—电力电子与电力传动]
-
-
题名面向物联网的稀疏采样与近似重构技术研究
- 2
-
-
作者
王茜楠
白勇
-
机构
海南大学信息科学技术学院南海海洋资源利用国家重点实验室
-
出处
《海南大学学报(自然科学版)》
CAS
2019年第2期119-126,共8页
-
基金
国家自然科学基金(61561017)
海南省科技厅重大科技计划(ZDKJ2016015)
-
文摘
通过建立具有时空相关性的物联网无线传感器网络节点数据模型,对由数据样本构成的矩阵进行稀疏采样及矩阵填充的近似重构技术来实现数据的恢复,从而得到矩阵重构可行性(即采样比率和重构精度)与数据相关性的关系.仿真显示节点数据之间的时空相关性与矩阵重构可行性之间存在着密切的关系,同一采样比率条件下,时空相关性越大,重构精度越高;同样重构精度下,时空相关性越大,需要的采样比率越低.
-
关键词
时空相关性
稀疏采样
矩阵填充
采样比率
重构精度
-
Keywords
spatial-temporal correlation
sparse sampling
matrix filling
sampling ratio
reconstruction accuracy
-
分类号
TN911
[电子电信—通信与信息系统]
-
-
题名基于距离闪烁效应的不可分辨多目标存在性检测
被引量:5
- 3
-
-
作者
赵锋
杨建华
丹梅
刘佳琪
王雪松
-
机构
国防科学技术大学电子科学与工程学院
实验物理与计算数学实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2008年第12期2290-2298,共9页
-
基金
国家自然科学基金(No.60672033)
装备预先研究项目(No.513040305)
-
文摘
在弹道导弹防御中,空间不可分辨多目标对地基防御雷达的跟踪、识别和制导均构成了严重威胁,雷达必须采取特殊手段来对其进行处理,而对其存在性的获知则是其他所有处理的前提和基础.本文通过所建立的采样比率模型对多目标的距离闪烁效应进行了理论分析,并从回波频谱畸变的角度解释了其物理本质.在此基础上,以距离闪烁效应引起的额外测距误差为依据,采用广义似然比检测法对不可分辨多目标的存在进行检测.最后,蒙特卡洛仿真结果验证了本文算法的有效性和可行性.
-
关键词
相邻距离单元采样
不可分辨目标
采样比率
距离闪烁
广义似然比
-
Keywords
adjacent range cell samples
unresolved targets
sample ratio
range glint
general likelihood ratio
-
分类号
TN95
[电子电信—信号与信息处理]
-
-
题名多峰和振荡局部放电信号分类及缺陷识别
被引量:2
- 4
-
-
作者
沈谢林
郭建钊
郭斯伟
关志远
刘文飞
尹轶珂
-
机构
国网福建省电力有限公司泉州供电公司
上海电力学院电气工程学院
-
出处
《水电能源科学》
北大核心
2018年第2期196-199,共4页
-
文摘
高压电气设备绝缘缺陷局部放电脉冲信号具有单峰、多峰和振荡特性,而基于脉冲波形特性参数的识别法针对多峰或振荡脉冲效果较差。因此,提出一种采样数比率分类法(SCRC),通过对脉冲波形分区获得多个区域窗,定义并计算每个区域窗的采样数比率特征值,通过比较特征值对多峰和振荡波形进行分类。同时,将该分类方法和BP神经网络算法结合,根据同一缺陷放电脉冲波形的相似性规律,提出了缺陷识别的联合算法。经过缺陷模型试验验证,SCRC分类算法及与BP神经网络结合的联合识别算法能有效识别典型缺陷的局部放电脉冲波形分类及缺陷类型。
-
关键词
局部放电
缺陷类型
多峰
振荡
采样数比率分类(SCRC)
BP神经网络
-
Keywords
partial discharge
defect type~ multi peak^oscillatiom sampling counting ratio classification
BP neural network
-
分类号
TM83
[电气工程—高电压与绝缘技术]
-