基于多端口参数提取和主动空间映射法的腔体滤波器设计

为提高微波腔体滤波器的设计效率,文中提出了一种基于多端口参数提取和空间映射法的滤波器快速设计方法。通过添加额外内部端口提取腔体滤波器电磁模型的Y参数,从而计算出耦合矩阵,再结合空间映射法将求解滤波器理想尺寸问题转换为逼近理想耦合矩阵问题。最后设计并加工了一款四阶同轴腔体滤波器,在初值偏差很大的情况下,经过四次迭代即可得到满足指标的滤波器物理尺寸,实物调试结果和仿真结果一致性良好,从而证明了文中方法的快捷有效。

基于环形阵列的空间滤波器结构损伤扫描监测方法研究

本文提出了一种基于环形阵列的空间滤波器结构损伤扫描监测方法,在结构中央布置环形压电传感器阵列实现对结构的全方位扫描监测,消除了主动Lamb波空间滤波器监测方法中盲区及远场对监测效果的影响。环形阵列由直径方向不同角度的4个线阵组成,每个线阵采用主动Lamb波空间滤波监测方法对结构损伤进行监测、成像,各阵列成像结果通过PCA-小波变换进行融合对损伤位置进行判别,从而实现结构全方位损伤扫描监测,消除单个阵列损伤监测的盲区、远场及虚假成像等影响,进而获得更加准确的损伤监测结果。通过实验研究,验证了该方法的有效性和实用性。

具有系数相关性的可变分数时延滤波器设计方法

针对可变分数时延滤波器设计中的复杂度问题提出一种设计方法,将时域插值与泰勒级数展开相结合对Farrow结构进行系数配置,推导出相应的滤波器系数相关公式。该方法设计出的滤波器具有系数相关性,可使近一半滤波器系数独立,并得到低复杂度的滤波器实现结构。从复杂度、幅频响应及群时延、误差方面进行理论推导和仿真验证,分析结果表明,所提方法能有效降低可变分数时延滤波器的复杂度和计算成本。

高重频飞秒激光高效加工太赫兹滤波器核心结构

高频太赫兹滤波器的核心结构具备跨尺度、大去除量、高精度等特点,为实现核心结构高效精密加工,加工技术的选择尤为重要。与常见的机械加工、光刻工艺、MEMS等技术相比,飞秒激光加工技术具有材料普适性强、流程简单、可实现薄壁结构精密加工等优点。以中心频率850 GHz的太赫兹滤波器核心结构设计为输入,利用飞秒激光加工技术开展太赫兹滤波器核心结构的加工实验研究。考虑到低重频飞秒激光不满足高效加工的实际要求,选择高重频飞秒激光作为加工光源,在加工策略精准设计和加工参数精准优化的条件下,实现了高频太赫兹滤波器核心结构的高效精密加工。研究结果表明,高重频飞秒激光加工的太赫兹滤波器,其中心频率测试值与设计值接近。因此,高重频飞秒激光加工技术成为太赫兹滤波器核心结构加工的可选手段。

一种高可靠连体式介质滤波器设计

根据椭圆函数响应,采用相对介电常数为37的高品质因数微波介质材料,该文设计了一种低损耗、连体式四级介质滤波器。通过1-4谐振器之间使用级联四元组(CQ)电容加载耦合,经优化后滤波器中心频率为1268 MHz,工作带宽为25 MHz,插入损耗≤2.5 dB,回波损耗≥18 dB,近端带外抑制≥40 dB。根据仿真模型结构参数,优化成型和金属化工艺,制备得到的样品,通过可靠性环境试验表明,该滤波器的性能测试结果与仿真结果吻合良好。

基于sigmoid滤波器的永磁轮毂电机自抗扰控制

相比燃油拖拉机,电动拖拉机具有节能高效、绿色清洁的优点。分布式驱动电动拖拉机结构简单、控制维度多,能进一步提高电动拖拉机的工作效率和作业精度。但是电机检测转速噪声导致轮毂电机速度波动严重,复杂路面及多种作业工况下进一步加剧了上述问题,严重降低了拖拉机的作业质量。针对上述问题,该研究提出一种基于sigmoid滤波器的线性自抗扰控制(linear active disturbance rejection control,LADRC)以提高轮毂电机的转速稳定性和抗扰动能力。该控制策略在传统LADRC的基础上引入sigmoid滤波器至扩张状态观测器(extended state observer,ESO),根据输入噪声信号误差变化改变滤波器带宽,以抑制观测误差中的中高频干扰信号,同时避免滤波器积分环节对轮毂电机速度跟踪快速性的影响,具有较快的收敛性。搭建试验平台对所提出控制策略进行试验验证,结果表明:与传统LADRC策略相比,本文所提控制策略在变速和变载工况下的转速脉动分别减小了32%和41.67%,iq电流脉动分别减小了6.25%和4.17%,可在快速、准确跟踪给定转速的同时,大幅提高轮毂电机驱动系统的噪声抑制性能,为复杂环境下电动拖拉机高精度作业提供技术参考。

基于可重构硅光滤波器的计算重建片上光谱仪

相比于笨重的台式光谱仪,集成化的芯片级光谱仪可以应用于便携式的健康监测、环境检测等场景.我们设计了一个基于硅光子平台的片上光谱仪.该器件由一个透射光谱可重构的硅光滤波器构成.通过改变滤波器的透射光谱,可以实现对输入光谱的多次且不同的采样.再结合人工神经网络算法,从采样后的信号中重建出入射光谱.可重构的硅光滤波器由互相耦合的马赫曾德干涉仪和微环谐振腔组成.采用集成的热光相移器引入相位变化,能够对滤波器的透射光谱进行重构.通过这种方式,基于单个可重构滤波器可得到包含宽、窄光谱多样特征的响应函数.不需要滤波器阵列,就可以实现对入射光谱的多样化采样,能够显著地减小光谱检测器件的面积.仿真结果表明,所设计的器件在1500—1600 nm波长范围内可以实现连续光谱和稀疏光谱的重建,分辨率约为0.2 nm.该器件在可穿戴光学传感、便携式光谱仪等场景中具有巨大的应用潜力.

基于IPD技术的LC滤波器制备工艺

介质层制备工艺是基于IPD技术的LC滤波器制备的关键工艺。从介质层的制备流程入手,研究了影响PI介质层质量的匀胶、曝光、固化三个关键工艺因素,确定了LC滤波器中介质层的制备工艺参数,实现了厚度8μm、厚度均匀性优于5%、最小互连孔径25μm的介质层制备。按此工艺参数加工,得到LC滤波器样件,经性能测试,所制备LC滤波器的电学性能满足设计指标要求。

一种横向耦合改进型结构极窄带声表面波滤波器研究

该文采用波导法分析了横向耦合极窄带声表面波滤波器速度变化模式,并用多物理场COMSOL软件对横向耦合声表面波滤波器的中心耦合条结构和耦合距离的变化建模进行计算,并分析频响特性。采用石英晶体作为底衬,设计了频率为898.144 MHz,插入损耗约为6 dB的极窄带声表面波滤波器并进行验证。结果表明,中心耦合条开腔结构的声表面波滤波器的相对带宽达到7.2‰,与不开腔结构5.2‰相对带宽相比,提升了2‰。这说明横向耦合声表面波滤波器的中心耦合条结构变化,能改变极窄带声表面波滤波器的相对带宽。

宽阻带多陷波超宽带滤波器

为抑制其他无线窄带通信系统对超宽带系统的干扰,并提高超宽带滤波器的阻带抑制特性,提出一种拥有宽阻带和三陷波的超宽带滤波器。该滤波器采用传统多模谐振器加载阶梯开路谐振器与扇形谐振器的结构实现超宽带特性,其阻带宽度达到24.3 GHz;为引入三陷波,该滤波器采用了加载开路谐振器、耦合L型短路短截线以及非对称耦合结构;通过并联开路谐振器加载扇形谐振器的结构,优化了通带插入损耗。经过电磁仿真,该滤波器通带范围为4.1~10.6 GHz,相对带宽为93.4%,插入损耗小于1.3 dB,三处陷波分别位于5.1、6.28、8.1 GHz处,且陷波深度均大于25 dB,保证了超宽带系统的通信质量。

基于电流检测电流注入的车载充电机EMI混合滤波器设计方法

针对目前车载充电机传统无源滤波器低频性能差的问题,在传统车载充电机无源滤波器的基础上加入有源反馈回路,提出了一种基于电流检测电流注入(CSCI)的车载充电机电磁干扰(EMI)混合滤波器设计方法,并给出了车载充电机混合滤波器结构及分析和反馈回路设计过程。实验结果表明,提出的新型EMI滤波器方案与已有车载充电机无源滤波器方案相比,传导测试和辐射测试结果都有大幅度的提升。

一种高斯-重尾切换分布鲁棒卡尔曼滤波器

为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。

基于层间融合滤波器与社交神经引文网络的推荐算法

推荐算法是一种用于解决信息过载问题的方法,引文推荐通过引文上下文能够自动匹配候选论文列表。现有基于神经引文网络模型在引文上下文数据预处理的过程中,存在文本噪声和上下文学习不充分的问题。为此,提出一种基于层间融合滤波器和社交神经引文网络的推荐算法FS-Rec。首先,利用具有层间融合滤波器的BERT模型预处理引文上下文,在频域内从所有频率中提取有意义的特征,缓解引文上下文数据的噪声,同时在频域中对多层信息进行融合,增强上下文表示学习的能力;然后,在引文作者嵌入中引入社交关系,与其他引文信息嵌入通过编码器获得表示,将这些表示与经过BERT预训练的引文上下文表示进行融合,得到最终表示;最后,根据最终表示生成引文文本预测。实验结果表明,相较于现有的上下文引文推荐模型,FS-Rec在2个基准数据集arXivCS和PubMed取得了更高的召回率和平均倒数排名(MMR),证明了模型的有效性。

基于L_(2)灵敏度最小化的数字滤波器状态空间实现稀疏化方法

为解决传统数字滤波器在有限精度实现时因有限字长(Finite Word Length,FWL)效应导致滤波器性能下降的问题,提出一种L_(2)灵敏度最小化的数字滤波器状态空间实现稀疏化方法.推导前向差分算子数字滤波器结构传输函数及其等效状态空间实现,根据可控及可观格莱姆矩阵得到基于相似变换矩阵的L_(2)灵敏度表达式,并进行稀疏化校准,将L_(2)灵敏度最小化问题转换为凸函数求最值问题,求导得到L_(2)灵敏度最小化表达式,代回即得前向差分算子数字滤波器的稀疏化状态空间实现.仿真结果表明,所提方法设计的数字滤波器具有更好的抗FWL效应.

基于Gabor滤波器的事件流特征增强及事件相机对象识别

基于Gabor滤波器的事件驱动卷积是仿生分层脉冲神经网络中常用的事件相机对象特征提取方法。为提高该类网络事件相机对象特征提取能力,提出基于Gabor滤波器的事件流特征增强算法,并应用于奖励调节STDP规则的脉冲神经网络事件相机对象识别系统。算法首先将事件流按时间窗口划分为事件流片段,然后提取各时间窗口内的事件流片段特征,同时增强事件数量较多的时间窗口内特征。并基于奖励调节STDP规则帮助网络学习诊断性特征。采用增强算法的网络在MNIST-DVS数据集上的分类精度优于未采用增强算法的网络,并且对于较短的事件流输入也有很好的分类能力。该事件流特征增强算法能够提高基于Gabor滤波器的事件驱动卷积对事件相机对象的特征提取能力。

基于滤波器剪枝的多尺度压缩感知图像重构

为了解决低采样率下单尺度采样的压缩感知重构图像纹理细节模糊问题,同时达到使重构网络轻量化的目的,提出了一种基于滤波器剪枝的多尺度压缩感知图像重构网络.采样阶段,通过卷积来模拟图像的线性分解,融合输入图像和不同尺度的分解特征后完成多尺度采样,得到压缩感知测量值.重构阶段,设计了一种基于坐标注意力的多尺度空洞残差模块,将位置信息嵌入通道注意力中,增强网络特征学习的能力.同时通过计算特征图的熵来判断滤波器的重要性,剪除重要性较低的滤波器,达到压缩模型的目的.在DIV2K、Set5、BSDS68和Urban100等数据集上进行训练及测试.实验结果表明,所提算法在峰值信噪比(Peak Signalto-Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)和图像视觉效果上均有提升.其中,采样率为4%,测试集为Set14时,与CSNet+和FSOINet相比,所提算法将重构图像的PSNR分别提高了4.17 dB和2.39 dB,纹理细节更加清晰.在重构效果略微降低的前提下,得到更轻量化的模型,提升了重构速度.

采用自适应中心差分卡尔曼滤波器的锂离子电池荷电状态估计

锂离子电池因其能量密度高、使用寿命长等优点被越来越多地应用到卫星、便携式设备和电动汽车等领域.荷电状态作为电池管理系统的重要指标,它的准确监测对保障电池的使用安全、提高电池的使用效率有着重要意义.针对锂离子电池的荷电状态估计,本文提出了一种自适应中心差分卡尔曼滤波算法.首先,设计了一个线性卡尔曼滤波器实现了对测量方程系数的实时估计,从而避免了荷电状态与开路电压关系曲线的测试.其次,考虑到部分工况难以准确地获取模型参数,使用增广向量法并采用自适应中心差分卡尔曼滤波器实现了荷电状态与模型参数的自适应估计.再次,将线性卡尔曼滤波器与自适应中心差分卡尔曼滤波器耦合,实现了荷电状态、模型参数、测量方程系数的联合估计,使得本文所提算法能够更好地应用于电池内部参数未知的复杂工况.为了进一步提高算法的估计精度和对噪声的适应能力,通过迭代法对噪声协方差矩阵进行了动态调整.最后,通过几组实验验证了本文所提算法的有效性.

基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法

在当前机器人导航和环境感知领域,室外大尺度场景下的三维激光SLAM一直是一个挑战性问题。由于GPS信号在某些环境下的不稳定性和激光SLAM的误差累积特性,传统算法在大尺度场景下表现不佳。针对室外大尺度场景下三维激光SLAM(同步定位和地图构建)存在的误差累积严重问题,本文提出了一种基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法。该算法通过利用惯性测量单元(IMU)数据对机器人状态进行预测,同时以激光和全球定位系统(GPS)数据作为观测,更新机器人状态,推导出观测方程和雅可比矩阵,显著提高了建图的精度和鲁棒性。里程计中融合GPS数据的绝对位置信息以解决长时间运行中的误差累积问题。在特征稀疏的环境中,由于约束不足可能导致算法崩溃,GPS数据的引入可以提高系统的鲁棒性。此外,重力对于IMU数据预测机器人状态起到关键的作用。虽然重力是三维向量,但在不发生区域变化的情况下,其模长是不变的,因此被视为二自由度向量。通过将重力的优化转化为旋转矩阵群上的优化,成功避免了重力过参数化的问题,提高了算法的精度。在室外场景下与其他算法进行了性能测试对比并且验证了在大尺度场景下的鲁棒性和精度,结果表明:本文算法的均方根误差为0.089 m,与其他算法相比降低了54%。

基于双二阶滤波器的LCL型并网逆变器延时补偿方法

为了抑制LCL型滤波器的谐振尖峰,电容电流反馈有源阻尼被广泛应用于LCL型并网逆变器中。由于数字控制延时带来的不利影响,电容电流反馈有源阻尼的阻尼性能被严重削弱。负阻尼区域出现在f_(s)/6到f_(s)/2之间,减弱了并网逆变器的稳定性和对电网阻抗变化下的鲁棒性。在电容电流反馈通道上插入一个双二阶滤波器来补偿数字控制延时带来的相位滞后,正阻尼范围可以扩展到f_(s)/3,从而实现了对电网阻抗变化的高鲁棒性。选择了合适的离散化方法,分析了补偿后的系统稳定性。提出了一个详细的闭环参数设计流程,以获得良好的控制性能。最后,实验结果验证所提方法的有效性和参数设计流程的可行性。

基于LTCC工艺的YIG调谐滤波器小型化驱动器

提出了一种YIG调谐滤波器专用、基于低温共烧陶瓷(LTCC)工艺的小型化驱动器,其采用系统化封装SIP方案,体积缩小至常规小型化驱动器的1/4,以LTCC工艺技术制作的陶瓷基板为主载板、氮化铝基板为大功率元件载板,通过高密度SIP集成电容、电阻、集成电路裸芯的方式,实现驱动器的小型化。通过对基板特性分析、热源的计算与仿真、电流温度补偿,有效解决了小型化驱动器的电流温度漂移,使其电流温度漂移小于±0.5 mA,驱动器对YIG调谐器件(滤波器调谐灵敏度为20 MHz/mA)的频率温度漂移影响值小于±10 MHz,满足了YIG调谐器件的小型化驱动需求。