-
公开(公告)号：CN105807135A
公开(公告)日：2016-07-27
申请号：CN201610147405.7
申请日：2016-03-15
Applicant: 东南大学
CPC classification number: G01R23/16 , G01R31/001
Abstract: 本发明公开了一种单通道传导电磁干扰噪声分离方法，利用连续小波变换和FastICA盲源分离的EMI噪声差共模分离策略，其实施步骤包括：A、对L线或N线观测信号利用CWT实施虚拟通道扩展；B、对扩展信号采用改进FastICA算法实施盲源分离以得到差共模噪声分离信号；C、评估差共模噪声信号的分离能力，并进行幅值修正。所述方法的分离性能虽然相比双通道有所降低，但其仅利用一半观测信息，克服双通道同步测量误差，并节省经济成本，在工业EMI噪声差共模分离领域具有潜在的应用价值。
-
公开(公告)号：CN103592663B
公开(公告)日：2015-12-30
申请号：CN201310608306.0
申请日：2013-11-26
Applicant: 东南大学
IPC: G01S19/30
Abstract: 本发明提出了一种GPS L2C信号CL码的捕获方法，所述方法对低信噪比的GPS L2C信号进行粗捕获，粗捕获过程采用了时频域双折叠技术，压缩数据长度，再通过FFT循环相关运算，以及阈值检测，得到同步伪码相位所在的折叠区间；精捕获过程采用了FFT循环相关及阈值检测，获得准确的伪码相位，完成整个捕获。本发明方法通过折叠，将码长较长的CL码缩短，使得单次FFT运算的点数大大减少；同时，相干积分时间增加，提升了精度；通过双折叠，并将捕获分为了粗捕获和精捕获两部分，取得了减少检测时间与提升检测精度两者上的折中，具有较高的实用价值。
-
公开(公告)号：CN103439719B
公开(公告)日：2015-04-08
申请号：CN201310405475.4
申请日：2013-09-09
Applicant: 东南大学
IPC: G01S19/30
Abstract: 本发明提出了一种GPS L2C信号跟踪方法。所述方法基于无迹卡尔曼滤波,采用CM码和CL码同时跟踪以降低载波和码跟踪门限，避免能量浪费与精度损失，设置权值系数使其优于任意单独一种CM或CL码跟踪方式；无迹卡尔曼滤波能够降低跟踪计算的复杂度，且具有较高的跟踪灵敏度和精度。本发明方法不但能提高L2C信号在低信噪比环境中的跟踪成功率，且计算复杂度小，运算速度快，为GPS L2C信号在微弱信号条件下的应用提供了条件，具有潜在的经济社会价值，同时也在低信噪比环境下的GPS接收机定位应用领域具有重要意义。
-
公开(公告)号：CN103439719A
公开(公告)日：2013-12-11
申请号：CN201310405475.4
申请日：2013-09-09
Applicant: 东南大学
IPC: G01S19/30
Abstract: 本发明提出了一种GPS L2C信号跟踪方法。所述方法基于无迹卡尔曼滤波，采用CM码和CL码同时跟踪以降低载波和码跟踪门限，避免能量浪费与精度损失，设置权值系数使其优于任意单独一种CM或CL码跟踪方式；无迹卡尔曼滤波能够降低跟踪计算的复杂度，且具有较高的跟踪灵敏度和精度。本发明方法不但能提高L2C信号在低信噪比环境中的跟踪成功率，且计算复杂度小，运算速度快，为GPS L2C信号在微弱信号条件下的应用提供了条件，具有潜在的经济社会价值，同时也在低信噪比环境下的GPS接收机定位应用领域具有重要意义。
-
公开(公告)号：CN106227034A
公开(公告)日：2016-12-14
申请号：CN201610825039.6
申请日：2016-09-14
Applicant: 东南大学
CPC classification number: G05D23/1927 , G05B11/42
Abstract: 本发明涉及一种离体器官灌注仪的温度融合与控制系统，包括主控单元，与所述主控单元电连接的四通道温度采集单元、压缩机单元和通风阀门单元，以及恒温控制单元；所述恒温控制单元包括基于改进贝叶斯估计的温度融合子单元和基于模糊PID控制器的温度控制子单元。采用改进贝叶斯估计的数据融合子单元，以克服可能的传感器故障或环境干扰导致的数据虚假，并将四路测量数据融合成一路数据，其次采用模糊PID控制子单元实施高精度恒温控制。本发明不但能有效提升离体器官灌注仪的温度控制精度，并且能降低外界干扰带来的测量失效的风险，提高仪器稳定性，具有潜在的经济价值。
-
Patent Agency Ranking
公开(公告)号：CN103439720A
公开(公告)日：2013-12-11
申请号：CN201310407013.6
申请日：2013-09-09
Applicant: 东南大学
IPC: G01S19/30
Abstract: 本发明提出了一种GPS L2C信号捕获方法。所述方法首先对低信噪比GPS L2C信号进行粗捕获，其包括载波相位同步和CM码发生与同步；CM码粗捕获后再启用精捕获，并将捕获得到的CM码能量信号做最大似然估计，得到最佳匹配下的CM码延迟信号；根据CM码延迟信号，启用CL码捕获，利用CM短码和CL长码固定的相位关系实现CL长码的捕获，最终实现L2C信号的快速捕获。本发明方法在频率搜索维上采用基于能量的搜索策略，克服了数据跳变的影响；捕获方法中结合采用非相干积分技术和数据导频双通道组合捕获技术，使噪声影响进一步减少；为GPS L2C信号在微弱信号条件下的应用提供了可能，且计算复杂度小。
-
公开(公告)号：CN103389500A
公开(公告)日：2013-11-13
申请号：CN201310364058.X
申请日：2013-08-15
Applicant: 东南大学
Abstract: 本发明提出了一种卫星导航系统数字中频信号生成装置，所述装置信号发生器模块，噪声发生器模块，干扰信号发生器模块，信号合成模块，低通滤波器模块，A/D转换模块，信号储存模块；所述信号发生器模块生成卫星信号，噪声发生器模块生成噪声，干扰信号发生器模块产生干扰信号，所述合成模块将卫星信号、噪声以及干扰信号合成后，依次传递给前置放大器模块、下变频处理器模块、低通滤波器模块和A/D转换模块，生成数字中频信号，存储于信号储存模块中。本发明装置产生混杂有噪声和干扰的中频GNSS信号，适合对目前硬件模拟器无法提供的新型卫星信号调制方式进行测试，也便于后续捕获、跟踪算法的研究。
-
公开(公告)号：CN105181336B
公开(公告)日：2016-10-12
申请号：CN201510728478.0
申请日：2015-10-30
Applicant: 东南大学
IPC: G01M13/04
Abstract: 本发明涉及一种用于轴承故障诊断的特征选取方法，本发明公布了故障诊断之前，轴承振动信号的奇异值分解(SVD)特征提取方法与基于特征区分度公式的特征选择方法，其实施步骤包括：(1)，不同故障轴承振动信号(加速度)采集；(2)，SVD得到包含全部信息的振动信号特征向量(奇异值向量)与自相关矩阵维数值；(3)，定义量化不同故障类型特征差异的区分度公式，评判方法的故障诊断能力；(4)，奇异值向量特征选取，提升后续诊断正确率，平衡诊断环境适应性与实时性要求。方法为轴承故障诊断提供了低维的，有明确区分的特征，在变工况负载等轴承故障诊断应用领域具有潜在经济和社会价值。
-
公开(公告)号：CN105628383A
公开(公告)日：2016-06-01
申请号：CN201610069784.2
申请日：2016-02-01
Applicant: 东南大学
IPC: G01M13/04
CPC classification number: G01M13/045
Abstract: 本发明公开了一种基于改进型LSSVM迁移学习的轴承故障诊断方法及系统，其中，基于改进型LSSVM迁移学习的轴承故障诊断方法包括如下步骤：利用递归定量分析对目标数据和辅助数据进行处理，提取非线性特征并与传统时域特征相结合，组成特征向量，构成训练集；利用基于改进型LSSVM迁移学习算法构建故障分类模型：将目标工况下目标轴承未标记故障振动数据利用递归定量分析提取非线性特征并与传统时域特征相结合，组成特征向量，构成测试集，输入到已训练好的改进型LSSVM模型中，分析输出结果。本发明通过在原目标函数和约束条件中分别增加辅助集的惩罚函数和约束条件，使改进LSSVM在迭代学习的过程中，受到辅助集的影响，从而提高其分类精度。
-
公开(公告)号：CN2650103Y
公开(公告)日：2004-10-20
申请号：CN200320110714.5
申请日：2003-11-13
Applicant: 东南大学
Abstract: 汽车车轮多维力测量装置是一种用于汽车行驶工况下的车轮受力状态的实时测量的装置，由信号耦合器非旋转部件和信号耦合器内嵌式信号采集器所组成，信号耦合器非旋转部件中的转动轴联接件与信号耦合器转动轴轴向连接，信号耦合器转动轴固定在轴承上，内电感线圈和测速齿轮分别固定在信号耦合器转动轴的外圆周上，外电感线圈固定在内电感线圈外的外壳上，测速传感器固定在测速齿轮外的外壳上，电源输入/信号输出接口固定在测速传感器旁并与之相连接，在信号耦合器转动轴的另一端设有光电发射管，在光电发射管旁与光电发射管同轴线设有光电接收管并固定在外壳内的一端；信号耦合器内嵌式信号采集器的信号输入端与光电接收管相接。实时测取汽车行驶工况下的车轮受力状态。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.021 seconds)
