虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

自适应天线阵列

  • 《最优阵列处理》一书第七章的MATLAB例程

    《最优阵列处理》一书第七章的MATLAB例程,包括各种自适应波束形成算法。

    标签: MATLAB 阵列

    上传时间: 2017-06-16

    上传用户:yph853211

  • 大时滞系统参数自整定控制的研究.rar

    工业生产过程中,时滞对象普遍存在,同时也是较难控制的,尤其是大时滞对象的控制一直都是一个难题。而很多温度控制系统都是属于大时滞系统,常见的智能温度控制器虽然在温度控制的实际应用中表现了比较理想的控制效果,但它仍然属于将参数整定与系统控制分开处理的离线整定方法,如果工况发生变化就必须重新调整参数。针对这一问题,为了实现时滞系统参数自整定的控制,本文将神经网路控制、模糊控制和PID控制结合起来,设计了基于神经网路的模糊自适应PID控制器。 首先,本论文分析了时滞系统的特点,讨论了几种时滞系统较为成熟的常规控制算法:微分先行控制算法、史密斯预估控制算法、大林控制算法,并深入研究了它们的控制性能;并且通过仿真对这三种控制方法在温控系统中的控制性能进行了比较。 其次,在分析PID参数自整定传统方法的基础上,设计了一种改进方法,并设计了相应的控制器。该控制器综合了模糊控制、神经网络控制和PID控制各自的长处,既具备了模糊控制简单有效的控制作用以及较强的逻辑推理功能,也具备了神经网络的自适应、自学习的能力,同时也具备了传统PID控制的广泛适应性。该方法不需要离线整定参数,实现了在线自整定参数。仿真实验表明了该控制器对模型和环境都具有较好的适应能力和较强的鲁棒性。 最后将基于神经网路的模糊自适应PID控制器应用于贝加莱PID温控装置,能够出色地实现参数的在线自整定。理论分析、系统仿真、实验结果都证实了这种控制策略能有效地减少系统超调量,并减少了调节时间,提高了系统的实时性和控制精度。

    标签: 时滞系统 参数 自整定控制

    上传时间: 2013-07-05

    上传用户:xinyuzhiqiwuwu

  • PCB故障诊断路内测试系统的研究.rar

    电子功能模件是机电产品的基本组成部分,其水平高低直接决定整个机电产品的工作质量。当前PCB自动测试系统大多为欧美产品,价格相当昂贵,远远超出我国中小电子企业的承受能力。为了提高我国中小企业电子设备的竞争力,本课题研发了适合于我国中小企业、价格低廉、使用方便的PCB路内测试系统。 本文首先详细介绍了PCB各种检测技术的原理和特点,然后根据本课题面向的用户群和他们对PCB测试的需求,组建PCB内测试系统。本系统基于虚拟仪器设计思想,以PCB上模拟电子器件、组合逻辑电路及由其构成的功能模块等为被测对象,包括路内测试仪、逻辑分析单元、信号发生器、高速数据采集器、多路通道扫描器及针床。其中:路内测试仪对不同被测对象选择不同测试方法,采用电位隔离法实现了被测对象与PCB上其他元器件的隔离,并采用自适应测试方法提高测试结果的准确度。逻辑分析单元主要采用反向驱动技术测试常见的组合逻辑电路。信号发生器能同时产生两路正弦波、方波、斜波、三角波等常用波形。数据采集器能同时采集四路信号,以USB接口与主机通讯。多路通道扫描器采用小型继电器阵列来实现,可扩展性好。针床采用新型夹具,既保证接触性能,又不至破坏触点。 实践表明,本系统能对常用电子功能模件进行自动测试,基本达到了预期目标。

    标签: PCB 故障诊断 测试系统

    上传时间: 2013-06-06

    上传用户:klds

  • 基于FPGA的可测性设计方法研究

    现场可编程门阵列(FPGA)是一种现场可编程专用集成电路,它将门阵列的通用结构与现场可编程的特性结合于一体,如今,FPGA系列器件已成为最受欢迎的器件之一。随着FPGA器件的广泛应用,它在数字系统中的作用日益变得重要,它所要求的准确性也变得更高。因此,对FPGA器件的故障测试和故障诊断方法进行更全面的研究具有重要意义。随着FPGA器件的迅速发展,FPGA的密度和复杂程度也越来越高,使大量的故障难以使用传统方法进行测试,所以人们把视线转向了可测性设计(DFT)问题。可测性设计的提出为解决测试问题开辟了新的有效途径,而边界扫描测试方法是其中一个重要的技术。 本文对FPGA的故障模型及其测试技术和边界扫描测试的相关理论与方法进行了详细的探讨,给出了利用布尔矩阵理论建立的边界扫描测试过程的数学描述和数学模型。论文中首先讨论边界扫描测试中的测试优化问题,总结解决两类优化问题的现有算法,分别对它们的优缺点进行了对比,进而提出对两种现有算法的改进思想,并且比较了改进前后优化算法的性能。另外,本文还对FPGA连线资源中基于边界扫描测试技术的自适应完备诊断算法进行了深入研究。在研究过程中,本文基于自适应完备诊断的思想对原有自适应诊断算法的性能进行了分析,并将独立测试集和测试矩阵的概念引入原有自适应诊断算法中,使改进后的优化算法能够简化原算法的实现过程,并实现完备诊断的目标。最后利用测试仿真模型证明了优化算法能够更有效地实现完备诊断的目标,在紧凑性指标与测试复杂性方面比现在算法均有所改进,实现了算法的优化。

    标签: FPGA 可测性设计 方法研究

    上传时间: 2013-06-30

    上传用户:不挑食的老鼠

  • 基于Q学习的无线传感网络自愈算法

    无线传感网络存在关键区域节点能量消耗过快,节点能量供应有限以及通信链路拥塞等问题,容易造成节点故障和路由破坏。为减小上述问题对网络传输造成的影响,提出一种基于Q学习的无线传感网络自愈算法,通过引入Q学习的反馈机制,动态感知网络的状态信息,当故障发生时,自适应地选择恢复路径,保证数据实时顺利传输。仿真结果表明,该算法降低了错误选择故障或拥塞路径的概率,在故障感知、故障恢复和延长网络寿命等方面,表现出了良好的性能。

    标签: 无线传感网络 算法

    上传时间: 2013-10-26

    上传用户:toyoad

  • 毫米波Rotman透镜天线的计算机仿真设计

    设计了一个频率在37 GHz的7波束毫米波Rotman透镜多波束天线。分析了透镜焦距的选择方法,以实现最小的相位误差。Rotman透镜采用微带形式实现,天线单元采用微带贴片天线,并实现了Rotman透镜与天线阵列的整体仿真。结果表明,该天线可以实现多波束宽角度的扫描特性。

    标签: Rotman 毫米波 天线 仿真设计

    上传时间: 2013-10-09

    上传用户:253189838

  • 一种高增益并行激励全向天线设计

    针对全向天线高性能的要求,提出了一种并行馈电的天线阵列方案并完成设计。天线设计采用了三扇区合成全向覆盖的方案。通过改变寄生单元的负载,调整扇区天线波束宽度,使之满足扇区天线的-6dB波束为120°的要求,有效的减小了天线在水平面的波动性。实际测试表明该天线具有高增益,良好的全向性,达到了设计要求。

    标签: 增益 全向天线 并行激励

    上传时间: 2013-10-20

    上传用户:brilliantchen

  • 自组织系统Kohonen网络模型。对于Kohonen神经网络

    自组织系统Kohonen网络模型。对于Kohonen神经网络,竞争是这样进行的:对于“赢”的那个神经元c,在其周围Nc的区域内神经元在不同程度上得到兴奋,而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程,经过一定次数的训练以后,网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构:它是受视网膜皮层的生物功能的启发而提出的。~..~

    标签: Kohonen 自组织 神经网络

    上传时间: 2014-01-06

    上传用户:ghostparker

  • 波束形成就是从传感器阵列重构源信号。(1)、通过增加期望信源的贡献来实现;(2)、通过抑制掉干扰源来实现。经典的波束形成需要观测方向(期望信源的方向)的知识。盲波束形成试图在没有期望信源方向信息的情况

    波束形成就是从传感器阵列重构源信号。(1)、通过增加期望信源的贡献来实现;(2)、通过抑制掉干扰源来实现。经典的波束形成需要观测方向(期望信源的方向)的知识。盲波束形成试图在没有期望信源方向信息的情况下进行信源的恢复。 波束形成技术的基本思想是:通过将各阵元输出进行加权求和,在一时间内将天线阵列波束“导向”到一个方向上,对期望信号得到最大输出功率的导向位置即给出DOA估计。 虽然阵列天线的方向图是全方向的,但阵列的输出经过加权求和后,却可以被调整到阵列接收的方向增益聚集在一个方向上,相当于形成了一个”波束”。这就是波束形成的物理意义所在。

    标签: 波束形成 信源 方向 传感器

    上传时间: 2014-01-14

    上传用户:Yukiseop

  • 基于BP神经网络的 参数自学习控制 (1)确定BP网络的结构

    基于BP神经网络的 参数自学习控制 (1)确定BP网络的结构,即确定输入层节点数M和隐含层节点数Q,并给出各层加权系数的初值 和 ,选定学习速率 和惯性系数 ,此时k=1; (2)采样得到rin(k)和yout(k),计算该时刻误差error(k)=rin(k)-yout(k); (3)计算神经网络NN各层神经元的输入、输出,NN输出层的输出即为PID控制器的三个可调参数 , , ; (4)根据(3.34)计算PID控制器的输出u(k); (5)进行神经网络学习,在线调整加权系数 和 ,实现PID控制参数的自适应调整; (6)置k=k+1,返回(1)。

    标签: BP神经网络 参数 BP网络 学习控制

    上传时间: 2016-04-26

    上传用户:无聊来刷下