基于GPIB和局域网的分布式自动测试系统开发和实现

从虚拟仪器技术、计算机技术和网络通信技术等方面介绍基于通用接口总线（GPIB）和局域网（LAN）的分布式自动测试系统的总体功能和体系结构、系统的开发和实现原理.测试结果显示,系统的测量精度和实时性完全取决于测量仪器,因而能满足工程或实验要求.     

基于递归模糊小波神经网络的INS-GNSS组合导航算法

为提高惯性导航系统(inertial navigation system, INS)与全球卫星导航系统(global navigation satellite system, GNSS)相结合的组合导航系统在GNSS中断期间的精度,提出一种基于递归模糊小波神经网络(recurrent fuzzy wavelet neural network, RFWNN)的启发式神经网络结构,用于INS的速度和位置误差补偿。在GNSS正常工作时,利用INS-GNSS数据将RFWNN训练成一个高精度的预测模型;在GNSS中断期间,利用被训练好的RFWNN模型补偿INS的速度和位置误差。为对所提出的RFWNN辅助INS-GNSS的性能进行评估,进行实船试验,结果表明利用RFWNN能够有效地对GNSS中断时的速度和位置信息进行高精度修正。     

基于神经网络和奇偶向量的卫星故障诊断

提供一种卫星故障诊断方法以提高GPS导航定位的完整性。该方法在奇偶向量的基础上利用广义似然比法检测卫星故障 ,再利用神经网络进行故障诊断以提高卫星故障诊断的准确性。     

澜沧江—湄公河船舶动态实时监控系统开发

针对澜沧江—湄公河航行船舶通信不畅、监控手段落后的问题,研究开发澜沧江—湄公河船舶动态实时监控系统.提出可变偏移量分段映射方法校正电子江图的显示误差.系统以全球定位系统(GPS)、卫星通信、计算机网络、地理信息系统(GIS)和数据库等技术手段为支撑,实现岸船双向文字通信和船位数据实时传输及监控中心对船舶的可视化动态监控功能,保障船舶航行安全.     

基于非负稀疏编码和RBPNN的掌纹图像识别方法

主要探讨了一种新颖的基于非负稀疏编码（NNSC）和径向基概率神经网络（RBPNN）模型的掌纹图像识别方法。使用NNSC算法可以成功地提取掌纹图像的特征,利用RBPNN模型可以有效、快速地实现掌纹图像的分类。与RBFNN和BPNN模型相比,实验结果表明RBPNN模型具有更高的识别率和更好的分类能力。     

基于Android平台的移动通讯设备GPS定位设计

针对现代高速发展的社会以及在人们生活中对更加便捷的位置信息的要求,Android平台移动通讯设备的GPS定位以其便捷和优良系统性能深受人们的喜爱。基于此提出关于Android平台的移动通讯设备的GPS导航系统的研究,利用开放的Android平台Google Map定位技术实现更加精准的基于卫星定位智能手机的定位系统。通过对GPS定位数据的分析就如何提高GPS定位的精确度给出了相应的阐述,并提出了未来工作的展望。     

基于Gamin GPS OEM模块的车载GPS-PC系统开发

GPS民用化已经是大势所趋，车载GPS是典型应用，开发低价实用的GPS已经不是难事。文章介绍了一例基于Garmin GPS OEM模块的车载GPS—PC系统开发实例，提出了该系统的硬件组成和软件设计要点，实现了车载GPS系统低价位、实用化。     

基于GPS技术的油田车辆管理系统设计与实现

车辆的合理调度与安全监控已成为油田车辆管理的重要课题.从GPS、GIS、黑匣子、指纹认证技术的特点出发,探讨了基于GPS技术的车辆管理系统的构建过程,并对系统实现的关键技术问题进行了分析.     

海上甚高频数据通信系统中的多径时延

为改进传统的海上甚高频(Very High Frequency, VHF)的模拟通信方式,实现海上通信现代化,针对国际灯塔与航标协会(International Association of Lighthouse Authorities, IALA)和国际海事组织（International Maritime Organization, IMO）提出的VHF数据通信系统(VHF Data Exchange System, VDES)研究计划,建立基于正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)的数据传输模型.海上无线信道的多径时延的确定是建立OFDM系统的关键,因此通过建立海上无线信道的多径传播模型分析和计算海上无线信道的多径时延.通过实验证明,该方法能够获得较低的误码率,有效实现海上VHF数据通信.     

EEMD能量熵和奇异值熵与SVM融合的船用空压机故障诊断

针对船用往复式二级空压机振动信号非线性、非平稳性问题,利用振动信号辨识故障,综合集成经验模态分解（ensemble empirical mode decomposition, EEMD）和支持向量机（support vector machine, SVM）的信号处理优势,提出一种将EEMD能量熵和奇异值熵与SVM融合的船用空压机故障诊断方法。模拟正常状态和4种故障状态进行故障诊断实验。采集的振动信号用小波降噪法进行处理。为模拟船用空压机实际工作环境,在EEMD处理过程中加入加性高斯白噪声（信噪比7.5 dB）。以相关性为评价指标选取各状态下本征模态函数（intrinsic mode function, IMF）,并以每个IMF的能量熵和奇异值熵作为特征值,采用SVM分类器识别故障。实验表明：与基于经验模态分解（empirical mode decomposition, EMD）和SVM等故障诊断方法相比,该方法能更有效地识别故障。该方法在实船应用中获得较好的诊断效果,可为现代船舶智能故障诊断研究提供参考。