共查询到17条相似文献,搜索用时 125 毫秒
1.
目的建立战场电磁兼容预测中的电磁干扰发射机数学模型。方法分析电磁干扰发射机模型的组成和发射原理,建立基波、谐波、非谐波和互调发射的幅度和频谱(功率谱)模型,并探讨模型中的参数获取方法。结果给出了较为完备的发射机模型,基波调制包络模型分段折线拟合方法,和模型相关参数的测量方法。结论利用上述数学模型,可以进行战场电磁干扰源(发射机)的建模,为战场电磁兼容预测分析与仿真奠定基础。 相似文献
2.
3.
4.
5.
6.
7.
8.
9.
10.
电磁干扰噪声抑制片应用介绍 总被引:1,自引:0,他引:1
针对电子设备发展带来的严峻电磁兼容问题,介绍了多家国外公司新开发的电磁兼容产品--电磁干扰噪声抑制片在电磁兼容方面的应用,并通过应用实例表明该产品具有广泛的应用场合和良好的电磁噪声抑制效果,最后根据IEC 62333标准采用微带型模型分析了其应用机理. 相似文献
11.
12.
目的提高武器系统适应日益复杂的电磁环境,提升装备的作战效能,提出合理的系统电磁环境效应要求,并开展试验评估,以验证指标是否得到满足。方法采用基于使用需求和标准分析的方法,针对系统级电磁环境效应的复杂性和特殊性,通过对电磁环境效应要求和标准的分析,提出采用建模仿真,预测电磁环境,开展缩比模型、1︰1模型试验验证等方法确定电磁环境效应指标和要求。结果提出了系统内自兼容、系统间兼容性和系统与外部电磁环境3大类14小类的系统电磁环境效应要求,分析了每项电磁环境效应要求对四大类典型系统的适用性,提出了开展系统电磁环境效应试验的方法和流程,为开展装备系统级电磁环境效应工程研制、试验和评估提供了技术支撑。结论采用提出并确定系统电磁环境效应要求和试验评估方法,实施武器系统的电磁环境效应控制和评估,对装备使用性能的充分发挥具有十分重要的意义。 相似文献
13.
目的研究电子目标环境复杂度度量问题。方法选取复杂度评估指标,然后建立各个评估指标的模型,最后将层次分析法与灰色理论结合应用于电磁环境复杂度评估。结果复杂度评估指标包括电磁信号类型样式、频率重合度、方向重合度、背景信号强度、电磁信号密度等5个方面。建立了这5个评估指标的模型,并结合具体电磁环境中装备实例,运用灰色层次分析法评估得出电磁环境复杂程度为中等复杂。结论算例和分析结论表明灰色层次分析法在评估战场电磁环境复杂度上适用。 相似文献
14.
15.
基于规范变换与误差修正的回归支持向量机的环境系统预测 总被引:1,自引:0,他引:1
为了建立不同环境系统皆能规范、统一、简洁、实用的回归支持向量机预测模型,针对传统的回归支持向量机预测模型存在结构不能普适、规范和统一及用于大样本、多因子预测会出现学习效率低、求解精度差的局限,提出适用于环境系统预测量及其影响因子参照值和规范变换式的设计原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子;为提高样本的预测精度,还提出预测样本的模型输出的误差修正法.在对环境系统的预测量及其影响因子进行规范变换的基础上,由有m个规范影响因子的每个建模样本生成m个"等效"训练样本,从建模样本中,选择各影响因子的最大规范值组成训练样本集的"参考样本",计算核函数中每个训练样本相对于"参考样本"的范数;并应用优化算法优化模型参数,建立适用于预测量及其影响因子规范值的仅有2个或3个支持向量的两种简单结构的回归支持向量机预测模型.将基于规范变换的两种简单结构的回归支持向量机模型与相似样本误差修正法相结合,用于河津大桥监测断面6个样本的COD月平均值预测,并与多种传统预测模型和方法进行了比较.结果表明:对同一个预测样本,两种模型的预测值十分接近;此外,两种预测模型用于6个样本预测,其相对误差绝对值的平均值分别为2.09%、2.79%,均远小于传统的投影寻踪回归预测的41.63%、支持向量机预测的40.99%、灰色神经网络预测的25.94%和马尔可夫预测的10.16%;而两种预测模型对异常样本预测的最大的相对误差绝对值分别为5.85%、5.13%,更加远远小于传统的4种预测模型的169.07%、180.45%、68.44%、41.96%.两种基于规范变换的回归支持向量机预测模型简洁、普适、规范和统一,避免了"大样本数困难",提高了学习效率和模型的预测精确度,对其他预测建模法也有借鉴作用. 相似文献
16.
空气质量预测对合理制定环境治理政策具有重要意义。针对目前单体预测模型存在模型不稳定和泛化能力不强的问题,提出基于逆方差权重分配方法融合3种单体模型的空气质量指数(air quality index, AQI)预测方法。首先,以北京市为例,构建空气质量指数预测数据集;其次,分别构建长短期记忆网络(LSTM)、门控循环单元(GRU)、双向长短期记忆网络(Bi-LSTM)、自回归积分滑动平均模型(ARIMA)和多元线性回归(MLR)5种模型对数据集进行预测,并对比以上模型的预测结果;最后,在多模型融合方法中,选择逆方差法计算预测精度较高的3种单体模型的权重,根据算得权重构建逆方差融合预测模型。与预测精度较高的3种单体模型以及加权平均融合预测模型相比,逆方差融合预测模型对空气质量指数的预测精度R2分别提高3.9%、3.4%、1.6%和0.5%,达到0.933。结果表明:逆方差融合预测模型综合了各单体预测模型的优点,能够提高AQI预测精度。 相似文献