一种DSP+FPGA实时信号处理系统

简要叙述了常用的信号处理系统的类型与处理机结构,介绍了正逐步得到广泛应用的DSP+FPGA处理机结构,在此基础上提出了一种实时信号处理的线性流水阵列,并举例说明了该结构的具体实现,最后分析说明了此结构的优越性。     

他们与祖国、与奥林匹克

永不满足,不断向自身极限发起挑战,同时也珍视自身的生命安全和健康,这是人类之所以能够繁衍声息不断发展的动力之源。奥运已成为人类不断探索和超越精神的象征,但我们仍缺乏对于生命发自内心的珍视。这种珍视,不应该因人而异,不应该有种族、身份、财富的区分。奥运倡导人文,应该是对这种珍视的回归,而这种回归,最直接地体现在建设奥运工程的数万农民工身上。带着这样的解读视角,记者采访了五棵松体育文化中心奥运工程城建二公司项目部。五棵松文化体育馆建成之后将承担2008年篮球预决赛的比赛任务。奥运场馆设计要求“安全、舒适”,这样的要求,不仅为了使用者,同样也为了它的建设者。     

洪涝灾害评价的威布尔模型

首次将威布尔分布用于淮河流域水灾成灾面积研究,揭示了淮河流域洪涝灾害成灾面积形成的 内在规律,进而利用河南、安徽、江苏和山东4省的各自灾度对淮河流域的灾害风险建立了线性回归模型.实证分析表明,本方法切实可行,特别适用于大样本计算.     

麋鹿回归20周年——爱国主义及“人与自然和谐”主题纪念活动（4月至10月）欢迎参加

麋鹿,哺乳动物、偶蹄目、鹿科、麋鹿属动物,因其角似鹿非鹿、脸似马非马、蹄似牛非牛、尾似驴非驴,所以俗称“四不象”。麋鹿作为国家一级保护动物,曾仅产中国。清朝时麋鹿仅存于皇家苑囿。1865年,法国传教士兼博物学家阿芒·戴维神甫在北京南部考察动植物时发现了这种奇特的动     

晋宁磷矿高边坡对爆破振动的动态响应与安全分析

对晋宁磷矿东采区爆破振动对高边坡的影响进行了监测和分析研究。根据爆破振动监测数据,对质点振动速度进行回归分析,得出了爆破振动沿边坡的传播衰减规律。采用ANSYS/LSDYNA数值模拟软件对边坡建模,输入实测爆破振动波形后,研究爆破振动作用下高边坡的动态响应规律。根据数值模拟及实测结果,判断出爆破振动作用下边坡整体不会受破坏,为矿山后续的生产爆破提供了依据。     

基于环境因子和邻近信息的土壤属性空间分布预测

为探索乡镇尺度上土壤属性空间分布预测的最佳方法,以江西省万年县齐埠镇为例,借助四方位搜索法、地统计学和遥感影像分析技术提取环境因子（地形因子和植被覆盖指数）和邻近信息[w（有机质）与w（速效钾）],构建OK法（普通克里金法）、RK1法（仅基于环境因子的回归克里金法）以及RK2法（基于环境因子和邻近信息的回归克里金法）对齐埠镇耕地表层（0~20 cm）土壤w（有机质）、w（速效钾）空间分布进行预测.结果表明:齐埠镇土壤w（有机质）平均值为35.03 g/kg,w（速效钾）平均值为96.73 mg/kg,均为中等空间变异性.对62个样点进行建模,16个测试样点进行独立验证的误差分析表明,RK2法对土壤w（有机质）、w（速效钾）预测结果的均方根误差、平均绝对误差和平均相对误差较OK法分别降低了18.05%、18.01%、21.77%和7.25%、9.49%、9.84%;较RK1法分别降低了22.48%、20.91%、22.02%和9.27%、12.61%、13.52%.研究显示,RK2法明显提高了土壤w（有机质）、w（速效钾）空间分布模拟精度,并且存在改进和提高的空间.      

油品荧光特性的Logistic回归分析鉴别海上溢油的研究

用恒波长同步荧光法检测了280±2 nm、300±2 nm、332±2 nm 3个特征波长下的22种原油和12种燃料油的荧光强度,并以此作为变量,建立了快速定量鉴别海上溢油的原油和燃料油的Logistic回归模型。Hosmer-Lemeshow拟合优度检测值2.43小于15.51、其对应P值0.97大于0.05,说明建模数据的信息被充分提取和利用。风化前后油样的受试者工作特征曲线（ROC曲线）分析显示该鉴别方法准确性较高,曲线下边面积（AUC）大于0.9,灵敏度和特异性大于0.85。用15种非建模油样对所建立的模型进行验证,计算结果与实际情况吻合度较高,鉴别正确率达93%。此外,该模型也适用于油种风化后的鉴别。     

我国道路交通事故死亡人数预测与管理对策

结合2000—2015年我国道路交通事故死亡人数相关数据,对我国道路交通事故死亡人数的影响要素进行了研究;利用多元线性回归方法,建立和优化了道路交通事故死亡人数与交通事故影响要素的预测模型;利用事故树分析方法研究了交通事故影响要素的基本事件,并对基本事件微观影响要素提出了风险管理对策,可为我国道路交通安全决策、城市交通安全管理提供参考,为提高我国整体道路交通事故安全水平及事故应急管理提供理论根据。     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。