-
题名红外传感器的信号提取和数据采集的设计
被引量：26
- 1
-
-
作者
薛晨阳
谭秋林
马游春
秦海涛
翟成瑞
张文栋
-
机构
中北大学电子科学与技术系电子测试技术国家重点实验室
-
出处
《仪表技术与传感器》
CSCD
北大核心
2007年第2期45-46,49,共3页
-
基金
山西省高级专家基金资助
国家"八六三"计划(2005AA404290)
山西省拔尖人才基金支持
-
文摘
对于解决一类适合低频调制技术,且输出信号非常微弱的红外传感器的信号检测和提取,设计采用选频加窄带通滤波器的方法,再应用中位值平均滤波的数据采集方法很好地解决了对这一类红外传感器信号的数据采集。通过理论和实验证明该设计方法很好地提取了反映变化量性质的有用信号,同时也很好地提高了系统的信噪比,满足了实际情况的需要。
-
关键词
红外传感器
低频调制技术
选频放大器
窄带通滤波器
中位值平均滤波法
信号提取
数据采集
-
Keywords
infrared sensor
low frequency modulating technology
frequency selected amplifier
narrow band-pass filter
the way of median average filter
-
分类号
TP212
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于CEEMDAN-LSTM的陶岔渠首水深预测
被引量：4
- 2
-
-
作者
陈伟
吕学斌
梁雪春
-
机构
南京工业大学数理科学学院
南京工业大学电气工程与控制科学学院
-
出处
《人民黄河》
CAS
北大核心
2022年第5期89-94,共6页
-
基金
国家自然科学基金青年基金资助项目(11801267)
江苏省研究生科研与实践创新计划项目(SJCX21_0427)。
-
文摘
采用基于自适应噪声的完全经验模态分解-长短期记忆神经网络模型(CEEMDAN-LSTM)对水深进行预测。首先利用中位值平均滤波法对数据进行预处理,再采用CEEMDAN方法对历史水深序列进行分解获得历史水深的高、低频以及残差序列,然后对得到的各个分量使用LSTM神经网络预测,最后叠加各分量预测值重构水深预测结果。以陶岔渠首为研究对象,CEEMDAN-LSTM模型测试结果表明:该模型相比支持向量机回归、BP神经网络、长短期记忆神经网络、经验模态分解-长短期记忆神经网络模型有更强的预测性能。
-
关键词
水深预测
中位值平均滤波法
CEEMDAN分解
LSTM神经网络模型
陶岔渠首
-
Keywords
water depth prediction
median average filtering method
complete ensemble empirical mode decomposition with adaptive noise(CEEMDAN)
long short-term memory(LSTM)neural network model
Taocha canal headwork
-
分类号
TV213.4
[水利工程—水文学及水资源]
-
