XiaoMi-AI文件搜索系统
World File Search System滤波器组
使用滤波器组任务相关成分分析对上肢运动进行多类分类
摘要 — 肢体运动分类可为非侵入式脑机接口提供控制命令。以往对肢体运动分类的研究主要集中在左/右肢的分类；然而，尽管上肢运动的分类为脑机接口提供了更多主动诱发的控制命令，但上肢运动的不同类型分类却常常被忽视。尽管如此，很少有机器学习方法可以作为肢体运动多类分类的最新方法。本文重点研究上肢运动的多类分类，提出了多类滤波器组任务相关成分分析 (mFBTRCA) 方法，该方法包括三个步骤：空间滤波、相似性测量和滤波器组选择。空间滤波器，即任务相关成分分析，首次用于上肢运动的多类分类。
用于量子计算系统的基于 FPGA 的可重构信道化，使用多相滤波器组
摘要。最近提出的量子系统使用频率复用量子比特技术来读取电子器件，而不是模拟电路，以提高系统的成本效益。为了恢复单个通道以供进一步处理，这些系统需要一种解复用或通道化方法，该方法可以低延迟处理高数据速率，并且使用很少的硬件资源。本文介绍了一种使用多相滤波器组 (PFB) 信号处理算法的低延迟、适应性强的基于 FPGA 的通道器。由于只需设计一个原型低通滤波器来处理所有通道，因此 PFB 可以轻松适应不同的要求，并进一步简化滤波器设计。由于每个通道都重复使用相同的滤波器，与传统的数字下变频方法相比，它们还降低了硬件资源利用率。实现的系统架构具有广泛的通用性，允许用户从不同数量的通道、采样位宽度和吞吐量规格中进行选择。对于使用 28 系数转置滤波器和 4 个输出通道的测试设置，所提出的架构可产生 12.8 Gb/s 的吞吐量和 7 个时钟周期的延迟。
卡尔曼滤波器组在飞机发动机中的应用...
卡尔曼滤波器组在飞机发动机故障诊断中的应用 Takahisa Kobayashi QSS Group, Inc. 俄亥俄州克利夫兰 44135 电子邮件：Takahisa.Kobayashi@grc.nasa.gov Donald L. Simon 美国陆军研究实验室 格伦研究中心 俄亥俄州克利夫兰 44135 电子邮件：Donald.L.Simon@grc.nasa.gov 摘要 本文将卡尔曼滤波器组应用于飞机燃气涡轮发动机传感器和执行器故障检测和隔离 (FDI) 以及组件故障检测。这种方法使用多个卡尔曼滤波器，每个滤波器都用于检测特定的传感器或执行器故障。如果确实发生故障，除使用正确假设的滤波器之外的所有滤波器都会产生较大的估计误差，从而隔离特定故障。同时，估计了一组指示发动机部件性能的参数，以检测突然退化。将所提出的 FDI 方法应用于标称和老化条件下的非线性发动机仿真，并给出了巡航运行条件下各种发动机故障的评估结果。证明了所提出的方法能够可靠地检测和隔离传感器和执行器故障。术语 A16 可变旁通管道面积 A8 喷嘴面积 BST 增压器 CLM 组件级模型 FAN 风扇 FDI 故障检测和隔离 FOD 异物损坏 HPC 高压压缩机 HPT 高压涡轮 LPT 低压涡轮 P27 HPC 入口压力 PS15 旁通管道静压 PS3 燃烧室入口静压 PS56 LPT 出口静压 T27D 增压器入口温度 T56 LPT 出口温度