基于隐训练序列的信道估计与跟踪

提出了新的基于隐训练序列的频率选择性信道估计方法,利用训练序列与信息序列的不相关特性,在没有带宽损失的情况下估计出信道参数。文中对所提方法给予了证明,给出了信道估计算法,并提出了改进的自适应形式,可以用于跟踪时变信道。与以往的隐训练序列估计方法比较,文章中的算法具有更低的估计均方误差,不受接收端直流偏移的限制,且适用于时变信道。计算机仿真结果表明了该估计方法的有效性。     

噪声电路理论发展现状综述

本文对低噪声电子学的研究意义及其历史作一简明回顾,详细综述了噪声电路理论的发展现状,指出了问题所在,并给出了解决的方法。     

电子电路噪声的岔集谱分析法

本文阐明了目前电路噪声理论的不完善性,提出了电子电路岔集谱分析法,使噪声计算的精度和效率有显著提高。作者编制并调试成功了基于此方法的电子电路噪声性能分析和低噪声设计程序,文末给出了实例结果。与实验结果的比较,说明了本文提出方法的正确性。     

用于信号逼近的自适应时延小波神经网络

小波神经网络是一种强有力的函数逼近工具。本文结合时延神经网络和小波分析概念提出一种新的小波神经网络摸型自适应时延小波神经网络(ATDWNN:adaptive timedelay wavelet neural network).ATDWNN可以对同一类存在不同时延的多个信号用同一个超小波(superwavelet)进行逼近。为了训练ATDWNN,本文提出一种基于时间机理的竞争学习算法。实验表明,ATDWNN不仅可以成功地对同一类存在不同时延的多个信号采用同一个超小波进行逼近,而且可以用来估计各样本信号的时延。     

一种利用神经网络的故障模糊诊断系统

本文提出一种神经网络与模糊逻辑相结合的故障诊断系统,该系统包括2个方面:模糊推理模块和规则学习模块。模糊推理规则记忆在网络的记忆层中,记忆节点的激活水平则反映了输入矢量与已记忆规则的匹配程度;规则学习模块通过自组织聚类过程自动生成规则。作为该诊断系统的一个应用实例,模拟了旋转主轴的故障诊断试验。     

用脉冲控制法抑制非自治细胞神经网络中的混沌

利用脉冲控制法对含两个神经元的非自治细胞神经网络（ Ｃ Ｎ Ｎ′ｓ）出现的混沌现象进行控制,给出了保证脉冲控制的系统存在周期解的条件,并通过数值仿真实验证实了用很小的外部激励就能控制住混沌。通过观察受控轨道的时间波形,发现利用受控非自治 Ｃ Ｎ Ｎ′ｓ 模型可成功地对生理学中电响应活动信号建模,这一发现为研究人脑或动物大脑中混沌的功能作用提供了非常有用的工具。     

一种易于电路实现的鲁棒盲神经网络波束形成器

绝大多数通讯信号都具有周期平稳信号特性。利用信号的周期平稳特性可以进行真正的盲自适应波束形成,因而受到了广泛关注。鲁棒ＣＡＢ（Ｒ－ＣＡＢ）算法就是其中的一种,但其中涉及矩阵求逆,运算量很大。波束形成属于多维信号处理问题,阵列中阵元数的增加导致运算量成几何级数增加。文中提出了一种盲神经网络波束形成算法。由于神经网络具有网状计算结构的特点,故该方法不仅避免了矩阵求逆运算,同时更便于实时实现。该方法还利用对角加载技术,从而加快了收敛速度,保证了算法的鲁棒性。仿真实验表明其性能优越,易于电路实现     

联想神经网络异步工作方式下收敛性能的研究

本文对具有投影学习算法的Hopfield型二值神经网络在异步工作方式下收敛性能进行了比较全面的分析讨论,采用非能量函数的方法证明了网络具有演化收敛到网络平衡点的特性;推导了计算网络收敛所需瞬态工作步数上界的估算公式;分析并给出了计算平衡点(记忆模式)收敛半径的算法.     

数字自适应均衡器通用参数法设计及实现

本文中,作者指出线性均衡器、判决反馈均衡器和线性抵消均衡器可以用同一形式表示,给出了通用参数设计法。对以上三种分数间隔抽头最佳均衡器的输出方差与定时相位无关的结论给出了理论上的证明,并具体比较了三种均衡器输出方差的大小,从而进一步完善了分数间隔抽头自适应均衡理论。在给出了统一形式的自适应梯度算法的基础上,进行了计算机模拟。针对上述均衡器计算量大的特点,作者以8086-CPU结合高速乘法器的方案作了实现,这种方案比用目前较为先进的通用数字信号处理器具有更强的实时处理能力。     

高斯马尔可夫随机场模型的递归最小二乘参数估计

本文首次提出应用阶递归最小二乘算法来估计高斯马尔可夫随机场模型参数。利用模型参数关于领域的对称性质,我们将一个非因果对称邻域支持的高斯马尔可夫随机场模型转化成一个因果非对称半平面部域支持的模型,从而使递归计算成为可能。利用规范方程中系数矩阵的近似Toeplitz性质,导出了运算量为O(m~3)+O(M~2m)MADP的阶递归最小二乘算法,而直接采用解方程法的计算量为O(m~3)+O(M~2m~2),这里M~2表示一幅图象的尺寸,m代表模型参数的个数。