DSP与数字图像处理联合实验改革与思考

通过利用自主开发的DSP与图像处理联合实验系统对DSP实验课的开课方式和实验内容进行两方面的改革，即在授课方式上打破以往在固定时间在老师指导下做简单实验的模式，采用以学期为单位，学生可在任何工作时间进入实验室研究自己的实验课题（可以是教师指定题目，也可自主选题），学期末进行实验成果的验收和答辩；在实验内容方面将DSP与数字图像处理相结合，使学生同时对DSP和数字图像处理有深入的理解和实验体会。     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线性连续函数有较好的逼近效果，对BP(反向传播算法)神经网络和RBF(径向基函数)神经网络作了理论上的分析比较。并采用实际数据进行训练。说明了RBF神经网络在逼近精度和速度上都要优于BP神经网络。最后，以RBF神经网络作为函数逼近器对射频功率器件建立了大信号特征模型，并进行了模型检验，证明了基于RBF网络的建模方法具有较高的精度。     

开展校级电子竞赛 培养学生创新能力

学科竞赛是培养在校大学生工程素质和实践创新能力的有效载体,有着常规教学不可及的特殊创新教育功能。而对于大多数地方高校,能够参加省级、国家级学科竞赛的学生毕竟是少数。介绍了沈阳工业大学"电子技术基本技能大赛"的组织、实施过程。通过构建学科竞赛的长效机制,扩大学生参与面,引导学生重视创新精神和实践能力的培养。实践效果表明,学生的兴趣与自信心、创新意识与创新能力、系统概念等都有了一定程度的提升。竞赛的开展也促进了理论教学与实践教学的全方位改革。     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线连续函数有较好的逼近效果,对BP(反向传播算法)神经网络和RBF(径向基函数)神经网络作了理论上的分析比较,并采用实际数据进行训练,说明了RBF神经网络在逼近精度和速度上都要优于BP神经网络.最后,以RBF神经网络作为函数逼近器对射频功率器件建立了大信号特征模型,并进行了模型检验,证明了基于RBF网络的建模方法具有较高的精度.     

基于最大相关性的小波谐波检测方法

谐波的存在严重影响电网中电能的质量,保证电力系统的安全运行,首先要对谐波进行准确的检测和分析,剖析电网中的谐波成分.傅里叶变换能够分析谐波中稳态成分,却无法分析电力谐波中广泛存在的暂态及突变信号.小波变换的时频分析方法应用于谐波分析当中,弥补了傅里叶变换的这一缺陷.本文通过Matlab仿真,采用最大相关性的方法选取小波基,并用小波变换实现对电力系统中暂态信号的分析,将小波变换与傅里叶变换的分析方法进行比较,验证了基于小波变换的谐波检测方法的有效性.     

基于形态学处理的电磁信号检测方法

卫星电磁观测背景场中存在较多的噪声、单频干扰、瞬时脉冲干扰,严重影响对电离层电磁辐射事件的分析。针对这一问题,提出了基于形态学滤波与门限分割相结合的自动检测方法,利用自然电磁辐射具有一定时宽和频宽的特点,将门限检测后的时频域电磁信号参数图像转换为二值图像,通过设置合适的结构元素,滤除噪声和干扰。利用该方法对电离层左旋极化特征的电磁辐射信号进行了检测和统计分析,验证了该方法从海量数据中检测目标的有效性。     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线性连续函数有较好的逼近效果，对BP（反向传播算法）神经网 络和RBF（径向基函数）神经网络作了理论上的分析比较，并采用实际数据进行训练，说明了RBF神经网 络在逼近精度和速度上都要优于BP神经网络。最后，以RBF神经网络作为函数逼近器对射频功率器件建 立了大信号特征模型，并进行了模型检验，证明了基于RBF网络的建模方法具有较高的精度。     

基于加窗插值FFT的电力谐波检测算法研究

通过分析比较常用的谐波检测方法,根据电力谐波信号的特点,提出了布莱克曼窗与双峰插值相结合的算法,并推导出频率和幅值的修正计算公式,从而进一步降低了泄漏和噪声干扰,提高了计算频率和幅值的准确度.仿真结果验证了算法的正确性与有效性.     

舒曼谐振的数据处理方法及其应用研究

舒曼谐振（Schumann resonance, SR）信号淹没于非常强的环境噪声数据中,影响了常规处理方法的性能。为了从观测数据中可靠地提取微弱的SR信号,先对实际的SR观测数据进行奇异值分解（singular value decomposition, SVD）滤波,再利用常规算法提取参数,分析了观测站处的闪电源分布、参数日变化规律以及一起太阳耀斑事件对应的参数变化。结果证明,经过SVD滤波后得到的估计结果能更好地反映SR参数的变化规律,极大地提高了常规方法的可靠性。