GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

应用于雷达接收机的宽阻带带通滤波器设计

介绍了交指型微带滤波器的基本设计原理,并利用ADS和HFSS软件仿真设计了通带为2.7~3.5 GHz的高陡峭度的宽阻带带通滤波器,并已应用于某雷达接收机。该方法虽然原理上基于传统公式计算、查表,但是充分利用了ADS软件强大的设计功能,直接由指标要求得到近似的尺寸,然后进行优化得到最终设计结果。测试结果表明,该方法可行有效,设计周期短,对雷达接收机滤波器设计有很强的工程指导作用。     

一种基于非下采样Contourlet变换的去噪算法

文章提出了一种新的去噪算法,算法是基于非下采样Contourlet变换(NSCT)的自适应阈值。首先需要对含噪图像进行非下采样Contourlet变换,然后得到各个尺度各个方向子带的系数。为了克服软、硬阈值函数的缺点,提出了一种自适应的新阈值函数。仿真实验表明,文章方法在峰值信噪比(PSNR)、信噪比(SNR)、均方误差(MSE)与视觉效果上均优于其他去噪算法。     

组合降采样极限学习机

设计了一种针对不平衡数据集的学习机,即组合降采样极限学习机(EUS ELMs)。当训练数据集不平衡时,普通分类器对少数样本的分类敏感性较低,而给予多数样本过度关注。针对这种问题,将组合降采样结构与极限学习机(ELM)结合起来,形成一种新的组合学习机。该学习机继承了组合降采样结构对样本选择的依赖性小的优点,和极限学习机分类效率高、耗时短的优势,而且可以通过不同的参数设置控制对少数样本的关注度,根据使用者需求获得不同分类效果。     

马钢二烧结配料计算机控制系统

阐明了马钢二烧结配科计算机控制系统的目的、控制形式、控制原理；根据烧结配料控制对象的特点对信号采样和控制算法进行了探讨；提供了系统的主要硬件结构，软件功能和程序框图。     

原油自动采样系统

1．原油自动采样系统的设计 该原油自动采样系统由PB型静态混合器和KYZC-1原油自动采样装置组成。其中，KYZC—1原油自动采样装置由防爆电磁阀、小型的油气分离器、电子计量秤、操作显示控制面板及电源线、电缆等主要部件组成。混合器混合均匀的多相流体经进油管线通过电磁阀控制进入分离器内，气体从排气阀排出，油、水混合液体经分离器出口流入样桶内，采集的重量、每次采集时间和采集间隔时间可通过控制面板进行调节，从而实现定时、定量采样。     

ADS5546：4位190MSPS模数转换器

德州仪器日前宣布推出具有良好动态性能及较低系统总功耗的14位190MSPS(兆采样／秒)模数转换器，ADS5546能够在输入频率为70MHz、最大采样速率为190MSPS的条件下提供73.2dBFS信噪比(SNR)以及84dBc无寄生动态范围(SFDR)，是无线通信、视频与影像、测量测试以及仪表等应用领域的良好选     

基于多相滤波器的信道化接收机及其应用研究

本文主要研究了应用多相滤波技术的信道化接收机建模问题。在给定信道频谱划分方案下,推导了基于多相 滤波器的信道化接收机数学模型。并由此模型设计了一个四信道模拟系统。最后用仿真实验结果验证了模型的正确性。     

串行及并行A/D转换器在高速数据采集中的采样差别性分析

串行和并行接口模式是A/D转换器诸多分类中的一种,但却是应用中器件选择的一个重要指标.在同样的转换分辨率及转换速度的前提下,不同的接口方式不但影响了电路结构,更重要的是将在高速数据采集的过程中对采样周期产生较大影响.本文通过12位串行ADC ADS7822和并行ADC ADS774与AT89C51的接口电路,给出二者采样时间的差异性.     

传感器管理及其在相控阵雷达中的应用

传感器管理是数据融合的一部分。介绍了传感器管理的概念和框架 ,概述了国内外传感器管理算法的研究现状。主要工作是针对相控阵雷达这一传感器 ,通过对其不同工作模式以及不同参数的管理 ,来说明传感器管理的原理。提出了一种新的自适应采样周期算法 ,仿真结果表明该算法的优越性