多比特数字射频存储器的Simulink建模与仿真

数字射频存储器(DRFM)是相干干扰机的量化DRFM的工作原理与流程,给出了幅度量化DRFM的Simulink仿真模型建立与仿真实验研究的一般方法;在此基础上研究了多比特幅度量化DRFM的寄生信号性能与量化电平的关系,建立了多比特幅度量化DRFM的采样量化编码以及恢复的Simulink模型,并对多比特幅度量化DRFM的采样率与量化电平的关系进行了仿真实验,分析了实验结果,给出了结论,分析结果同时也表明了理论研究的正确性.     

有限比率反馈下多天线预编码系统的性能分析

在无线通信系统中,当发射端完全已知信道的状态特性时,接收与发送的联合优化设计可获得较好的通信性能,然而由于实际通信系统中有限比率的反馈比特数,发射端往往只能已知部分信道的状态特性。利用格拉斯曼空间中的装填问题,提出通过反馈比特数来选择多波束矢量并与功率控制相结合的线性预编码矩阵优化设计方法。仿真比较了信道特性完全已知和有限比特反馈下部分信道特性已知时基于不同优化准则的预编码系统的性能。仿真同时证实了提出的预编码设计方法的误码率接近信道完全已知时的预编码系统的性能。该设计方法可应用到实际的具有反馈的无线多天线通信系统中。     

基于质量一致性优化的视频码率控制

针对低码率视频应用,提出一种获得均匀视觉质量的视频码率控制方法。该方法考虑人眼视觉特性,给出一个基于质量一致性优化的模型,并结合视频编码的特点实现此优化模型的求解。应用该方法,可以使图像宏块的量化参数及宏块失真度分布趋于集中,从而获得均匀一致的图像质量,同时可以减少编码码流中用于表征宏块间量化参数发生变化的句法比特数,使更多的比特数用于图像净数据的编码,提高编码效率。仿真结果表明,该方法适用于低码率及甚低码率的视频应用。     

交指型缺陷接地结构共面波导的神经网络模型

提出一种新型交指型缺陷接地结构(DGS)共面波导,采用交指电容代替常规结构中的缝隙电容,交指电容DGS更能使电容的耦合加强,大大改进了DGS的特性.然后对交指型DGS共面波导建模,对DGS的尺寸和工作频率进行取样,作为多层感知器的输入样本,采用BP(反向传播)算法对该多层感知器进行训练,得到适合样本的神经网络模型.经过训练的神经网络模型在仿真过程中具有计算速度快、设计精度高、泛化能力强、仿真结果和实验测试结果一致性好的特点,从而验证了神经网络的有效性,为电路设计提供了理论依据.     

一种优化计算确定神经网络结构的方法

对于一个具体的多层前向神经网络设计问题,网络的输入输出以及标准样本数为已知,网络的隐层结构,即隐层层数和每个隐层神经元个数如何选择是神经网络设计中的关键.根据代数方程理论,通过权值和阈值与隐层结构的关系,建立了以权值和阈值为设计变量的目标函数表达式,通过分析,提出了多层前向神经网络合理的隐层层数和每个隐层神经元个数的一般确定方法,给出了确定多层前向神经网络合理结构的优化目标函数及其约束条件.仿真研究结果表明所提出方法确定的多层前向神经网络结构是合理的.     

自适应加噪反向传播算法研究

提出了一种对三层前向感知器的权重修正值注入自适应噪声的方法。在误差反向传播训练过程中 ,感知器权重的噪声幅度随权梯度值下降而趋近于零。不论是仅采用权重加噪的方法还是同时进行训练集输入端及权重加噪的方法 ,都能显著提高神经网络的泛化能力 ,并以异或问题的仿真实验验证了上述结论     

人脸识别:一种基于特征融合及神经网络的方法

基于特征融合和神经网络构建了一个完整的人脸识别系统。首先使用广义K-L变换对人脸的自组织特征和形状特征进行融合；然后使用UDT(Uncorrelated Discriminant Transfom)对融合后的特征进行变换，以获得最优鉴别矢量；最后使用多层感知器作为分类器。仿真结果证明了该方法的有效性。     

水下机器人半实物运动仿真系统的设计

通过对水下机器人体系结构中的控制层进行实物仿真和对感知层以及执行层进行虚拟仿真相结合的方法建立了水下机器人半实物运动仿真系统,该仿真系统不仅能够对整个系统的软件逻辑进行测试,同时能够对水下机器人控制系统的硬件体系、数据接口、可靠性都进行验证。详细阐述了水下机器人半实物运动仿真系统的硬件和软件体系结构,并对虚拟仿真中的水动力仿真、运动传感器仿真以及实物仿真中的运动控制系统的设计进行了说明。最后通过远距离航行仿真试验和避碰仿真试验证明了所设计的水下机器人半实物运动仿真系统对实际海试具有重要的参考价值。     

装备维修保障仿真系统灵敏度分析与参数优化

针对装备维修保障仿真系统的灵敏度分析与参数优化问题,提出了基于仿真实验手段的应用研究框架。在分析装备维修保障仿真系统建模方法的基础上,提出了基于仿真实体的输入参数确定方法;从战备完好、任务成功以及维修保障系统级等多角度分析明确了输出评价参数;研究了基于分支定界法的关键输入参数筛选方法和基于正交表的输入参数抽样实验设计方法;研究了基于极差分析和方差分析的灵敏度分析方法原理,并提出了一种基于方差分析的输入参数优化方法。最后利用开发的灵敏度分析工具进行了算例验证,表明所提方法具有很好的工程实用价值。     

基于蜂群算法和神经网络的通信调制识别方法

针对现有基于误差反向传播算法的多层感知器神经网络分类器在信号识别中存在收敛速度缓慢、出现假饱和现象等问题,采用蜂群算法提取信号的联合特征模块,提出快速支持、超级自适应误差反向传播、共轭梯度3种不同算法分别应用于多层感知器神经网络分类器,实现对通信信号的自动识别。所提算法和误差反向传播算法相比有更高的识别率。仿真结果表明,所提算法能够克服误差反向传播算法的缺陷,在隐藏层神经元仅为20个、信噪比为4 dB条件下,3种算法的识别率均高于95% ,且系统易于实现,在信号识别中具有广泛的应用前景。     

基于深度网络的蓝军装备模型参数生成方法研究

蓝军装备的建模仿真是构建对抗仿真环境不可缺少的部分。针对蓝方系统可获取的参数有限、具有“贫信息”“小样本”特性的问题,提出一种基于深度网络的蓝军装备模型参数生成方法。通过设定信息注入蓝军装备的仿真模型,生成仿真数据,利用数据训练深度神经网络。得到的网络对该型装备的未知参数预测具有一定的泛化能力,可直接用于预测或作为迁移学习的源模型。以蓝军某型拦截弹的建模仿真为例对该方法进行应用验证,使用了多层感知机和循环神经网络2种网络对比例导引系数进行学习与预测,均获得了较好的效果。     

一种面向对象/基于网络软件开发集成环境

论述了一地象／基于网络技术的软件开发集成以及相应的硬件结构。采用微机联网的紧耦合网络拓扑结构、面向对象的框架设计和层次化发层等技术提高系统的仿真的实时性和开发放性。同时，整个开发集成环境易于嵌入已有的成熟软件模块的友好的人一机界面。     

转换精度有限时EBPSK-MODEM的性能仿真

针对当前频率资源紧缺的现状,提高频谱利用率已成为通信技术研究的重要目标,而EBPSK调制可提高频谱利用率。讨论了如何利用Simulink进行EBPSK-MODEM系统仿真与研究,给出了具体的仿真模型,并利用该模型得到了系统在不同DAC和ADC采样率及量化位数时的解调性能。仿真结果表明,在DAC和ADC的有限数据转换精度对于EBPSK-MODEM解调性能的影响中,采样率要比量化位数明显得多。这对于硬件实现很有参考价值。     

机械手逆运动学神经网络建模与仿真

采用多层前向神经网络来建立机械手逆运动学模型。在分析了用简单遗传算法学习神经网络存在求解速度慢、精度低及有量化误差等缺点的基础上，提出采用改进遗传算法来学习神经网络，用于机械手逆运动学求解。此方法采用实数值编码，并采取动态变异操作。仿真结果表明，该方法有效地弥补了简单遗传算法的不足，能快速达到全局收敛，从而大大提高了机械手逆运动学求解的精度。     

多层前馈网络的一种模拟电路实现及仿真研究

本文在有源电力滤波器的多层前馈网络自适应谐波电流检测系统基础之上，通过系统构成和算法公式，首先提出了系统模拟电路的一种构成方法，并给出了电路实现框图。其次，为了利用ＰＳＰＩＣＥ电路仿真软件对所提出的模拟电路进行仿真研究，引入了宏模型概念。最后，对所推出的模拟电路进行了仿真研究。ＰＳＰＩＣＥ 仿真研究说明了所提出方法的可行性     

用于CIMSERC网络性能评价的NPES设计与实现

分析建模的方法用于CIMS网络性能评价是有其局限性的。本文介绍的是一个基于仿真方法的CIMSERC网络性能评估模拟器——NPES的设计与实现。该NPES可作为进行CIMSERC网络性能评价的“实验床”和评估工具.CIMSERC网络的基本结构是二个互连的基于Ethernet的TCP/IP网,设计中用于观测和评价的性能指标包括:网络系统的吞吐量、利用率、以及信息包传输延迟等。CIMSERC的NPES用SIMAN和FORTRAN语言混合实现。     

基于改进的自适应小波神经网络的心电信号分类

心电信号（ECG）识别是重病特别护理中一个非常重要的课题,自动检测和分类心电节律信号是诊断心脏异常的一项重要任务。基于小波变换理论,小波神经网络已经被广泛的应用于信号的表达和分类。文中介绍了一种具有一层感知机的小波神经网络,对小波神经网络收敛性影响较大的网络初始化值提出了一种改进的初始化算法,并研究得出了隐含层的选取与网络收敛性的关系。应用该网络分类心电信号的正常心跳和室前收缩,取得了很好的效果。文中使用到的心电数据是从MIT-BIH心电失常数据库中下载的。     

基于多分辨率学习的正交基小波神经网络设计

提出一种基于正交基函数的小波神经网络设计方法，采用多分辨率学习确定隐含层结构，并用收敛较快的阻尼最小二乘法训练权值．该方法可灵活调整隐含层结构，有效地克服神经网络中常见的过拟合和泛化能力差等问题．传真结果表明该方法具有逼近精度高，泛化能力好，网络结构冗余度小，参数优化收敛快等特点．     

混合神经网络矢量量化的设计与实现

本文设计了一种混合神经网络矢量量化编码方法,利用Kohonen网络的自组织聚类功能设计矢量量化器码书,实现矢量量化,用三层BP网络完成码字的信道符号编码.该神经网络矢量量化编码器能够并行处理输入矢量,速度快,效率高,适用于语音和图像数据压缩.