单微处理器控制的集成化光电混合神经网络模式识？…

本文首次报道了应用单微处理器和单ＬＣＤ结构的光电混合神经网络模式识别系统，该系统使用了单微处理器控制的多屏幕显示及适用于多层光电神经网络的软硬件接口方法，充分利用了高性能ＬＣＤ的分辨率，提高了网络光电接口的数据传送速度及整机的集成化程度，使系统与高性能计算机的兼容性及系统识别速度得到很大提高。     

浆纱机监测系统中多道信号采集及动态显示的实现

在浆纱机监测系统中,多道信号采集及数据动态显示是一重要环节。本文以8031CPU为核心,设计并实现了一系统接口,可进行多道模拟信号采样,多路外部脉冲计数,并利用微机系统并行口进行系统接口与微机之间的数据通讯。系统接口中采用的光电隔离技术,使设备地与微机系统地分开,保证了微机系统的完备性。对经过了光电隔离器的模拟信号进行非线性校正,提高了光电隔离器输入输出的传输精度。微机系统上设计的信息动态显示窗口,可及时反映出浆纱过程的主要生产指标及其变化趋势。     

智能全站仪双电池供电及双LCD背光控制系统

采用OMAP3530微处理器和Linux操作系统设计了智能全站仪,可实现距离和角度测量、参数设置及数据管理等功能.为提高系统野外续航能力和显示效果,采用TLV0832微处理器设计了双电池供电和双LCD显示硬件电路.在分析Linux 2.6.29的SPI同步串行接口驱动运行机制和驱动接口功能的基础上,提出了Linux 2.6.29的内核配置SPI驱动方法,针对TLV0832的A/D转换时序和TLV5626的D/A转换时序,设计相应的测试程序并实现了双电池显示和双LCD背光控制功能.本文设计可为全站仪GUI应用程序调用底层驱动及其他户外仪器实现双电量显示与双LCD背光控制提供参考.     

嵌入式系统外围接口电路的复杂可编程逻辑器件实现

为简化PCB布板。增强系统功能，提高系统的速度、抗干扰性、可靠性．提出一种用Altera公司CPLD芯片EPM7128S实现MCU外围接口电路的方法．在环境监测仪的MCU外围接口电路中．根据其功能结构与宏单元特点。利用VerilogHDL硬件描述语言和MAXplus-Ⅱ设计工具软件．在单片CPLD上设计了MCU与A／D转换芯片、FlashMemory、LCD及键盘4个模块的接口电路．对各个模块进行了编译、综合和仿真．实验表明．在一片CPLD芯片EPM7128S上。可实现多种接口功能．简化接口硬件连接．提高译码速度，编程方便灵活．     

《微机原理与接口技术》课程的教学与探索

本课程主要讲授微型计算机系统基本组成、微处理器的工作原理、微处理器与存储器的连接、主板上的基本接口、专用接口、微处理器与各个接口芯片的连接和基本的汇编语言程序设计,对初学者有一定的难度,如何提高学生的兴趣,如何在理论学习的基础上提高学生的实际操作和应用能力一直是讲授这门课程的难点。     

ARM微控制器与液晶屏接口的研究

当今嵌入式系统中,LCD作为重要的图形用户界面设备之一,发挥着越来越重要的作用。本文研究了嵌入式系统与LCD的接口问题。对于不同的嵌入式系统,不同的芯片,采用相应的LCD接口方式。讨论了内置LCD控制器的嵌入式系统接口,以及不舍LCD控制器的三种接口方式。在项目开发中选择性的使用不同的接口方式,可以节省大量人力物力,从而降低成本缩短开发周期。     

基于CPLD的DSP与LCD接口的设计与实现

介绍了一种基于CPLD的DSPTMS320LF2407与LCD接口的设计与实现方法．将DSP的16个I／O口以及LCD的控制接口信号引入CPLD内,利用CPLD的硬件编程能力采用DSP数字I／O口模拟LCD接口时序的方法,最终实现了DSP与LCD的良好接口,给出了基于C语言的具体实现方法,并在实际应用系统中取得了成功．     

μC/GUI在OMAP5910上的移植

以嵌入式微处理器OMAP5910为硬件平台,在简要介绍μC/GUI及其特点的基础上,通过对μC/GUI与OMAP5910的接口头文件的修改和LCD内核接口函数的设计,成功将μC/GUI移植到OMAP5910硬件平台上.     

基于MINIGUI系统灌溉控制人性化计算机界面设计

人性化计算机界面逐渐成为嵌入式系统的重要组成部分．各种嵌入式图形用户界面开发使嵌入式系统操作更简单更高效．讨论内客是μClinux与MiniGUI接口和基于MiniGUI人性化计算机图形界面构造．S3C44B0X（三星微处理器），硬件平台由S3C44B0X、STN LCD和四线抗干扰触摸面板组成．系统可为灌溉操作者提供一个可视化友好操作环境．     

A／D转换器接口设计调试的两点经验

各种以微处理器为核心的控制检测系统中都需要进行A／D转换器与微处理器的接口的设计以及调试。本文针对A／D转换器与微处理器的接口设计与调试中,遇到的仿真机与微机通信时A／D变换器的干扰及参考电压数值选取对测量精度和编程效率的影响这两个问题进行了研究,分析了问题产生的原因并提出了有效地解决方法。     

基于神经网络的手写电气元件符号识别系统

神经网络模式识别在现代数字图像处理中的应用,是数字图像处理技术的一次革 命．以神经网络模式识别技术在电气元件符号图形识别中的应用为对象,着重于手写电气元 件符号自动识别系统的研究,介绍了整个系统的结构和功能,给出了相应的数据流图和主要数 据结构,提出了一种基于神经网络的模式识别方法,并对系统的实际应用作了验证,为进一步 的研究奠定了基础．     

紫杉醇类似物抗癌活性构效关系的神经网络模式识别研究

经对MM3、MM＋、MNDO、PM3几何优化结果进行比较，选用速度最快且精确度较好的MM3分子力学方法计算43个紫杉醇类似物的优势构型，应用MNDO法计算了化合物的电子结构，并用回归分析和BP神经网络模式识别方法寻找其电子结构与抗癌活性的关系．结果表明：（1）紫杉醇类似物及C13侧链的油水分配系数与活性参数问呈抛物线关系，最适油水分配系数Popt=3．14；（2）2-OBz中Bz基团的负电荷密度越大，C1、C3原子的正电荷密度越大对活性越有利；（3）R1、R2、1-OH和2-OBz基团可能是药物与受体作用的重要部位．四参数的定量构效关系显著性较好，神经网络模式识别总识别率为98％，可较精确地预测化合物的抗癌活性．     

协同神经网络的不变性研究

协同神经网络作为一种全新的神经网络,它的自上而下的构造方式,与自然界中自组织现象存在深刻的相似性．文中在介绍了模式识别协同神经网络的基础上,研究了协同神经网络用于模式识别的空间不变性．通过二维傅氏变换、复对数映射等方法,对图象进行预处理,提取图象的空间不变性,并在变换后的空间上利用协同神经网络进行识别．试验表明,协同神经网络不但能够识别空间变化的图象,并且对缺损、加噪图象也能很好识别,并且识别速度快,鲁棒性强,不会出现传统神经网络经常出现的伪状态．     

基于DCT和BP神经网络集成的人脸识别

人脸识别是模式识别和图像处理领域的研究热点和难点,尽管已提出了许多方法,然而如何在变化的环境下实时、高效地识别人脸仍是一个难题.鉴于离散余弦变换(discrete cosine transform,DCT)有较高的压缩性能和快速算法以及集成神经网络良好的泛化能力,提出了基于DCT和神经网络集成的人脸识别方法.首先用DCT提取人脸特征矢量,然后构建集成BP(back propagation)神经网络对人脸进行分类识别.在ORL(olivertti research laboratory)人脸库上的仿真实验结果表明,提出的方法取得了较快的训练和识别速度、较高的识别率,因此该方法是一种快速高效的人脸识别方法.     

一种应用于模式识别的神经网络模型

本文首先引入了感知神经元，建立了一种应用于模式识别的三层神经网络模型．对于任一组二元标准模式（二元图象或特征值序集），我们根据给定模式及要求设计神经网络，使之对输入模式进行识别．这种神经网络结构明确，易于实现，其实施有助于提高模式识别系统的执行速度与识别能力．     

基于神经元网络多模型自适应控制

多模型自适应控制（ＭＭＡＣ，Ｍｕｌｔｉ—ＭｏｄｅｌＡｄａｐｔｉｖｅＣｏｎｔｒｏｌ）是一种离线设计和在线识别与决策的新方法，它将有限多个简单控制联结成一种从总体上具有大范围的鲁棒控制。利用神经元网络对被控系统模型进行识别的思想，构成神经元网络的多模型自适应控制。     

RSOM算法及其应用研究

神经网络以其优越的非线性拟合能力和强大的自组织模式分类能力已被用于许多模式识别问题,并取得了很好结果．但是对于大样本集分类和复杂模式识别问题,大多数常规神经网络在决定网络结构与规模、设计自学习算法和应付庞大的计算量等方面存在诸多困难．为了克服这些困难,在Kohonen自组织映射模型(SOM)的基础上,提出了两种基于类别可分性判据RSOM分类树：非结构自适应的RSOM-Ⅰ分类树与基于奇异值分解方法的结构自适应RSOM-Ⅱ分类树,这两种分类树的每个节点由拓扑有序的自组织映射网络组成．RSOM分类树的优点在于处理大样本集和复杂模式的识别问题时能够自适应地确定网络的结构和规模,最后的数据试验就是很好的佐证．     

新一代车载电子警察系统的设计

系统主要由雷达测速、视频抓拍、云台与镜头控制和数据管理等组成,采用串口通信、视频压缩、车牌自动识别、神经网络训练等多项技术,实现了对车辆超速、压单双黄线行驶、违法停车、违法调头、逆向行驶、强行超车等多种违法行为进行实时的监测、抓拍、记录和处罚,为交通违法行为取证带来了很大的方便。测试结果表明系统稳定可靠、识别率高、实时性强,综合效率较高。     

基于GA-PID神经网络的板形模式识别方法

针对传统板形模式识别方法存在抗干扰能力差和识别精度有限等缺点,提出了基于遗传算法(GA)优化的PID神经网络板形模式识别方法.PID神经网络不仅具备传统多层前向网络的特点,而且其隐含层具有动态特性,可以直接用于动态系统辨识.GA具备良好的并行设计结构,具有全局优化的特点,利用GA对网络权值进行优化,克服了传统BP算法易陷于局部极小的不足.仿真结果表明:GA-PID神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形模式识别精度,可以满足板带轧机高精度的板形控制要求.     

多分类问题的RBF 二叉神经树网络方法

神经网络是一种普遍使用的分类方法。当类别数目较大时 ,神经网络结构复杂、训练时间激增、分类性能下降。基于两类问题的树网络多分类方法将两分类方法和判决树相结合 ,利用两分类方法来减少神经网络的训练时间 ,利用树型分类器来提高识别率。提出了一种多分类问题的二叉神经树网络结构和训练算法。利用两分类网络的训练结果对类别进行排序处理 ,并应用排序后的类别序号构成树型分类器 ,使可分性最差的类别的识别率提高最大 ,从而提高了整体分类性能。使用径向基函数 ( RBF)网络作为节点网络 ,使节点网络结构适应两类间的可分性 ,从而最终优化了神经树网络的结构。仿真实验表明该方法的分类性能优于现有方法