DLVQ模型应用研究

在分析LVQ的基本原理及其算法的基础上,引入计算机模拟改进的DLVQ算法,并建立了Koho- nen模型;通过实例说明其应用.     

利用变进制数量化位置信息的一种有效算法

提出了一种在有限个位置中，对一定数目脉冲所在位置信息进行量化的方案。这种方案可以将帧压缩到无损压缩的极限，并且可以利用ＤＳＰ芯片的特性高速完成压缩与解压处理。     

量化科技绩效考核办法创新人才资源激励机制

量化考核科技人员绩效办法是一个客观、公正、公平的考核和评价体系,采用定性与定量相结合的方式综合考核,用"一面镜子照全院,一把尺子量全员",融进了国内外诸多的先进管理理念.一是规范了管理者的管理行为准则,考核评定科技人员,避免了"见仁见智"的人为因素,真正做到公开、公正、公平;二是完善了分配机制,谁干得多就得分多,谁做得出色谁就加分,谁贡献最大谁就获得最大回报;三是摈弃了"论资排辈",推进了"能上能下"的竞争机制和人员流动机制,从制度上将激励每一位科技人员,尤其是年轻科技人员的岗位成才、岗位争做贡献的积极性和能动性并取得了显著的经济效益.     

Forecasting value‐at‐risk with a parsimonious portfolio spillover GARCH (PS‐GARCH) model

Accurate modelling of volatility (or risk) is important in finance, particularly as it relates to the modelling and forecasting of value‐at‐risk (VaR) thresholds. As financial applications typically deal with a portfolio of assets and risk, there are several multivariate GARCH models which specify the risk of one asset as depending on its own past as well as the past behaviour of other assets. Multivariate effects, whereby the risk of a given asset depends on the previous risk of any other asset, are termed spillover effects. In this paper we analyse the importance of considering spillover effects when forecasting financial volatility. The forecasting performance of the VARMA‐GARCH model of Ling and McAleer (2003), which includes spillover effects from all assets, the CCC model of Bollerslev (1990), which includes no spillovers, and a new Portfolio Spillover GARCH (PS‐GARCH) model, which accommodates aggregate spillovers parsimoniously and hence avoids the so‐called curse of dimensionality, are compared using a VaR example for a portfolio containing four international stock market indices. The empirical results suggest that spillover effects are statistically significant. However, the VaR threshold forecasts are generally found to be insensitive to the inclusion of spillover effects in any of the multivariate models considered. Copyright © 2008 John Wiley & Sons, Ltd.     

基于分数阶傅里叶变换的量化噪声抑制方法

针对A/D转换器在采样和量化过程中产生的量化噪声问题,提出一种基于分数阶傅里叶变换的量化噪声抑制方法.利用经典量化器的统计特性,分析出量化噪声在分数阶傅里叶域具有白噪声特性,利用过采样和分数阶傅里叶域数字滤波方法对输入信号的量化噪声进行抑制,提高信号质量.理论推导和仿真结果表明,该方法能够有效抑制量化噪声,提高A/D转换器的输出信噪比,而且针对线性调频等信号的量化噪声抑制效果优于传统傅里叶域的方法.      

数字信道化器中高阶精确重构滤波器组设计方法与量化分析

数字信道化技术广泛应用于新一代卫星通信系统的星上处理平台中,而精确重构滤波器组的设计是其中的关键技术。针对现有滤波器设计方法通道数较低,难以满足高分辨率数字信道化器需求的问题,提出了一种基于频率取样法和最小均方误差逼近的高阶精确重构原型滤波器的设计方法。该方法首先利用频率取样法求解一个近似精确重构原型滤波器;然后在最小均方误差准则下,用一个由两通道无损网格建模的滤波器对该近似精确重构原型滤波器进行最优拟合。数值实验表明,与Parks-Mc Clellan(PM)算法相比,该方法能设计得到更高通道数的滤波器组;并且原理简单,设计复杂度很低。滤波器性能的量化分析结果表明,综合考虑多相分量长度与量化位宽的设计思想,能够平衡实现复杂度与性能指标,对于实际系统具有重要的参考价值。     

信号量化对导航系统抗干扰性能的影响分析

在导航信号的接收过程中,量化是至关重要的环节。模数转换中的量化会带给卫星信号信噪比(SNR)的损失,对导航系统的抗干扰性能有一定的影响。在连续波干扰和白噪声的环境下分析得到了不同量化比特数和量化门限下系统输出信噪比的计算公式,并且对信号进行了仿真分析,得到信号量化前后信噪比变化曲线。结果表明:随着干扰幅度的增加,信号量化间隔需要相应增大才能保证信号信噪比损耗较小,同时需要注意量化间隔的变化对信噪比降低具有较大的影响。     

基于ARM+FPGA异构平台的目标检测加速模块设计与实现

为解决基于深度学习目标检测模型规模大、在边缘设备上难以部署的问题, 以YOLO目标检测模型为例, 设计实现基于ARM+FPGA异构平台的目标检测加速模块。该系统使用剪枝、量化后的压缩模型, 在FPGA实现神经网络前向推理加速, 在ARM中实现加速器调度。实验结果表明, 部署至Xilinx ZCU102开发板上, 该模块在200 MHz工作频率下, 平均计算性能达到425.8 GOP/s, 推理压缩模型速度达到30.3 fps, 模块功耗为3.56 W, 证明该加速模块具备可配置性。     

一种高精度Fuzzy控制器的设计

提出了一种基于基本Fuzzy控制器基础上更好地模拟人的操作经验来改善控制性能的一种高精度Fuzzy控制器的设计方法 ,针对将语言变量量化出相应的等级引起的误差 ,采用了加权方法进行处理 ,提高了控制器的精度 ,有一定的实用价值     

改进的分级图像矢量量化

提出了一种基于Ｐｅａｎｏ扫描的分级矢量量化算法，通过有效地利用数据间的相关性，改进了ＶＱ的性能．该算法先通过能比光栅扫描更好地保存二维数据间的相关性的Ｐｅａｎｏ扫描对原始图像进行预处理，再根据信号特性进行分级ＶＱ；还提出了基于Ｐｅａｎｏ扫描的平滑算法，有效地减小了方块效应的影响