具有完全重构二维FIR菱形子带滤波器组的设计

提出了一种具有完全重构的二维零相位有限冲击响应（ＦＩＲ）菱形子带滤波器组的设计方法，该方法采用变量代换并通过调整窗函数的参数和传递函数来改变频率特性、能方便，灵活地控制频率特性，设计实例表明，所设计的滤波器频率特性较好，用设计的滤波器对一真彩色内窥镜图像进行处理，达到了满意的效果。     

多分辨率多传感器动态数据的融合和应用

基于线性均方估计建立了q叉树的多尺度自回归模型。该模型应用于分布式多分辨率多传感器进行建模，可实现多分辨率多传感器的动态数据融合。将该算法用于高精度划线切割机器人系统中多传感器的建模，实现了型钢划线切割过程中型钢边缘的动态检测。实验结果表明，多分辨率多传感器数据融合可消除噪声的干扰，提高检测系统的测量精度和整个加工系统的加工精度。     

拟人多关节假手动力学的计算机模拟

本文主要讨论确定假手各关节转角(广义坐标)的变化规律,提出了一种反馈补偿算法。这种算法的实质是利用计算机来进行假手几何模型的数值求解。研究表明,该方法具有速度快、精度高等优点,可以广泛适用于不同参数、不同结构的假手计算。     

一种基于段间距离测度的语言自动分割方法

根据连续语音中不同类语音段之间内在的相异性,提出了段间距离的概念,并基于特征矢量距离给出了段间距离的一种测度。在此基础上,提出一种新的语音自动分割方法,它根据语音段间距离曲线的峰值点对语音音素进行分割,而不需要关于语音单元的先验知识或参考模型,在该方法中,语音特征矢量按帧计算,通过采用适当的帧重迭度,可以使语音分割具有较高的时间分辨率,实验结果表明,该方法具有较高的分割精度和速度。     

结肠压力数据的自组织聚类分析

结肠测压对结肠运动障碍疾病，如慢传输型便秘（Slow Transit Constipation,STC）的诊断有较高的价值，但由于它是介入性检查，实施起来很不方便。为此，对实际采集的结肠压力信号进行特征提取，采用自组织特征映射的方法进行结肠压力信号的自聚类和识别。结果表明，这种方法可以区分正常与异常的结肠压力信号，与初始的医疗诊断相符合，可以作为判断肠道运动性能的辅助诊断手段，为根据结肠压力信号进一步识别肠道的动力性能、诊断STC奠定了基础。     

D-S证据推理在信息融合应用中的存在问题及改进

在不确定性处理算法中 ,D -S证据推理方法具有较好的应用结果。阐述了D -S证据推理及其在多传感器信息融合中的应用 ,重点论述了证据理论中尚待解决的问题。针对D -S组合规则无法解决冲突证据这一情况 ,提出了引入修正因子的改进方法来体现证据子集大小。仿真结果表明 ,该方法能够将证据权重聚焦到集合中更小的子集 ,并解决了不一致证据的合成问题 ,使组合结果更加直观。最后讨论了D -S理论的进一步研究方向     

拟人多关节假手位置控制参量算法的研究

多关节机械手广泛用于工业、国防、宇宙和海洋开发、医疗卫生等方面。拟人多关节全臂假手是用于截肢者的一种机械手。在本文中,利用座标变换矩阵对假手进行了各关节运动参数的求解,推出了一套作为该假手位置控制变量——各关节转角的计算式。此外,本文又运用简易位置控制算法——空间单元法来代替上面所推导的、复杂的间接位置求解公式,对控制变量进行简化计算,以克服实时控制障碍。本文所讨论的方法,可适用于其它各种用途的机械手。     

基于最小分类错误训练的神经网络分类器设计

提出了一种基于最小分类错误（MCE）训练的采用多层感知器（MLP）结构的模式分类器设计方法。这是一种以分类错误率最小化为目标的模式分类器设计方法，将它用于MLP分类器设计能够进一步提高分类器的性能。采用MLP实现MCE训练中的分类损失计算，从而将MCE训练过程与MLP分类器设计统一在一个神经网络结构中，通过BP算法予以实现。这不仅能达到提高MLP分类器性能的目的，而且简化了它的设计过程。     

多传感器数据融合在切割机器人系统中的应用

为了对造船中所用型材变形进行在线检测，在高精度划线切割机器人系统中，建立了多传感器检测系统，引入基于小波变换和虚拟噪声自适应卡尔曼滤波的多分辨率最优多传感器数据融合方法，实现了对噪声统计量缺乏先验知识和模型参数不确切的多分辨率多传感器的数据融合。实验结果表明，多传感器数据融合可以有效地实现变形型材的在线检测，提高系统的测试精度和可靠性。     

基于神经网络的人工肌非线性控制

运用非线性控制的逆系统方法,提出了一种基于神经网络的人工肌非线性控制方案,由原系统导出n-m阶逆系统模型,并与原系统一起构成具有反馈结构的伪线性系统,从而可方便地运用线性控制理论完成对控制系统的设计,用BP神经网络逼近逆系统模型,并借助于递推预报误差算法来训练神经网络,该算法与传统的BP算法相比具有更好的收敛特性,设计了一个具有单关节的人工肌试验系统,给出了人工肌关节跟踪正弦波和矩形波参考信号的试验结果,与传统的线性控制方案比较,基于神经网络的人工肌非线性控制方案能够得到更快的控制速度和更高的控制精度。