低信噪比下调制信号载波相位的迭代估计

提出一种低信噪比下期望-极大值（EM）迭代估计载波相位的改进算法。对期望-极大值算法采用一种新的并行初始化方式,在可能的相位区间设置多个初始值,并对初始化后第1次迭代进行了最优选择。经过这种处理不仅可以有效避免EM算法可能收敛到局部最大值点的问题,还可以解决非数据辅助（NDA）条件下的相位模糊问题,避免了对导频序列的需求。实验结果表明,该算法能够在低信噪比下获得比以往算法更好的估计性能,而且这种并行方式的运算量大大降低,收敛的速度和稳定性都得到了保证,具有实用价值。     

802.16e系统周期测距的软件设计和实现

测距作为WiMAX上行链路调整时间偏置、功率信息和载波频率的一种方法,在系统接入和通信过程中起着重要作用.深入研究了基于ARM处理器的802.16e系统正交频分多址(orthogonal frequency division multiple access,OFDMA)物理层的周期测距的软件设计与实现,给出了802.1...     

采用改进Snake模型的胸片肺野自动分割方法

为了解决传统Snake模型应用于X光胸片肺野分割时,对人工初始化轮廓的选择敏感、对凹陷区域分割不准确等问题,提出一种基于自动初始化Snake模型的X光胸片肺野自动分割方法.该方法首先通过Otsu法对原始图像进行二值化,得到包含肺野、背景区域的二值图像,并经过图像取反和连通域处理,运用形态学方法,得到只含有肺野区域的二值图像;然后,通过边界提取,完成对Snake模型轮廓的自动初始化;最后通过Snake模型的演化,得到分割结果.实验结果表明:该方法能摆脱Snake模型对人工初始化轮廓的依赖,提高分割的鲁棒性,同时对凹陷区域的分割更准确,具有更好的分割效果.     

BP学习网络中权值的感受野型初始化研究：…

证明了齐次性和对称性是三层前向网络检罕平稳不变性和旋转不变性的充分条件。例证了权值为同心圆结构的感受野型三层前向网络是Ｔ－Ｃ问题的一个解案。从理论上说明视觉系统中同心圆结构感受的合理性。     

浅谈系统资源的泄漏问题及对策

有人说,如果使用Windows98,那么在使用了3个小时以后,最好能重新启动一次,因为它太累了.事实上确实如此,但并不是因为它太累了,而是因为系统资源的泄漏.     

计算焊接力学

本书重点介绍了计算焊接力学的计算原理和实践应用，目的是扩展计算焊接力学在焊接温度、应力和应变与焊接微观组织生长的分析能力。由于焊接的过程过于复杂，难以编码计算。为了提高对焊接的分析计算能力，经过20年的不懈努力，人们不仅发展了新的计算方法，还开发了新的工程计算软件，用来自动初始化焊接条件、边界条件、划分网格以及阶段时间处理。     

基于CAN总线的奔腾混合动力汽车控制系统设计

分析奔腾混合动力汽车的整体控制要求以及各控制模块之间的任务分配.在研究CAN总线通信技术的基础上,选取MC9S12DP512作控制芯片,设计CAN通信模块的硬件电路和软件工作流程,给出CAN模块的初始化实例.根据HEV发动机和传动系统的特点设计了整车控制策略,并对其整车控制逻辑的软件实现进行说明.     

三维变分映射资料同化技术在台风数值模拟上的应用实验

台风移动路径及登陆是台风预报中的关键问题,提高台风初始分析场质量是改进台风数值预报效果的重要途径之一．文中首先对目前国际上占优势的变分资料同化方法：三维变分资料同化（3DVar）、四维变分资料同化（4DVar）和作者近年提出的三维变分映射资料同化方法（3DVM）的理论进行了简单的比较分析;然后基于MM5-4DVar的系统构建了MM5-3DVM系统;最后以9914号台风Dan为例,利用该系统设计了17组同化卫星AMSU-A反演的温度和风场资料及人造涡旋海平面气压场资料的数值实验,初步探讨3DVM技术对提高台风初始场质量的有效性．与4DVar的对照实验表明：通过文中3DVM系统得到的初始台风结构相对更合理,更能改善台风的模拟,特别是路径预报．敏感性研究表明：初始涡旋的大小、同化时间窗口的长短和信息量的强弱对台风路径和强度变化的敏感性,3DVM比4DVar技术更为稳定．特别地,3DVM利用历史资料只需低廉的计算代价进行初始化,这是符合业务预报需求的．     

BP神经网络初始化方法研究

提出一种等比例系数型BP神经网络权值和阈值的初始化方法,该方法可将S型传递函数的自变量转化到区间[0,1）上,从而提高网络的收敛性能.从理论上证明了该方法的可行,并通过非线性函数y=x12＋x22的拟合实验,证明了该方法是有效的.     

一种增量式MinMax k-Means聚类算法

针对MinMax k-means算法易产生空解、 收敛速度慢和计算效率低的问题, 提出一种增量式MinMax k-means聚类算法. 该算法从给定的初始聚类个数开始, 以固定步长递增式产生新的聚类中心, 采用基于数据均衡的快速分裂方法产生增量聚类中心, 从而避免了传统增量聚类中心选择中遍历数据、k-means聚类算法运行次数过多导致的大计算量问题. 与MinMax k-means及相关算法的对比实验结果表明, 该算法在计算效率和求解精度上均优于对比算法, 有效改善了MinMax k-means聚类对初始化中心敏感和易产生空解的问题.