微波放大器Rn-Gn噪声模型阻抗变换测量方法

为了使接收微波放大器在工作频段上具有较小的噪声，讨论了如何使用M-Lane方法，结合自行研制的精密阻抗变换器，得到微波放大器Rn-Gn噪声模型中包括最小噪声系数Fmin在内的4个参数，使设计的放大器工作在匹配状态，Fmin可达到2．32dB，测量时间也大大缩短，结果稳定，为进行微波放大器低噪声设计提供了一个快速准确的方法。     

二端口网络噪声谱矩阵理论

信号检测系统中关键部件之一的低噪声前置放大器,通常是由低噪声放大器件及反馈网络联接而成.电路低噪声设计目的不仅是计算放大器的最佳源阻抗及最小噪声系数,而且要通过改变电路形式及反馈元件参数全面比较其性能,以期有好的噪声性能指标同时,能兼顾放大器其他性能指标.国内外现使用的噪声源迭加法是对电路中每个噪声源分别计算输出噪声功率,通过功率迭加法得到总输出噪声功率后,再等效到输入端的电压噪声E_n及电流噪声I_n,从而求出最小噪声系数及最佳源阻抗.由于电路中(特别是器件内部)有大量噪声源,这种方法的计算量十分惊人.而且由于噪声源之间相关性无法考虑,使计算误差较大(最多可     

线谱对参数的一步插值预测矢量量化

利用语音短时谱变化相对较慢、其邻近ＬＳＰ（ＬｉｎｅＳｐｅｃｔｒｕｍＰａｉｒ）失量存在充分相关这一特性，提出了一种新的谱编码方法，即ＬＳＰ编码的一步插值预测矢量量化。本文设计了一个１８ｂｉｔ／ｆｒａｍｅ分裂矢量量化方案用于量化预测残差，当帧变化周期为３０ｍｓ时，平均谱失真仅为１．１７８ｄＢ。     

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.     

一种基于自适应遗传算法的聚类分析方法

本文研究了基于自适应遗传算法进行聚类分析的基本原理和实现方法。自适应遗传算法不同于一般遗传算法之处是其交叉互换率与突变率这两个参数随串的适应度值而变化，极大地增强了算法的性能。实验结果表明，遗传算法应用于聚类分析能够搜索到更为精确的聚类中心值，在模式识别、数据压缩等领域有着广泛的应用前景。     

神经网络矢量量化的设计与实现

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３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     

基于SOFM神经网络的图象矢量量化的研究

分析了自组织特征映射（ＳＯＦＭ）算法,讨论了按加权函数控制邻域半径的方法,并对ＳＯＦＭ算法应用于图象矢量量化进行了系统的仿真实验研究,为实际应用提供了实验依据和基础。     

GDMO指称规范的研究

首先介绍了管理对象定义指南（ＧＤＭＯ）的主要特点，然后从语义分析的角度讨论了ＧＤＭＯ的语义，从而实现从ＧＤＭＯ到面向对象语言的自动转换。     

基于误差反传算法的时间序列非线性预测方法

讨论了基于误差反向传播算法的时间序列非线性预测方法，给出了用该方法预测的时间序列程序框图并对太阳黑子预测问题进行了计算机仿真。仿真结果表明该非线性预测方法有较好的预测效果．     

Rician/Lognormal信道调制技术误码性能分析

基于莱斯／对数正态(Rician／Lognormal)衰落信道传输时，对采用不同调制技术的误码性能进行的分析，以多径衰落和阴影效应复合影响的信道模型为基础，推导了误码率的解析表达式，通过大量的计算机仿真得出了最佳的调制方案。所得结论对陆地移动卫星通信系统的设计具有重要的意义。