高速背板互连的信号完整性仿真方法

提出了一种高速背板互连的信号完整性仿真方法。高速接插件的厂商只提供参数模型,借助矢量拟合方法可以推导出电路模型,再使用部分元等效电路法仿真走线得到等效电路模型。推导出联合仿真的方法,实现了高速背板互连的信号完整性仿真。通过等效电路的仿真结果和厂商提供的原始参数进行的比较,以及部分元等效电路法与商用软件仿真结果的比较验证了等效电路的正确性。最后对完整的板间互连通道进行了仿真,并将最终的仿真结果与商用软件的仿真结果进行了比较,证明了所提方法的正确性,给出了整个通道眼图仿真分析结果。     

基于帧间单映变换的视频序列超分辨率重建

针对帧间单映变换的视频序列提出了一种超分辨率重建算法。首先在最小二乘的基础上给出超分辨率重建的数学模型;其次采用基于模型的等级估计法估计相邻帧的单映变换矩阵;然后采用基于RANSAC的特征点匹配方法对非相邻帧进行带指导的改进估计,使其能够达到要求的亚像素级精度;最后运用共扼梯度算法进行迭代重建,并详细讨论了主要的矩阵向量乘法计算。实验结果表明该算法的重建相当有效。     

基于改进Paik型Hoptield网络的图像复原

针对图像复原提出了一种改进的Paik型Hopfield网络神经元状态变化规则,在此基础上详细讨论了全并行算法的收敛性、残值误差和能量变化,并依据"由粗至精"的思想和相邻精度层能量变化差估计提出了一种改进迭代算法.仿真实验表明该方法能无限逼近能量极小点,大大提高了Paik型Hopfield网络的精度和收敛速度.     

基于神经网络的Smith补偿PID控制设计

针对工程实践中常见的纯滞后对象,在Ｓｍｉｔｈ补偿控制基础之上,利用人工神经网络的非线性映射功能对控制对象进行在线辨识,达到对时滞补偿预报的目的;利用神经网络ＰＩＤ控制器（Ａｄａｌｉｎｅ网络）代替常规控制器,实现了对时滞复杂对象的在线自适应控制;并根据ＩＴＡＥ性能指标原则对神经网络控制器参数进行整定,得到一组经验公式。仿真结果验证了本文神经网络控制方案的有效性。     

零陷可控的低旁瓣频率不变宽带波束形成

在基本的傅里叶变换频率不变波束形成器(frequency invariant beamforming, FIB)的基础上,提出了快速可控零陷低旁瓣宽带FIB优化方法,该方法将固定角度方向图零陷约束和等波纹原型滤波器加入FIB的设计,实现了零陷可控的低旁瓣FIB。同时,还开展了FIB抽头系数的稀疏优化,有效的降低了算法实现的运算量。仿真结果验证了所提的方法在一维均匀线阵和二维均匀面阵上的正确性和有效性。     

基于改进Paik型Hopfield网络的图像复原

针对图像复原提出了一种改进的Paik型Hopfield网络神经元状态变化规则,在此基础上详细讨论了全并行算法的收敛性、残值误差和能量变化,并依据"由粗至精"的思想和相邻精度层能量变化差估计提出了一种改进迭代算法.仿真实验表明该方法能无限逼近能量极小点,大大提高了Paik型Hopfield网络的精度和收敛速度.     

基于PDE演化的视频图像序列超分辨率重建

在加权最小二乘的基础上,结合PDE正则化,提出了一种视频图像序列超分辨率重建的自适应滤波方法.详细讨论了运动补偿矩阵和权值矩阵的构成和性质,推导并给出了滤波器的递推公式.仿真试验表明该算法的重建结果相当有效,具有一定的自适应性和鲁棒性.     

BP自达应学习率设计

在神经网络的训练当中存在“过学习”现象以及参数难以选择的困难，本文指出了大多数自适应BP算法在学习率自调整中存在的问题，事后矫正，同时通过极其简单的优化手段，为当前权值的每一次调整选择一个次优（甚至最优）的学习率，从而改善了训练过程的平衡性和快速性，并且有效地解决了神经网络的“过学习”问题。     

BP自适应学习率设计

在神经网络的训练当中存在“过学习”现象以及参数难以选择的困难 .本文指出了大多数自适应 BP算法在学习率自调整中存在的问题 :事后矫正 ,同时通过极其简单的优化手段 ,为当前权值的每一次调整选择一个次优 (甚至最优 )的学习率 ,从而改善了训练过程的平稳性和快速性 ,并且有效地解决了神经网络的“过学习”问题     

二维数字阵列三阶泰勒展开单脉冲角度估计

全数字或相控阵子阵结构的数字单脉冲测角一般都采用基于单脉冲比一阶泰勒展开的测角公式,主瓣干扰下的自适应数字单脉冲测角也采用鉴角曲线斜率约束的方法,这些都会导致和波束主瓣宽度内偏离波束指向较远目标的测角偏差增大。〖JP3〗为了解决上述问题,针对任意二维数字阵列结构,推导了基于单脉冲比三阶泰勒展开的二维单脉冲测角公式,分析了公式求解的收敛问题。仿真结果表明所提方法对和波束主瓣范围内的目标均有较小的测角偏差,可以有效地提高主瓣干扰下的测角性能。该方法在提高测角性能的同时运算量增加不大,适合工程实现。