集成有源负载放大器的研究

本文重点介绍了集成有源负载放大器的分析方法,并以镜像电流源为例详细介绍、对比了两种方法(图解分析法和微变等效电路分析法)。此外,介绍了用厄雷电压计算 Av 的简便方法。     

一种新的基于Kohonen网络的图像矢量量化

矢量量化是一种重要的数据压缩方法.本文利用Kohonen自组织映射神经网络进行矢量量化,首次较为详细地讨论了具体实现的步骤与细节,并在此基础上为改善边缘质量,提出一种基于Laplas算子检测边缘弓引导神经网络训练的方法,并通过实验证明其效果是明显的.     

jj耦合g因子

本文从矢量模型出发，导出纯ｊｊ耦合下ｇ因子表达式，并证明了当近似取ｇｓ＝２时，该式等价于量子力学的ｇ因子矩阵略去非对角元的结果，说明了矢量模型的近似程度。     

向量变分不等式解的存在性

利用广义向量平衡问题解的存在性结论，给出了向量变分不等式解的存在性定理。     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

高阶微分中值定理及其应用

利用向量形式的微分中值定理,把一阶微分中值定理推广到全新的高阶微分中值定理,并研究了它的应用．     

恒功率用电器电路研究

讨论了含恒功率用电器、电阻和电压源电路的基本规律，分析其工作原理并计算电路特性方程，阐述了在设计供电系统应用恒功率用电器新的特殊性质和特点，说明恒功率用电器还可用于其它方面的实践。     

自适应格型预测语音子带编码

提出了一种自适应格型预测子带编码的语音编码方法。该方法在输入语音作子带分解的基础上，用自适应格型预测的方法对低频子带进行编码，用矢量量化的方法对高频子带进行编码，在相同码率的情况下，提高了编码的量化信噪比，改善了重建语音的质量。     

SOFM和HMM在矢量量化码本优化中的应用

在语音压缩编码中，矢量量化占有很大比重和计算量。码本的好坏与方法的选择有很大关系。将基于神经网络的ＳＯＦＭ（自组织特征映射算法）和ＨＭＭ（隐含马尔可夫过程）应用于矢量量化，从而产生更为优良的码本。     

塔形矢量量化图像编码技术的研究与实现

针对矢量量化图像编码技术中编码的复杂度随码矢的维数呈指数增长这一缺陷，本文提出了一种基于训练码矢塔形结构的快速算法。经实验证明，采用该方法可大大加快编码的速度，从而提高了编码的效率