一种基于电流传送器的电流模式N阶滤波器设计

提出了一种基于第2代电流传送器的电流模式N阶滤波电路.该电路由n个电流传送器(CCII+)、3n个无源元件构成,能实现N阶低通、带通、高通滤波功能.以2阶滤波器为例分析了电路的无源、有源灵敏度,分析数据表明无源、有源灵敏度都很低.最后对该电路用Pspice进行了仿真,仿真结果表明该电路设计正确.     

用第三代电流传送器设计电流模式有源滤波器

提出了一种利用第三代电流传送器设计电流模式有源滤波器二阶节的方法,用该法能生成诸如低通、高通、带通、带阻、全通等各种标准电流模式二阶节,这些滤波器具有低元件参数灵敏度和高输出阻抗,级联可实现高阶电流模式滤波器。     

一种新颖的电压模式三输入单输出双二阶滤波器设计

提出了一种采用第2代电流传送器构成的电压模式三输入单输出通用双二阶滤波电路.该电路由2个电流传送器(CCII+/-)、3个电容、2个电阻构成,它能实现二阶低通、带通、高通、陷波、全通滤波函数,电路的无源、有源灵敏度很低.对该电路用PSPICE进行了仿真,仿真结果表明该电路设计正确.     

电流模式神经网络

把电流模式电路引进了神经网络理论，提出了一种用电流模式电路构成的神经网络阈值处理单元，并由此构成了电流模式Ｈｏｐｆｉｅｌｄ神经网络，此网络中信号都是以电流的形式出现的。     

一种新颖的基于CCⅡ+/-电压模式双二阶滤波器

提出了一种新的用电流传送器设计的电压模式双二阶有源滤波器结构.无须改变输入点位置和有源器件,仅改变少数无源器件参数便可实现低通、高通、带通、带阻、全通等各种滤波功能.这些滤波器具有低的元件参数灵敏度和高输入阻抗,且各滤波电路的零、极点参数均可独立调节.计算机仿真表明设计方案正确.     

一种新的单CCⅡ-实现二阶电流模式滤波器

提出了用单ＣＣⅡ－实现二阶电流模式滤波器的新电路,仅用少量元件,即能实现二阶低通、带通滤波函数。电路用Ｐｓｐｉｃｅ程序进行了仿真。该电路具有电路简单、集成方便,无源灵敏度低等优点。     

基于第3代电流传送器的电流模式有源滤波器的设计

 设计了一种有源滤波网络,提出了一种基于第3代电流传送器(Third-Generation Current Conveyor,CCⅢ)的电流模式二阶滤波器的系统设计方法,导出了该系统的设计公式,其电路由1个CCⅢ+和4个无源元件构成,可实现二阶低通、高通、带通滤波功能.各滤波电路具有很低的无源灵敏度和有源灵敏度,端口网络电路简单,电路结构固定,通过级联易生成高阶滤波电路.用PSPICE对电路进行了仿真,仿真结果表明,设计理论正确,设计方法可行.     

用单CC实现电流模式滤波器

提出了用单 CC 实现电流模式双二阶滤波器 ,通过将不同的网络 N与单 CC 连接 ,即能在电流传送器的输出端实现二阶低通、高通、带通、陷波和全通滤波函数 .讨论了滤波器的灵敏度 ,完成了实际电路 MOS管级的计算机仿真 .该电路不仅结构简单 ,无源灵敏度低 ,而且直接从 z端输出 ,因而具有带负载能力强的特点 .     

用单CCⅡ实现电流模式滤波器

提出了用单ＣＣⅡ实现电流模式双二阶滤波器,通过将不同的网络Ｎ与单ＣＣⅡ连接,即能在电流传送器的输出端实现二阶低通、高通、带通、陷波和全通滤波函数,讨论了滤波器的灵敏度,完成了实际电路ＭＯＳ管级的计算机仿真。该电路不仅结构简单,无源灵敏度低,而且直接从ｚ端输出,因而具有带负载能力强的特点。     

一种基于新型偏置电路的CMOS第二代电流传送器

讨论第二代电流模式传送器 ( CC )电压缓冲器的解决方案 ,通过理论方法及计算机仿真对缓冲级的增益和阻抗进行比较分析 ,提出一种基于加偏压设计的新型 CC .仿真结果表明 ,改进方案的 THD比未改进方案的 THD改善 1 0 d B以上     

运用CCCII＋完成n阶通用电流滤波器设计

提出基于CCCII＋的n阶通用滤波器的系统设计方法．即n阶通用滤波器由n个CCCII＋、n个电容和一电流网络组成。通过对加权系数的适当调整和组合得到不同的输出电流,实现了低通、高通、带通电流滤波器。这种设计易于集成。经过Pspice仿真低通、高通、带通滤波器,与理论计算值吻合,验证了方法的正确性。     

用于前馈神经网络的遗传设计

在人工神经网络应用中,由于存在网络规模和拓扑结构难以预先确定,网络学习速度慢,且易于收敛到局部最优点等问题,有关文献提出了采用基于遗传算法（ＧＡｓ） 思想进行设计和学习的方法,该方法能够同时确定网络的结构及有关参数。该文在此基础上,对此方法进行了改进,改进之处在于,采用浮点数矩阵来表示编码,同时对于遗传算法的进化过程也进行了一定的改进,使该方法能够接受一定的约束条件。针对前馈型神经网络,该方法在满足一定约束条件的情况下,能同时有效地寻找到合适的网络结构和相应的参数（ 神经网络的权值和阈值） , 新方法较原方法在精度和速度上都有较大的提高。     

网络设计中集中器定位问题的神经网络解决方法

给出了用于解决网络设计中集中器定位问题的神经网络方法，这类容量受限的集中器定位问题是求最小总花费的NP完全问题，利用拉格朗日乘数法和惩罚函数构造神经网络动态系统的微分方程，采用专门的神经网络可以有效解决，模拟结果表明，这种神经网络方法有效可行，并能求出最优解或近似最优解。     

一种新型联想记忆神经网络

提出了一种新型联想记忆神经网络,记忆容量接近2^N,完全消除了假模式,具有多模式回忆能力,同时具有较高的记忆效率;模式的各个分量分别存储在网络的N个连接中,这些连接构成一个通过网络中所有神经元的被称为“模式环”的单环回路;网络中处理和传递的信号为神经元编号组成的序列,神经元执行一组处理这种序列的符号和逻辑运算;连接由“连接状态”和“禁止路径”组成,前者用于存储信息,后者用于抑制网络中出现的假模式。     

一种用于非线性逼近的新型模糊神经网络

针对一般非线性映射的逼近问题，提出用分域逼近的通用算法来实现全局逼近，并据此构造了实现该算法的新型模糊模糊神经网络。通过仿真，将新型模糊神经网络和常用的BP和RBF两种神经网络进行比较。结果表明，该新型模糊神经网络的非线性逼近能力明显优于后两者，且权值具有明显的几何意义，设计难度相对较小，可用于解决复杂非线性函数的逼近问题。     

一种新的电液伺服系统神经网络自适应控制

提出一种基于直接模型参考的神经网络与滑模变结构控制相结合的神经网络自适应控制方法并对电液伺服系统进行控制,仿真结果表明用该控制方法的控制系统能实现较高粗度的控制,且具有较强的鲁棒性和自适应能力,具应用价值。     

一种应用于模式识别的神经网络模型

本文首先引入了感知神经元，建立了一种应用于模式识别的三层神经网络模型．对于任一组二元标准模式（二元图象或特征值序集），我们根据给定模式及要求设计神经网络，使之对输入模式进行识别．这种神经网络结构明确，易于实现，其实施有助于提高模式识别系统的执行速度与识别能力．     

一种新的神经网络畸变不变模式识别方法

本文以Ｗｉｄｒｏｗ等人的方法为基础，提出一种新的神经网络畸变不模式识别方法－－最小距离畸变不变模式识别网络。数值模拟显示，新方法具有完全的畸变不变性，相当高的识别精度、实时的识别速度、强大的抗噪能力、极短的自适应时间以及显著降低的运算量。     

伪线性神经网络

给出了多输入－多输出（MIMO）的伪线性神经网络（PNN）结构与模型。PNN的构成是基于Gain-schedu-ling 控制技术与扩展线性化方法。还讨论PNN的递推预报误差的二阶学习算法（RPF）和训练过程中，并通过对多变量、强耦合的非线性加热炉的动态建模,证明了用PNN建模，效果良好，且具有训练参数少，收敛 速度快，准确性高等良好性能。     

基于神经网络的数据融合技术的新进展

为了使系统自适应、并行、高速地融合多源数据，近代融合方法越来越多地将人工神经网络应用其中．详细论述了几种近10多年来出现的新的神经网络算法在数据级、特征级、决策级的应用，提出了部分改进算法，给出了融合结构及对算法的评价结果，同时介绍了人工神经网络在融合数据前处理方面的应用。并展望了神经网络的发展趋势．