身体训练效果量化评定方法

应用马尔可夫链原理,采用数理统计方法对身体训练效果进行量化评定,在准确地反映身体训练水平状况的同时,作为身体训练调控的辅助性检查、分析和预测手段,评定的结果为训练过程提供准确的反馈信息     

企业技术创新过程的阶段性与风险收益区研究

从全新的视角将系统工程思想和寿命周期理论引入企业技术创新活动过程分析,指出企业在创新过程中,存在着高风险负（无）收益、低风险高收益和（系统外）高风险（较）高收益三个不同的风险收益区。运用随机系统理论,较深入地研究了各风险收益区之间的概率转移关系,并将不同风险收益区的主要影响因素矢量化为风险阻力,创新引力和竞争激力三个系统作用力,在此基础上,提出了企业可持续技术创新的相应对策。     

基于自组织特征映射的神经网络的矢量量化

本文设计了一种神经网络矢量量化编码方法－基于自组织特征映射的神经网络的矢量量化,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。该神经网络速度快,效率高,适用于语音和图象数据压缩,并对SOFM算法应用于图象矢量量化进行系统的研究。     

一种基于小波变换的静止图像编码方法

通过对小波函数、Mallat多分辨分析等小波变换的有关概念和理论的介绍,以及对矢量量化方法的分析,提出了一种基于小波变换和矢量量化的图像编码方法,并在计算机上模拟实验,得到较好的重建效果。     

球面超声相控阵列及其相位与幅度调控精度

研究了一种不等间距排列的球面相控阵列及其相位和幅度调控量化误差对声场的影响,结果表明,不等间距排列大大降低了栅瓣,同时其相位与幅度调控精度不会改变焦点声场的主瓣和栅瓣的益,但对主瓣由于表明显的影响,4位的调相和调幅精度可以较好地满足设计要求。     

使用进化策略的图像矢量量化

在分析自组织特征映射（SOFM）算法的基础上,把进化策略引入到矢量量化设计中,在将SOFM算法作为基本聚类算法的前提下,基于等误差原则,利用最大最小原则改变各区域聚类点,使各子区域的误差趋于相等。使用进化策略在子区域误差大的聚类点附近产生新的聚类点,从而调整各个区域的子误差,进一步改善总期望误差。实验证明该方法可克服基本聚类算法落入局部最化的局限。在对Lena图像进行量化的过程中,改善了码书矢量,提高了码书矢量,提高了量化后图像的质量。     

PVQ的标号算法

PVQ(Pyramid Vector Quantization)是一种格型矢量量化技术,它可用于压缩子带分解／小波变换或DCT变换产生的拉普拉斯信源,本论述了二种新的用于PVQ的标号算法;幅度标号法（Magnitude Enumeration)和条件乘积码标号算法(Conditional Product Code Enumeration),对于区的划分方法都不相同。     

一种提高A/D系统分辨率的通用方法

提出了在量化单位受系统噪声限制的条件下,提高A/D系统分辨率的一种有效方法－梯度均值法.对梯度均值法的工作原理给出了严格的数学论证,并与普通的统计均值法进行了性能对比分析.该方法的原理可推广应用于任一量化系统,在达到相同分辨率的条件下,与普通均值法相比响应速度大为提高.     

变比特率均值匹配相关矢量量化图像编码算法

矢量量化(VQ)是一种有效的数据压缩技术。为找出与输入矢量最匹配的码字,传统的穷尽搜索矢量量化编码算法需要计算输入矢量与所有码字之间的失真测度。码书大小和矢量维数越大,穷尽搜索矢量量化编码的计算复杂度就越高。为了降低穷尽搜索矢量量化器的编码复杂度,本文提出了一种用于快速图像编码的均值匹配相关矢量量化器(MMCVQ)。在编码前,首先计算所有码字的均值,然后按照这些均值从小到大对码书进行排序。编码阶段,利用邻近图像块的高度相关性和当前输入矢量的均值共同确定相应的码字搜索范围。实验结果表明,当阈值大小为320时,与传统穷尽搜索矢量量化编码法相比,虽然MMCVQ算法的编码质量下降约0.3～0.4dB,但速度快14倍而且比特率下降0.1～0.2比特像素。     

线性相位频率取样FIR滤波器量化误差的分析

主要分析了线性相位频率采样FIR滤波器中的量化噪声,并给出计算公式。