基于Altera DE2板的数字逻辑电路课程EDA实验内容的设计

在分析数字逻辑电路课程中开设EDA实验内容的基础上,结合Altera公司的DE2板,设计了适合数字逻辑电路课程的三个EDA实验内容。实验结果表明了所设计的三个实验内容符合进入专业基础课程阶段的中低年级学生学习基于FPGA的可编程技术基本知识和技能,学生通过设计的实验能掌握QuartusⅡ软件的使用。     

新型有源模拟电感及其应用

基于新型电流模式器件CFTA,设计了一个接地模拟电感和一个浮地模拟电感,其电路的特点是:使用接地电容,有源元件及其输入、输出端数最少.为证实电路工作的可靠性,基于该模拟电感,利用元件替换法,分别设计了电流模式三阶巴特沃斯低通和高通滤波器,其极点频率为100 kHz,通带增益为0.5,计算机仿真表明:所设计的电路正确有效.     

三维Boussinesq方程在有界区域的爆破性准则(英文)

研究了三维Boussinesq方程在带有光滑边界条件下有界区域的爆破性问题,由于耗散项和边界的影响,证实了方程中速度项的梯度控制其解的爆破性,并且速度场比温度函数起着更重要的作用.     

一个切换混沌系统的设计与FPGA实现

为克服低维混沌系统随机性差的问题,基于混沌的反控制理论,用反馈控制法构造了一个新的混沌系统,提出了一种组建自动切换混沌的新方法,从理论分析、计算机仿真和电路实验3个方面,对切换系统进行了分析,利用EDA(electronic design automatic)技术在FPGA(field programmable gate array)平台上实现了这个切换混沌系统,实验结果与理论分析、计算机仿真结果完全一致,证明了这个切换混沌系统是切实可行的。     

电动机保护用低压断路器的选择

介绍了低压断路器的分类以及常用参数的含义,阐述了电动机保护用低压断路器的基本选择原则,讨论了在不同主回路中电动机保护用低压断路器脱扣器的选择。     

基于MULTISIM11的多路抢答器控制电路的设计与仿真

论文主要对多路抢答器的控制电路进行设计,并在MULTISIM11环境中进行仿真分析,通过仿真说明该电路具有控制功能。     

单片机控制液晶屏接口电路的设计与实现

介绍了HD 44780型LCD液晶显示模块控制器及工作原理,用AT89S51单片机实现LCD控制电路,源程序用C语言编程,最终实现了液晶屏界面的中英文及点阵画面的静态和动态显示.     

物体密度测量实验方法的改进

基于桥式电路测量原理的分析,针对目前大学物理物体密度测量实验,设计了一种桥式电路测量方法.将密度测量与电学结合,可实现计算机在线实时检测,提高了学生的动手能力和综合能力.     

一种改进的典型相关分析方法及其应用

传统典型相关分析准则函数在界定同组特征矢量中各元素之间不相关时采用乘法运算,易出现无法保证两组特征矢量同时达到同组元素协方差意义下最小的问题。为解决这一问题,提出了一种改进的典型相关分析方法,对典型相关准则函数分母部分进行修正,将其中的乘法改成加法,对该方法进行推导得到投影矫正系数,该系数对两组特征矢量特征方程进行调整,保证两组特征矢量同时达到同组元素协方差意义下最小。该方法有效地改善了融合效果、提高了人脸识别的正确率。在ORL和Yale人脸数据库上的实验结果都验证了其有效性。     

基于岭回归径向基神经网络的MIMU误差建模

对MEMS（Micro Electro Mechanical systems微电子机械系统）IMU（Inertial Measurement Unit惯性测量单元）的随机漂移和误差进行建模和补偿是提高捷联惯导系统性能的主要方法之一。为了避免径向基（RBF）神经网络输出之间可能存在的复共线性,更加准确有效的对MIMU的输出误差建模,提出将岭回归径向基神经网络用于MIMU的误差建模中。通过与时间序列建模方法的仿真比较表明,在对MIMU误差补偿上所建立的岭回归RBF网络与四阶AR模型方法精度相当,比一阶AR模型精度高,而且无需对数据平稳性处理。

Abstract：

It is one of the main methods to improve the performance of Strap-down Inertial Navigation System for compensating the random drift and bias of MEMS （Micro Electro Mechanical systems） IMU （Inertial Measurement Unit）. In order to eliminate latent multicollinearity of radial basis function neuron network output layer and model the drift and bias of MIMU accurately,the radial basis function neuron network based on ridge regression method was proposed which was applied in modeling and compensating MIMU errors. The simulation shows,compared to the AR model,the precision of compensation of MIMU error using radial basis function neuron network based on ridge regression method is equal to the fourth order AR model,better than first order AR model,and no data stabilization processing.