数字电视广播的单频网实现及场地实验

为了实现地面数字多媒体/电视广播(DM B-T)方案的单频网(SFN)组网模式,根据DM B-T方案中的数据帧结构与绝对时间同步的特点,提出了一种基于DM B-T方案的单频网实现方法。每隔一个大帧(m ega-fram e)在M PEG-2传输码流(TS)中插入初始化包(M IP),通过检测其中包含的网络延时和时间标识信息,经过简单计算,使网络中所有发射机在时间上实现同步。通过列单频网广播的场地实验证明该方法是可行的。     

Meridian交换机的管理与维护

介绍了加拿大北方电信Meridian综合业务数字程控交换机的系统构成、使用信令、维护显示器的电路卡板及其显示内容。结合工程应用实现了Meridian系列程控交换机的初始化方法和系统重新加载过程,对交换机运行过程中的故障进行了分类,给出了判断故障的思路,最后设计了程控交换机的雷电防护方法。     

属性页构造函数与初始化函数关系的讨论

通过例子讨论了属性页类CPropertyPage的构造函数与初始化函数之间的关系,阐述了两者的调用时机以及由于调用时机的不同所产生的问题和解决的方法．     

结构拓扑优化中水平集方法的快速初始化研究

水平集方法是求解结构拓扑优化问题中的一种有效方法,该方法主要缺陷是每隔一定时间需要重新初始化水平集函数.因此,本文提出了一种基于偏微分方程和快速步进法的初始化算法.所提出的算法能够区分任意形状的闭合曲线或曲面的内外部,改进了以往初始化算法的数值不稳定缺陷,从而使水平集方法的计算效率和稳定性有了显著的提高.最后,通过算例验证了该算法的有效性.     

恒模算法的一种在线自适应初始方法

利用恒模均衡器与维纳均衡器之间的关系,在Lang Tong等人提出CSR CMA的基础上,使用了一种新的初始化方法,对传统的恒模算法(CMA)进行了改进,使其可以在线自适应调整其初始权值,从而可以改善恒模算法的收敛性能,并防止恒模算法的误收敛。计算机仿真试验验证了改进算法优良的收敛性能。     

基于粒子群算法的同步时序电路初始化

针对同步时序电路的初始化问题,提出了一种新的实现方法。当时序电路中有未确定状态的触发器时,就不能顺利完成该电路的测试生成,因此初始化是时序电路测试生成中的关键问题。时序电路初始化的核心就在于寻找一个测试序列,把电路引导到一个确定的状态。利用粒子群优化算法生成最短的初始化序列,使最优粒子最大限度地初始化电路中的触发器。针对ISCAS’89标准时序电路的仿真结果表明,与其他现有初始化方法相比,该算法能在初始化触发器数量和序列长度上取得更好的结果,证明了该算法的有效性。     

基于数字相关法初始值优化的微悬臂梁弯曲变形与应变测量方法

提出了一种基于数字相关法初始值优化的微悬臂梁弯曲变形与应变测量方法.基于放大的微悬臂梁表面的纹理特征,在尺度空间内进行特征点的测量与匹配,在特征点处进行高阶的数字相关法计算以得到变形参数;将特征点处的变形参数进行二维插值运算以得到任意像素点处变形参数的初始值;采用牛顿拉普森迭代方法计算在特定网格点处的变形参数,进而得到网格点处的位移和应变.通过仿真变形图像的计算结果来确定数字相关法的设定参数,对实际的微悬臂梁变形图像进行应变场计算,并与有限元法的计算结果进行比较,以验证所提出方法的有效性.     

一种优化初始聚类中心的k-means算法

随机选择初始聚类中心的k-means算法易使聚类陷入局部最优解、聚类结果不稳定且受孤立点影响大等问题.针对这些问题,提出了一种优化初始聚类中心的方法及孤立点排除法.该算法首先选择距离最远的两点加入初始化中心,再根据这两点将原始簇分成两个聚簇,在这两个簇中挑选方差较大的簇按照一定的规则进行分裂直至找到k个中心,初始中心的选择过程中用到孤立点排除法.在UCI数据集及人造含一定比例的噪音数据集下,通过实验比较了改进算法与其他算法的优劣.实验表明,改进后的算法不仅受孤立点的影响小、稳定性好而且准确度也高.     

快速小波域隐马尔可夫模型的图像去噪

在分析小波系数的指数衰减性和延续性的基础上，提出了一种模型参数初始化的方法．MATLAB仿真实验结果表明，该方法给出了合理的模型参数初值，在有效缩短训练时间的同时能获得较理想的去噪结果。     

基于精英高斯学习的改进鱼群粒子群混合算法

为提高算法在高维函数上的寻优性能,提出改进鱼群粒子群混合算法。该算法将鱼群算法全局搜索性能好与粒子群算法局部搜索性能强的优点相结合,在寻优初始阶段采用鱼群算法获得最优群体,在后期用粒子群算法实现精搜索。针对初始种群随意性大、分布不均的问题,通过均匀初始化,优化初始种群的分布; 并对算法全局搜索方向性差、效率低的问题,采用仿照蛙跳算法的分组方式对种群进行分组,同时对组内优秀个体和一般个体使用不同搜索策略,提高搜索的目的性和效率。引入改进的精英高斯学习,从而提升最终结果的精度。利用该算法对6 个标准函数寻优并与其他算法比较,结果表明,该算法的改进有效且性能优于其他算法。