一个基于神经网络的测试生成系统

介绍了一个基于组合电路的Hopfield神经网络模型的测试生成系统,系统中运用概率松驰搜索算法求解给定故障的测试矢量。实验结果表明了该系统的可行性。     

CDMA基站收发信机研制

主要介绍CDMA射频基站收发信机原理框图、指标及设计方法.完全符合IS－95标准的CDMA三扇区基站.接收机接收灵敏度－117dBm,噪声系数优于3dB;发射功率60W,三阶互调抑制大于45dB.     

超高斯谱函数及其时-频局域化特征

首先在频域定义第一类、第二类超高斯谱函数并推导出其时域解析表达式,然后引用时间算子和频率算子分析两类超高斯谱函数的时间局域化、频域局域化和时-频局域化特征.研究结果表明:时间算子和频率算子对于时-频分析是两个很有用的数学工具;超高斯谱函数的基本性质十分有利于构造规范正交尺度和子波;超高斯谱函数的带宽主要取决于形状因子,时宽主要取决于超高斯谱的阶数,而时-频局域化特征仅与阶数有关.     

自适应复信道均衡的一种新的神经网络方法

近年来,神经网络已经广泛地应用到许多信号处理问题中.自适应信道均衡是数字通信系统中的一个重要问题.在本文中我们提出一种基于复数赫布类型算法的自适应信道均衡器.计算机模拟表明,无论在线性还是非线性信道中,所提出的均衡器均表现出良好的性能,这为自适应复信道均衡提供了一种新的方法.     

一种前馈神经网络的快速学习算法

本文提出一种前馈神经网络的快速学习算法。与传统的BP方法相比,本算法有两个改进之处,一是同时将网络的非线性输出误差与线性输出误差作为待优化的目标函数,二是改进了学习过程中误差的反向传播因子。仿真结果表明,使用本文的算法训练前馈神经网络,计算复杂度略高于BP算法,但学习速度却有显著的提高。     

低信噪比时混浊信号降噪的微扰方法

该文提出一种新的混沌信号降噪方法——微扰法,并且给出了微扰法的一个具体实例算法——梯度微扰法。该文还对用梯度微扰法进行混沌信号降噪的效果进行了实验研究。实验结果表明,梯度微扰法能够在低信噪比时得到很好的降噪效果。文中还对梯度微扰法的参数选择问题进行了实验研究。     

ARMA谱估计的高阶关联神经网络优化方法

本文基于全反馈高阶关联神经网络优化理论，提出了一种将神经网络优化方法应用于ARMA谱估计（ARMA－NNO法）的理论框架。该方法与迄今为止所见方法的区别在于，它直接面对ARMA扩展的Yule—Walker方程的非线性，同时估计出模型的AR和MA两部分参数。描述估计质量的加权均方误差被当作神经网络能量函数，从而导出了ARMA－NNO法的Lyapunov方程。文中讨论了此法的实现方案，给出了几个谱估计实例，通过与其它几种ARMA谱估计方法的比较，证明了它的有效性。     

柔性电子神经网络计算机开发系统设计

介绍了一种柔性神经网络计算机及其开发系统的概念和思想。该系统对用户来讲既是神经网络模拟系统，又是神经网络计算机的开发系统。作为神经网络模型的模拟系统，它可模拟多种网络系统；作为开发系统，其下层可设计不同的神经网络硬件装置；随后提出了其软件系统的设计方案。     

基于一种特定混沌映射的跳频序列

使用一种简单的分段线性映射构造混沌跳频序列。用于跳频通信中取代传统的伪随机序列（PN序列），分析了此混沌序列的周期性。平衡性，汉明相关特性和线性间隔，最后给出了混沌序列的神经网络实现。仿真和实验结果表明，此序列具有较好的统计特性。应用于跳频多址通信中，可获得较好的抗干扰。抗截获能力。     

NEURAL MEMORY MODEL AND ITS PIECEWISE-LINEAR NETWORK REALIZATION

This paper studies the neural networks by means of neural functions.The memoryfunction of neural networks is investigated and its mathematical model is given.The model issynthesized by a piecewise-linear resistive network which exhibits many properties of artificialneural network such as parallelism,real-time processing capability,distribution,adaptation.Inaddition,all parameters of the network are expressed analytically by the patterns and featureswhich are memorized in the network.