基于多种群混沌遗传神经网络的模拟电路故障诊断

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉率和变异率,引入移民算子实现种群间的横向联系;算法通过多种群的协同进化和种群间的个体移植提高了算法的搜索均匀性和效率;仿真实验表明该算法误差小,收敛速度快,诊断正确率高,较好地解决了模拟电路的软故障诊断问题。     

循环谱相关方法在调制信号参数估计中的应用

通信过程中的调制信号具有循环平稳特性,本文通过分析调制信号的循环谱相关特点,提出了利用循环频率谱峰的位置与大小来估计调制信号载波频率和码元速率的方法,给出了具体的实现步骤,实验结果表明该方法在信噪比较低的情况下仍能完成对调制信号参数的估计。     

紧致型小波网络在模拟电路故障诊断中的应用

提出了一种新的基于紧致型小波神经网络的模拟电路故障诊断方法。该法首先利用小波包变换对故障信号进行预处理,减少了紧致型小波神经网络的输入数目,简化了紧致型小波神经网络结构,然后对紧致型小波神经网络进行训练和测试。仿真试验表明,该方法比普通BP神经网络方法训练速度更快,诊断准确率更高,容错能力强,非常适用于模拟电路故障诊断。     

基于MMMA的双模式变步长盲均衡算法

恒模算法(CMA)是一种重要的盲均衡技术,虽然能达到盲均衡效果,但是收敛后有较大的剩余误差和相位模糊。在VS-MCMA+DD-LMS算法的基础上进行了改进,提出变步长修正多模算法(VS-MMMA)和DD-LMS相结合,以及变步长解相关修正多模算法(VS-UMMMA)和DD-LMS相结合两种新算法,新算法在收敛速度和均衡误差方面均有明显的改进。最后,对该算法进行了仿真和性能分析。     

离散小波变换在医学图像中的应用

本文以三维医学体数据作为研究对象,充分利用离散小波变换,对其进行多分辨率分解,把三维医学体数据分解成三个不同方向上的子医学体数据。实验结果表明,三维医学体数据经过离散小波变换后被分割成八个子频带,其主要能量和特征集中在低频子带系数中,可以用来提取特征向量构造零水印。     

一种基于粒子群神经网络的容差模拟电路故障诊断方法

为了诊断模拟电路中的故障,在粒子群算法和BP神经网络的基础上,本文提出了一种动态加速常数协同惯性权重的粒子群算法和动量及自适应学习率的BP算法的混合算法训练神经网络权值,使得动态加速常数协同惯性权重的粒子群算法与动量及自适应学习率的BP算法相互补充,提高网络性能,克服了传统BP算法收敛速度不快的缺点。通过对容差模拟电路硬故障的诊断,表明该算法提高了网络的学习速度,能够实现对容差模拟电路硬故障的诊断。     

基于OPNET的卫星通信网络中拥塞控制协议的研究

静地轨道卫星通信由于经历长远距离的传输会经历长时廷的影响,对卫星通信网络数据的传输有非常大的影响.传统的TCP协议不能很好的适应卫星网络的传输,该文对几种TCP协议,TCP Reno,TCP Veno,TCP ADaLR和其改进的算法进行了对比,并在OPNET软件上进行了仿真,实验仿真表明在卫星链路上可以通过增加数据的发送量来提高网络的性能,还可以通过对数据包的丢失的检测来选择合适的阈值.     

电子技术课程引入EDA的教学探索

本文指出了当前电子技术教学中存在的一些问题,以及在高校电子技术专业基础课程的教学中引入EDA电路仿真软件的优点及必要性,探讨了在电子技术专业的课堂教学、实验教学、课程设计、课外实践等方面应用EDA仿真软件进行教学改革的方法和措施。     

基于Takagi-Sugeno型自适应模糊神经网络的模拟电路故障诊断

该文提出了一种基于Takagi-Sugeno型自适应模糊神经网络故障诊断方法。首先通过电路仿真获得故障样本,其次利用主成分分析对故障样本进行降维处理,减少自适应模糊神经网络的输入,降低训练时间,然后采用BP算法与最小二乘法相结合的混合学习算法训练自适应模糊神经网络的连接权值和隶属度函数。仿真结果表明,此方法能够快速有效地对模拟电路的故障进行诊断和定位,表现出了很好的应用潜力,在容差模拟电路故障诊断领域具有较好的应用前景。     

基于89S51单片机的数控直流稳压源的设计破

将单片机数字控制技术,有机地融入直流稳压电源的设计中,设计并制作出一款数字化直流稳压电源.该电源采用数字调节、输出精度高,且兼备短路和过流保护及报警功能,特别适用于各种有较高精度要求的场合.利用单片机对直流稳压电源进行控制,改善了电源的性能,使用方便灵活,且成本较低,同时控制系统在软件上还可进一步改进,以扩展其功能,而并不需要增加硬件开销,从而提高电源的性能价格比.