LabVIEW在数字电路教学中的应用

根据LabVIEW的功能特点,提出了用LabVIEW对数字电路进行仿真教学.本文以74148集成8线-3线优先编码器为例分析了LabVIEW在数字电路教学中的应用,并完成了4线-2线、8线-3线、10线-4线普通编码器和优先编码器的设计,将各个编码器程序集成在一个主程序面板中,用数字显示的方式将结果显示出来.通过仿真验证其结果与实际元器件的功能完全相同,这样既丰富了教学方法和手段,又提高了教学质量,增强了学生学习的兴趣和积极性.     

Labview在BP神经网络谐波监测中的实现

为了减少电力系统中谐波的危害,本文将神经网络理论应用于谐波监测,使用界面设计方便美观的Labview编程语言制作了一种谐波监测仪。文中构造了一个目前应用最为广泛的BP网络,给出了网络算法,形成了训练样本。并用基于Labview工作平台的G语言,编写了训练程序,将所形成的样本对网络进行了训练,然后对训练好的网络进行仿真实验。结果表明:所设计的神经网络可很好的监测谐波,并对谐波参数的显示设计了很好的人机界面。     

稠油侵入钻井液技术研究进展

稠油油藏在开采过程中，稠油侵入钻井液一种非常复杂的问题，对钻井效率和钻井液性能都带来不可预估的影响，侵入稠油量多的钻井液无法继续循环使用，在排放过程中还会带来环境污染、增加钻井液成本等问题。结合相关理论知识及查阅资料，综述了钻井液功能、稠油侵入的机理，归纳了稠油侵入钻井液带来的危害，并对预防和处理稠油侵入钻井液问题的几种措施进行综述。     

人工神经网络在舌诊近红外光谱中的应用研究

为了能客观地反映中医舌诊所蕴涵的病理信息,首次采用近红外光谱和神经网络对疾病进行诊断。分别采用了BP网络、广义回归神经网络(GRNN)、主成分分析和广义回归神经网络(PCA-GRNN)结合的三种模型在舌诊光谱法中的分析预测,首先对三种建模方法进行了分析,再用采集的健康人和糖尿病患者舌诊光谱数据进行校正模型的建立,两类舌诊光谱样本各39例,共计78例样本,在神经网络学习中,将其分成训练集样本60例和预测集样本18例,分别利用所建的三种模型对舌诊光谱样本进行训练和预测。实验结果是三种模型中PCA-GRNN相结合的方法平均绝对误差最小为13.2%、训练时间最短为0.072255s,以相对偏差在0.5以内为正确的情况下,其正确率为100%。说明用PCA-GRNN模型可以应用于舌诊光谱法的分析,并取得较好的分析结果,这对中医舌诊的客观化起到了一定的推动作用。     

Multisim2001在混频电路实验中的应用

介绍了Multisim2001的主要功能及特点，用该软件对混频电路的波形和频谱进行了仿真分析。     

基于LabVIEW技术在电网谐波测量中的应用

本论文介绍了谐波测量的重要性和谐波测量的基本指标,采用快速傅里叶变换FFT测量方法,利用美国NI公司功能强大的LabVIEW开发平台制作一个虚拟谐波分析仪,对现场采集的电网电压波形数据进行了各指标的监测与分析,较直观地显示了基波和谐波的幅值.     

基于低秩行为信息和多尺度卷积神经网络的人体行为识别方法

针对人体行为识别中传统行为信息获取方法需要繁琐步骤和各类假设的问题,结合卷积神经网络（CNN）在图像视频处理中的优越性能,提出了一种基于低秩行为信息（LAI）和多尺度卷积神经网络（MCNN）的人体行为识别方法。首先,对行为视频进行分段,并分别对每个视频段进行低秩学习以提取到相应的LAI,然后在时间轴上对这些LAI进行连接以获取整个视频的LAI,进而有效捕获视频中的行为信息,避免了繁琐的提取步骤和各类假设。其次,针对LAI的特点,设计了MCNN模型。该模型通过多尺度卷积核获取不同感受野下的LAI行为特征,并合理设计各卷积层、池化层及全连接层来进一步提炼特征并最终输出行为类别。将所提出的方法在KTH和HMDB51两个基准数据库上进行性能验证,同时设计和进行了三组对比实验。实验结果表明,所提方法在两个数据库上分别取得了97.33%和72.05%的识别率,与双重变换（TFT）方法和深时间嵌入网络（DTEN）方法相比,识别率分别至少提高了0.67和1.15个百分点。所提方法能进一步促进行为识别技术在安防、人机交互等领域的广泛应用。     

概率神经网络用于舌诊的近红外光谱分类

为了快速无创客观地检测舌体所携带的病理信息,提出了基于概率神经网络舌诊归一化反射率近红外光谱分类诊断模型。采集了健康人、脂肪肝患者、肝炎患者三类受试者舌尖的光谱数据,进行归一化反射率预处理,各获得32个样本数据,随机从三类受试者各抽取24个舌尖的光谱数据用于建模,其余的24个用于预测,并分析了径向基函数的扩展速度（SPREAD）对网络的影响。得出SPREAD在0.0065～0.0077之间取值时对网络模型的预测效果和泛化能力较好,用该模型对24个预测样本进行预测,其正确率为95.8%。实验结果表明利用概率神经网络对舌诊近红外光谱的分类是可行的,说明舌表面的光谱信息能客观的反映人体的病理信息,利用此方法对疾病的快速无创地进行初步的筛查成为可能。     

基于近红外光谱的舌诊疾病识别的研究

为了对中医舌诊的客观化研究,提出了应用近红外光谱分析技术快速无创的对健康人、冠心病、糖尿病和肝炎患者的不同人群的舌诊近红外光谱进行识别的新方法.首先对98个样本光谱数据进行归一化处理,用主成分分析(PCA)方法得出的累计贡献率达99.88%的前8个主成分作为广义回归神经网络(GRNN)的输入变量,建立了舌诊近红外光谱的识别模型.利用该模型分别选取了18个不同人群的近红外光谱数据共72个样本用于神经网络的训练,余下的26个用于预测,当光滑因子为5/8时预测的最大误差为0.17342,最小误差为0,获得了较理想的预测精度.实验结果表明用PCA和GRNN相结合的方法对舌诊近红外光谱与疾病之间建立了较好的关联,对加强中医舌诊的客观化起到了很好的促进作用,为疾病的诊断提供了一种新的方法.     

基于Pspice单调谐放大器的分析与设计

在进行谐振放大器的质量指示分析和电路设计参数的选择的教学过程中,学生普遍反映较难,为了激发学生的学习兴趣和提高教学质量,在教学中引入了Pspice仿真软件。一方面对单调谐放大器的增益、通频带、选择性以及相互关系进行了仿真分析;另一方面给出放大器的设计指标,采用参数扫描与Optimezer Parameters优化模块相结合的方式,对电路进行了优化设计,设计结果表明在误差范围内完全满足指标要求,这为以后的理论教学和实验教学提供了一种新的方法和途径。