“信号与系统”精品课程建设探索

本文提出了精品课程建设的指导思想和主要原则。从编写立体化教材入手,通过课程重新定位,实施因材施教,对＂信号与系统＂课程进行了全方位教学改革。包括教学内容、教学方法和手段、实验教学等方面的改革。经过多年的教学改革实践,形成了立体化的教材、优选的教学方法和计算机在教学和实验中的应用等成果。     

《信号与系统》教学改革思考与实践

《信号与系统》是电子信息类的专业基础课,针对《信号与系统》课程的特点,本文从教学方法和手段、讨论课的教学、课程实验环节等方面进行思考与实践,将MATLAB软件引入教学和实验中,更好地培养了学生思考问题、分析问题、解决问题的能力,取得了良好的教学效果。     

随机共振理论与微弱信号检测应用综述

随机共振是非线性动力学系统中存在的一种现象,体现了噪声在非线性系统中的积极作用。本文介绍了经典随机共振理论与非经典随机共振理论的起源及理论研究发展,以及利用随机共振检测微弱信号在电子系统、生物系统、机械故障检测等领域的应用。最后介绍了随机共振的研究进展。     

基于T-S模糊模型的神经网络的系统辨识

基于T-S模糊模型,提出了利用神经网络实现非线性系统的辨识。首先,利用一种无监督的聚类算法分析输入输出数据生成初始的结构模型,确定系统的模糊空间和模糊规则数,构造神经网络辨识模型前提参数,使前提参数自适应变化,有较好的自学习能力和优化能力,采用最小二乘法取得结论参数。仿真结果验证了该方法是有效和可行的。     

基于核的模糊聚类算法

在聚类分析中,模糊c-均值算法是应用最广泛的聚类算法之一,针对该算法对初始化敏感,容易陷入局部极小点的缺点,论文提出了一种基于核的模糊聚类算法。在算法中将核方法与模糊可能性算法相结合,将模糊c-均值算法结果作为初始中心,放松了对隶属度归一化的条件,对噪声有更好的处理能力。IRIS数据和人造数据的实验结果表明该算法的有效性。     

变步长LMS自适应滤波算法的改进及分析

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,具有收敛速度快,稳态误差小,迅速跟踪跃变系统的变化,并且不易受噪声影响的特点。理论分析和计算机仿真结果表明该算法优于传统算法。     

基于随机共振的微弱信号检测

介绍随机共振(SR)方法的基本思想,并建立数学模型。随机共振系统是非线性双稳态系统,存在某一最佳输入噪声强度,使系统产生最高信噪比输出,达到抑制噪声,放大微弱信号的目的。针对传统系统随机共振只适用于极低频信号的局限,本文引入尺度变换,消除了对待检信号频率的限制,通过Matlab仿真,验证了其对微弱信号检测的有效性。     

基于MATLAB的大规模电路稳态分析

根据形成电路方程的列表节点法,设计了输入数据的结构、人机交互界面以及输出数据形式。用MATLAB的GUI程序设计方法设计出具有操作方便、智能化、可视化程序高的教学软件。     

一种改进变步长LMS算法的性能研究

在对传统LMS算法、变步长LMS算法及其改进算法分析的基础上,提出了一种改进的变步长LMS算法。新算法通过建立步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大和稳态阶段步长很小,理论分析及计算机的仿真结果表明,该算法可保证较快的收敛速度和较小的失调,能更好地解决收敛速度和稳态误差的内在矛盾,可更好地应用于自适应系统中。