置换式DAC和ADC及实现对数压缩率的方法

提出了一种电阻链置换式分级并行转换的新原理,由此产生了置换式DAC和ADC:(1)置换式DAC,通过m级×n位电阻链的置换,直接将数字信号转换成模拟电压信号,而不要转换成权电流的中间环节,其电流仅需当前DAC的电流的1/2m×n;(2)置换式ADC,以组成m级×n位ADC为例,仅需一套n位的全并行式ADC,直接将模拟电压信号转换成数字信号;(3)可以构造出对数置换式ADC和DAC,远优于当前采用的A压缩律和μ压缩律的ADC。在语音通信中构造出8位对数压缩律的ADC,在信号动态范围为100 dB的条件下,对数置换式ADC的信噪比高达31.2 dB。     

NJM2072的一种应用——收音机自动调谐的实验

图1是一种自动调谐式收音机电路,采用5V电源或3节干电他供电。工作原理:由时基发生器555构成多谐振荡器,其3脚输出宽度可调的方波,电位器Wl可调节占空比。方波进入计数器4161,⑾～⒁脚输出累计的电压,4161是4位的二进制计数器,通过4个2k电阻和4个1k电阻将数字信号转换为模拟电压,加到变容二极管2CB14的两端。加到变容二极管上电压不同,它显现下同电容值。它与带磁心的线圈以及5/20P的可变电容构成谐振电路,分别对不同频率进行调谐,就可将选定台的信     

弱可逆拟(r,r)阶存贮线性有限自动机的分解

通过对延迟r步弱可逆拟(r,r)阶存贮线性有限自动机输出权的研究,得出对延迟r步弱可逆拟(r,r)阶存贮线性有限自动机的任意一个状态,它的长r的输出权都是1;任何一个n元拟(r,r)阶存贮线性有限自动机M延迟r步弱可逆的充分必要条件是M都可以分解为一个延迟0步弱可逆有限自动机M0和一个延迟r步弱可逆拟(0,r)阶存贮线性有限自动机M1。     

多路自持式D/A转换电路

<正> 模数转换电路是微型机用于测量、控制的重要接口电路。一般常用一块集成电路转换器件与一个运算放大器相配合,组成一个完整的转换电路。图1为一常用D/A转换电路芯片DAC0832与运算放大器组成的模数转换电路。被转换的数字信号由微机的总线D_0～D_7给出,并进入DAC0832数模转换芯片,该芯片将数字信号变成电流信号再经运算放大器变成电压信号而输出,从而实现数模转换。对于化工、热工等一类慢过程的应用来说,往往     

产业技术与信息

MX7841包括8路14位电压输出的数模转换器(DAC),片上精密放大器提供电压输出,并可在-15～+15V的电压范围内工作。提供双极性电压输出,输出范围:(VSS+2.5V)～(VDD-2.5V),无需外部元件。MX7841有3对差分基准输入,其中2对分别连接到2路DAC、第3对连接到4路DAC,这些基准可独立控制,为DAC提供不同的满量程输出。MX7841具有14位并行     

一种用于逐次逼近型模数转换器的DAC设计

在参考电压为Vref时,普通的N位数模转换器(DAC)的全0到全1数字输入会被转换为0^Vref的模拟输出,分辨率为Vref/2N。而在需要得到Vref2(Vref2≠0)到Vref1输出的场合,则0Vref的模拟输出,分辨率为Vref/2N。而在需要得到Vref2(Vref2≠0)到Vref1输出的场合,则0^Vref2的模拟输出是一种浪费。分段电荷分布式DAC的全0到全1的数字输入可以分别得到Vref2到Vref1的相关输出,在相同的位数下能够分辨的最小电压为(Vref1-Vref2)/2N,仅是普通DAC的(1-Vref1/Vref2)倍。     

基于非线性误差抑制算法的超高绝缘电阻测量

针对在超高绝缘电阻测量时,因存在衰减缓慢的时变非线性背景电流而难以快速准确测量的难题,提出一种基于非线性误差抑制算法的超高阻测量方法。首先分组交替改变测试电压极性,测量相应静电计输出信号,再根据非线性误差电流特点,采用n次多项式表示相邻n+2个分组的背景电流,构建连续n+2个分组测量的输出电压矩阵,最后通过误差抑制算法得到不含背景电流项的测量结果。实验结果表明,采用非线性误差电流抑制算法可将由固有衰减时间引起的测量过渡时间从长达数十分钟至数小时缩短到数分钟,同时提高了在10～0.1 pA极微电流条件下的超高阻测量精度,绝缘电阻测量量程可有效扩展到10¹⁶Ω量级。     

多输出弹性k-旋转对称布尔函数的存在性与构造

多输出布尔函数可由多个单输出布尔函数表示,在分组密码中有着广泛的应用.多输出k-旋转对称布尔函数(k-RSBF)是多输出旋转对称布尔函数(RSBF)的扩展.本文首先研究多输出旋转对称函数和多输出k-旋转对称函数的轨道分布情况,给出了计算两类函数中长度相同轨道个数的方法.其次研究了平衡多输出k-旋转对称布尔函数的存在性,给出了在选择合适的k的前提下,n=pr、n=2pr和n=2r时,平衡(n,m)k-RSBF的构造方法.之后研究弹性多输出k-旋转对称布尔函数的存在性,分别给出了r≥3,n=2r,2≤m≤2r-r,k=2时1阶弹性(n,m)k-RSBF的构造方法,以及p为奇素数,r≥2,n=pr,2≤m≤p-1,k=p时1阶弹性(n,m)k-RSBF的构造方法.最后我们还对两种方法得到的1阶弹性多输出k-旋转对称布尔函数进行仿真测试.     

变权决策中变权效果分析与状态变权向量的确定

引入状态变权向量调节度和标准调节度以及调权水平的概念，为分析状态变权向量调节权重的能力提供了可量化的工具．利用标准调节度讨论了选择状态变权向量的一些基本原则和理论依据，并由调权水平给出了一种选择状态变权向量的可操作性方法．     

通用上下限控制芯片MAX6459

本文介绍用MAX6459组成的可编程上下限控制电路,适用于如压力、温度、张力等的上下限控制。 MAX6459是一种电压监测IC,主要用于欠压、过压监测。 MAX6459的内部结构及应用电路如图1所示。由两个电压比较器和基准电压源组成。比较器输出为开漏结构,应用时要加上拉电阻,由R1、     

Weight hierarchies of linear codes satisfying the almost chain condition

The weight hierarchy of a linear [n, k;q] code C over GF(q) is the sequence (d1,d2,..., dk) where dr is the size of the smallest support of an r-dimensional subcode of C. An [n,k;q] code satisfies the chain condition if there exists subcodes D1 D2 … Dk = C of C such that Dr has dimension r and support of size dr for all r. Further, C satisfies the almost chain condition if it does not satisfy the chain condition, but there exist subcodes Dr of dimension r and support of size dr for all r such that D2 D3 Dk = C and D1 D3. A simple necessary condition for a sequence to be the weight hierarchy of a code satisfying the almost chain condition is given. Further, explicit constructions of such codes are given, showing that in almost all cases, the necessary conditions are also sufficient.     

基于样本抽样和权重调整的SWA-Adaboost算法

根据分类算法是依据样本区分度进行分类的原理,提出增加样本属性以提高样本区分度的方法,在样本预处理阶段对所有样本增加一个属性值dmin以加强样本之间的区分度。针对原始Adaboost算法在抽样阶段由于抽样不均而导致对某些类训练不足的问题,采用均衡抽样方法,保证在抽样阶段所抽取的不同类样本的数量比例不变。针对原始算法样本权重增长过快的问题,给出新的权重调整策略,引入样本错分计数量count(n),有效地抑制样本权重增长速度。给出一种改进的Adaboost算法,即SWA-Adaboost算法,并采用美国加州大学机器学习UCI数据库中6种数据集的数据对改进算法与原始算法进行实验对比,结果证明,改进算法SWA-Adaboost在泛化性能上优于Adaboost算法,泛化误差平均降低9.54%。     

基于权重学习的图像最大权对集胚配模型

在图匹配模型中权重的设置对匹配性能有很大影响,但直接计算的权重往往不符合匹配图像的实际情况。为此,参照二次分配问题的图匹配学习思想,给出一阶和二阶最大权对集模型的权重学习计算方法。一阶最大权对集模型直接采用图像特征点作为图的顶点,而二阶最大权对集模型则采用某些特征点之间的连接边作为顶点,2个模型都可以通过Kuhn—Munkras算法求解。一阶最大权对集模型在本质上等价于二次分配问题的线性情况。在CMUHouse数据库上的图像匹配实验结果表明,二阶最大权对集模型优于一阶最大权对集模型,且两者在学习计算时的性能也优于直接计算的情况。     

混沌惯性权值调整策略的粒子群优化算法

粒子群优化算法是一种新颖的智能优化算法。惯性权值对粒子群优化算法的性能有着重要的影响。在分析已有的惯性权值调整策略的基础上,提出了混沌惯性权值调整策略,该策略将惯性权值用一个混沌变量来描述。标准测试函数实验表明,在不影响优化结果精度的情况下,混沌惯性权值调整策略的粒子群优化算法收敛速度较已有方法有了明显的提高。     

一维高效动态负载平衡方法：多层均权法

提出了一个适合同构和异构并行计算环境的高效一维动态负载平衡方法;多层均权法,并成功地解决了多物质非定常流体力学Lagrange法并行数值模拟过程中的动态负载不平衡问题。文中给出了详细的理论分析以及两台并行机上结合某实际物理问题组织的并行数值实验。     

一种基于权值的骨架算法

本文提出了一种用于3D目标识别的基于权值的骨架算法。该算法在传统骨架算法中引入距离变换,获得目标各部分骨架的权值,用其描述各部分骨架的重要性。实验结果表明,利用该算法可以提高目标识别的抗噪能力,尤其适用于有遮挡目标的识别。     

微机智能重量传感检测系统􀀁

本文阐述了一种微机智能重量传感检测系统的基本原理及设计方法 .其中包括 :激励信号的产生 ,信号的频谱分析 ,滤波器设计 ,PWM信号的产生等     

一种基于熵权和经验因子的模糊综合评价方法

针对系统综合评价过程中存在各种不确定性的问题,提出了一种基于熵权和经验因子的模糊综合评价方法。将模糊数学理论与综合评价理论相结合,利用模糊集合来表示专家的评价结果,对专家评价意见进行量化;权重的确定采用基于熵权和经验因子的权重确定方法,将由决策矩阵确定的客观权重同由先验知识确定的主观权重结合起来,提高了权重确定的科学性;最后,对专家意见和权重进行模糊合成运算,得出综合评价的最终结果。结合某信息系统的风险评估算例,给出了该方法的应用步骤。     

加权最小二乘法改进遗传克里金插值方法研究

数据内插被广泛应用于地统计分析领域,克里金插值作为其中最为有效的方法之一,其原理是通过建立变异函数理论模型,得到可靠的权重值和拉格朗日系数,构成求解待测点的线性组合。为了有效地提高插值精度,文中利用加权最小二乘法优化遗传算法中的适应度函数,进而改进普通基于遗传算法优化的克里金插值方法。并且在MATLAB中利用外部工具箱确定模型参数,最后通过实例验证,将该方法与普通克里金插值以及遗传克里金插值结果进行对比,发现采用该方法,插值效果较好且误差也较小,证明了通过加权最小二乘法可以有效改进普通遗传克里金插值方法。     

柯西变异和自适应权重优化的蝴蝶算法

针对基本蝴蝶优化算法（Butterfly Optimization Algorithm,BOA）存在的收敛精度较低、容易陷入局部最优解的问题,提出柯西变异和自适应权重优化的蝴蝶算法（Cauchy variation and adaptive Weight Butterfly Optimization Algorithm,CWBOA）。通过在全局位置更新处引入柯西分布函数进行变异,在局部位置更新处引入自适应权重因子,改进了蝴蝶算法的局部搜索能力;并且引入动态切换概率[p]来权衡全局探索与局部开发过程的比重。改进的算法通过对多个单峰、多峰和固定测试维度的函数进行求解,结果表明,CWBOA对大多数测试函数有更好的求解精度、速度和稳定性。