用于模拟电路行为级建模的自动压扩子波方法

提出了一种新的自动压扩方法,适用于基于子波配置方法的模拟电路行为级建模.该压扩方法采用的压扩函数根据模块输入-输出函数的奇异性自动生成,因而这一方法具有通用性,可应用于任意输入-输出函数的电路模块的建模.与已有的建模方法相比,该方法能有效地降低模拟误差并减少使用基函数的个数.     

用于模拟电路行为级建模的自动压扩子波方法

提出了一种新的自动压扩方法,适用于基于子波配置方法的模拟电路行为级建模.该压扩方法采用的压扩函数根据模块输入-输出函数的奇异性自动生成,因而这一方法具有通用性,可应用于任意输入-输出函数的电路模块的建模.与已有的建模方法相比,该方法能有效地降低模拟误差并减少使用基函数的个数.     

非线性自动压扩的开关电流电路行为级建模方法

提出了一种新的基于非线性压扩函数自动构造的开关电流电路行为级建模方法,从而简化电路的建模和仿真.与原有的建模方法相比,该方法不仅可以对模型的误差分布进行有效地调控,而且能够降低模型的误差.为了验证本文所提出的行为级建模方法,对几种开关电流电路进行了建模和模拟试验.     

非线性自动压扩的开关电流电路行为级建模方法

提出了一种新的基于非线性压扩函数自动构造的开关电流电路行为级建模方法,从而简化电路的建模和仿真.与原有的建模方法相比,该方法不仅可以对模型的误差分布进行有效地调控,而且能够降低模型的误差.为了验证本文所提出的行为级建模方法,对几种开关电流电路进行了建模和模拟试验.     

一种确定弱非线性双端口网络模型参数的新方法

非线性传输函数模型和非线性电流源模型是利用Volterra级数对非线性动态电路建模的两种形式;本文提出一种确定一类弱非线性双端口网络非线性电流源模型参数的方法,它通过测量网络的端口特性来确定其模型参数;这种方法比测量Volterra核的方法简单方便。     

基于神经网络的功率放大器预失真建模

提出一种神经网络结合分离信号对功率放大器预失真建模的方法。将输入/输出信号的线性与非线性部分分开处理,利用神经网络良好的逼近能力,采用LM算法,拟合出功率放大器特性曲线,进而建立预失真模型,使非线性功率放大器的输入/输出曲线整体呈线性化。在保证输出幅度限制和输出功率最大化的前提下,与未作信号分离的神经网络建模方法、多项式建模方法以及Saleh函数模型方法相比较,发现信号分离神经网络建模方法能得到较小的归一化均方误差和误差矢量幅度。仿真结果表明,采用信号分离神经网络对功率放大器及其预失真建模,整体线性化误差较小、精度高、效果更佳。     

基于微分搜索的高光谱图像非线性解混算法

针对线性混合模型在实际高光谱图像解混过程中的局限性,提出一种新的基于微分搜索的非线性高光谱图像解混算法.在广义双线性模型的基础上采用重构误差作为解混的目标函数,将非线性解混问题转化为最优化问题.将目标函数中的待求参数映射为微分搜索过程中的位置变量,利用微分搜索算法对目标函数进行优化求解.在求解过程中,通过执行搜索范围控制等机制满足高光谱图像解混的约束要求,进而求得丰度系数和非线性参数,实现非线性高光谱图像解混.仿真数据和真实遥感数据实验结果表明,所提出的非线性解混算法可以有效克服线性模型下解混算法的局限性,避免了由于使用梯度类优化方法而易陷入局部收敛的问题,较之其它高光谱图像解混算法具有更好的解混精度.     

基于PSO_BP神经网络的射频功放行为模型

神经网络具有模拟任意非线性系统的优势。考虑到射频功放的非线性和记忆效应,在BP神经网络模型的基础上,提出一种基于PSO的BP神经网络射频功放行为模型。利用飞思卡尔(Freescale)半导体晶体管MRF6S21140器件模型及设计的电路,从ADS中导出输入输出数据,对模型进行了仿真实现,得出输出电压幅度的拟合曲线以及均方根误差,并与BP神经网络模型进行比较。仿真结果表明,所提模型具有较高的精度和较好的逼近能力,可以精确模拟功率放大器的特性,对系统仿真的构建具有重要的应用价值。     

非线性动态迟滞压电陶瓷的实时控制

在压电陶瓷动态迟滞非线性模型的基础上,以dSPACE系统为控制平台,提出基于反馈误差学习方法的具有多值对应的迟滞非线性特性压电陶瓷的神经网络自适应实时控制.采用执行速度快的C-MEX S 函数进行编程.与PID控制进行比较,实验证明所提出的控制方法具有较高的精度.     

基于CCD的炉膛辐射能测量方法研究

 提出了一种用CCD测量炉膛辐射能的方法和相应测量系统.分析了基于CCD的辐射能测量机理,建立了CCD摄像机输出电压与辐射能的测量模型.由于测量模型的复杂性和非线性会阻碍测量方法的实际应用,同时考虑BP神经网络具有逼近任意非线性函数的特性,因此提出了采用BP神经网络作为辐射能测量模型.试验表明:该测量方法是可行的,且测量方法具有较满意的测量精度.     

一种基于可重用模型组件的战场目标信源建模方法

战场情报仿真缺乏典型通用目标信源建模方法,难以为后续仿真流程中新概念、新算法的演示验证提供各种规范、完备的战场目标信源建模支撑.为了构建灵活通用、要素完备的典型战场目标信源,提出了基于对象的模版化、组件化的信源建模方法.从目标静态数据模型、目标动态行为模型两个方面进行数字化建模抽象,以模型驱动仿真数据生成,实现战场情报仿真环境下各种异构信源的体系化建模.试验证明该建模方法具有良好实用性,所建立的目标信源仿真模型可灵活组装、自由编配,为情报和作战领域的信源仿真提供了一种灵活、通用的目标建模方法.     

基于标准数学规划的非光滑器件/电路的建模及仿真

针对非光滑器件/电路的非光滑特性,提出了一种基于标准数学规划问题的建模及仿真。首先将非光滑器件建模为具有可能发生状态跳变的分段线性函数;其次给出了由这些非光滑器件构成的电路的非光滑线性特性的动态系统方程;然后对这些非光滑动态系统方程进行时间离散化得到各种类型的一步非光滑问题,如(线性)互补问题或具有等式-不等式约束的非线性(或二次)规划,进而进行数值求解。仿真实验结果表明,本文所提出的数值建模方法对于具有大量事件的非光滑系统是有效的,对于模型参数的变化具有鲁棒性。     

基于神经网络和差分搜索的高光谱图像非线性解混

针对基于双线性混合模型(BMM)的高光谱图像梯度 解混算法的局限性,提出一种基于神经网络(NN)和差分搜索算法(DSA)的非线性 高光谱图像解混算法。在考虑p阶多项式模型的基础上,利用N N估计出实际高光谱图像的非线性阶数。构造解混 的目标函数,将非线性解混问题转化为最优化问题。引入DSA对目标函数进 行优化,将解混过程中的待求参数 映射为差分搜索过程中的位置参数,同时在搜索过程中引入丰度非负和全加性约束映射机制 满足解混要求。仿真数据和 实际高光谱数据实验结果表明,本文算法有效地克服了基于BMM的梯度解 混算法的不足,可有效实现高光谱 图像的非线性解混。当NN采用2000个样本训 练,解混真实高光谱数 据得到相应的重构误差(RE)达到1.15×10－2 ,具有良好解混效果。     

∑△调制器中非线性直流增益建模

分析了运算放大器有限直流增益和非线性直流增益对∑△调制器的影响,通过双曲正切函数模拟运算放大器的输入输出特性,由积分器的递归解法构造了一个调制器模型.该模型可用于系统级仿真来预测非线性直流增益对调制器性能的影响,系统级仿真和电路级仿真证明此模型行之有效.     

基于记忆因子的连续相位调制信号最大似然调制识别

为解决有记忆非线性的连续相位调制(CPM)信号调制方式识别精度低的问题,该文提出一种基于记忆因子的CPM信号最大似然调制识别新方法。该方法定义具有时齐马尔科夫性的映射符号,通过计算其后验概率构造记忆因子,进一步结合CPM分解和EM算法,推导出时间可分离,信道参数可估计的CPM信号似然函数。该调制识别方法所需符号数目少,适用信噪比范围广,识别CPM信号种类多且精度高,对相位误差鲁棒性强。仿真结果证明,当符号数目为200,信噪比为0 dB,相位误差任意时,该方法对8种CPM信号的识别率可达95%以上。     

开关电流电路延迟线的设计

详细分析了开关电流（SI）电路第二代存储单元的传输函数和主要缺点,在此基础上设计了延迟线电路,并减小了电路中的时钟馈通误差和传输误差。HSpice仿真结果表明,该电路能精确地对输入信号进行采样保持,并且能无失真延迟任意时钟周期,可作为离散时间系统的基本单元电路。     

基于Saleh函数的功放行为模型研究

如何精确地模型功率放大器以及模型的适用情况是系统仿真时重要的研究方面.文中在原始Saleh模型的基础上,提出了基于Saleh函数的无记忆和有记忆的非线性功放模型.利用Freescale半导体晶体管MRF21030器件模型及设计的电路从ADS中导出输入输出数据,对两种模型进行了仿真实现,得出了归一化均方根误差,并和多项式模型误差进行比较.结果表明,该模型简化了原Saleh模型的结构和减少了系数,能够精确描述功率放大器的非线性和记忆效应,适用于弱非线性系统电路中.     

一种无均流外环并联DC-DC变换器的设计

设计了一种无均流外环并联DC-DC变换器,采用平均电流模式控制,通过控制最大编程电感电流,实现并联变换器的精确均流.采用小信号模型分析了并联变换器的均流误差和稳定性,电路实现了稳定的电流特性和快速的瞬态响应,具有优良的负载电流调节能力.仿真结果表明,该电路的均流误差在8‰以下,并联变换器在重载和轻载之间跳变时,1.5m...     

称重传感器蠕变补偿的RBF网络模型

称重传感器的蠕变是影响精度的主要因素之一。针对传感器蠕变的实时性与非线性,建立了称重传感器蠕变补偿的RBF网络模型。设计硬件采集电路并采用低功耗处理器对传感器数据进行软件补偿。仿真结果表明,RBF神经网络具有很强的逼近非线性函数和自学习能力,能够对称重传感器的蠕变误差进行修正。补偿后的蠕变误差减小至0.005%以内,补偿效果明显。     

一种基于Butterworth滤波器的DAC幅频特性模型

首先分析了理想DAC幅频响应特性,然后采用沿函数和矩形脉冲函数卷积和的方式对DAC单位冲激响应建模.最后采用Butterworth滤波器的方式,建立了DAC幅频响应模型,并根据实际电路提取模型参数.仿真表明模型能够准确反映电路特性,克服了分数阶保持模型的偶数倍奈奎斯特频带内的谱峰分裂现象.试验证明这种模型与实测数据吻合.