核典型关联性分析相关特征提取与核逻辑斯蒂回归域自适应学习

本文提出了一种利用核典型关联性分析提取源域目标域最大相关特征，使用核逻辑斯蒂回归模型进行域自适应学习的算法，该算法称为KCCA-DAML（Kernel Canonical Correlation Analysis for Domain Adaptation Learning）.该算法基于特征集关联性分析，有效的减小源域和目标域的概率分布差异性，利用提取的最大相关特征通过核逻辑斯蒂回归模型实现源域到目标域的跨域学习.实验比较源域数据上核逻辑斯蒂学习模型、目标域上核逻辑斯蒂学习模型、源域和目标域上核逻辑斯蒂学习模型和KCCA-DAML模型，结果显示KCCA-DAML在真实数据集上成功的实现了跨域学习.     

二次时频表示中核函数的优化设计

二次时频分布是分析非平稳信号的有力工具，在具有许多优良特性的同时，存在严重的交叉干扰项。在Wigner-Ville分布及Cohen类时频分布具有固定核函数的基础上，研究了基于信号的核函数优化设计的两种方法，径向高斯核函数和最优相位核函数的设计方法。基于信号的核函数的时频表示可以有效地抑制或转移交叉分量，提高时频表示的可读估计，改善其主要性能。     

基于峭度的盲分离在通信信号盲侦察中的应用

为实现复杂多信号环境下的通信信号侦察,采用一种新的盲侦察技术,即运用盲源分离算法,在没有任何先验知识的情况下分离出源信号,然后对分离的各个信号进行后续处理。提出一种改进的基于峭度的盲分离算法,可以自适应地确定激活函数。将其应用在通信信号盲侦察中,可以实现对任意源信号进行盲分离,而不管它是超高斯还是亚高斯信号。选择超高斯和亚高斯混合通信信号进行了仿真实验,结果验证了该算法的有效性。     

多分量信号的最优时频表示

利用模糊函数（AF），基于信号的先验知识，我们定义了依赖于信号的最优核表示，给出了多分量信号的最优时频表示，并讨论在掺有噪声情况下，最优核也能抑制噪声，上述思想都通过计算机做了模拟结果。     

自适应径向巴特沃思核时频表示

二次时频表示的性能由其核函数决定，一种固定的核只能适应于某些类型的信号，由此出现了核可随时间与信号变化的自适应核时频表示。本文采用径向为巴特沃思滤波器形式的核构造了一种自适应核时频表示。实验结果表明，对于不同类型的信号它都有好的性能。     

基于支持向量机的改进高斯核函数聚类算法研究

针对基于支持向量机的聚类算法中,由于高斯核在无限远处的衰减几乎为零,从而影响聚类效果的问题,采用了改进的高斯核函数。该方法使在高维特征空间中,核函数不仅满足在测试点附近有较快的衰减速度,而且在无限远处仍能保持适度的衰减,从而提高聚类效果。实验表明,改进的高斯核比高斯核聚类错误率更低。     

正弦脉冲激光热弹激发超声应力脉冲特性研究

应用一维热传导方程和纳维叶-斯托克斯(Navier-Stokes)方程,采用简化的正弦脉冲波形模型对激光激发产生的超声应力脉冲进行理论研究,分别得出弱吸收试样表面是钳紧或自由情况下应力脉冲的表达式。结果表明表面钳紧时应力脉冲是单极性的,自由时是双极性的,应力脉冲宽度远大于激光脉冲宽度,应力脉冲极值的幅度随着厚度的增加而逐渐减小,更加接近真实的斜高斯(skew-Gaussian)激光脉冲,且更具有普遍性。     

用于多分量线性调频信号的自适应核分布分析

该文针对多分量线性调频信号,提出了一种新的自适应核时频分布-自适应高斯核分布,并给出了有效的核函数估计准则;以自适应高斯核分布为例,分析了采用自适应核时频分布对信号自身项及交叉项的影响,从而说明自适应核相对于固定核的优势所在;总结了基于模糊域自适应设计多分量线性调频信号核函数的一般方法。计算机仿真结果表明了自适应高斯核分布在抑制交叉项并保持较高时频分辨力方面的有效性。     

基于批处理和核函数的非线性盲源分离算法

针对基于核函数的非线性盲源分离算法性能对核函数及其参数选择依赖性强这一问题,提出采用批处理方法代替聚类和核主成分分析方法来构造低维近似子空间的正交基,以改进基于核函数的非线性盲源分离算法对核函数及其参数变化的稳健性,并对这种改进的非线性盲源分离算法进行了完整的分析.通过仿真实验,对分离信号与源信号求相似度,可以看到提出...     

一种基于FPGA软核系统的智能429-422信号转换模块的设计

介绍了一种智能信号转换模块的设计方法.这种智能模块采用了基于FPGA嵌入式软核系统,是基于NiosⅡ软核处理器的架构,可以在模块上完全实现外部总线信号之间相互转换,无需驱动程序或操作系统的干预.同时对用户逻辑设计、用户逻辑集成、固件设计技术等内容进行了详细的介绍.