基于细胞神经网络的图像复原新方法

针对图像复原方法普遍运算量大的问题,提出了一种利用细胞神经网络进行图像复原的新方法,并首先提出了易于硬件实现的基于边缘方向判据的正则化复原方法;然后通过细胞神经网络的能量函数设计合适的网络参数来对该正则化函数进行细胞神经网络实现。仿真结果表明,该新方法是有效的,复原效果优于有约束的最小二乘复原法和已有的细胞神经网络图像复原法,而且由于细胞神经网络的并行性和硬件易实现性,使该新方法可以实时进行图像复原。     

基于区域特性选择的多传感器图像融合

提出了一种提升小波变换和IHS变换相结合的多传感器图像融合新算法,首先,将高分辨力图像所有的低频特征融合到多光谱图像中,再对高分辨力图像经提升小波分解得到的各提升小波面叠加的边缘信息进行区域划分,采用边缘有效因子融合思想进行分区融合,最后,对提升小波反变换后的强度分量进行IHS反变换得到最终的融合图像。实验结果表明:该方法所得融合图像能够较好地保留多光谱图像的光谱信息的同时,提高了图像的空间分辨力,融合效果优于IHS变换法和小波变换法。     

衡平矩阵预处理数字水印

衡平矩阵具有元素的内在冗余性和平衡状态一定程度的稳定性,所以提出将其应用于水印的预处理,从而形成新的水印算法.算法首先将水印进行加密处理,然后将其转变为衡平矩阵,进而将衡平矩阵嵌入到栽体图像.通过对水印的预处理,能实现水印分级提取:既能提取出衡平矩阵,进而在密钥已知的情况下提取出私有水印;另外衡平矩阵的元素冗余性和其平衡状态的稳定性提高了各自级别检测的鲁棒性.进行的仿真实验验证了这种预处理方法的正确性.     

基于FPGA的遗传算法硬件实现研究

遗传算法是基于自然选择法则的一种并行算法，而现场可编程门阵列（FPGA）其并行的工作方式以及其高速、高集成度的特点非常适合于硬件实现遗传算法。本文提出了一种基于FPGA的遗传算法的硬件结构，通过仿真结果和软件运行结果进行比较．硬件遗传算法有效地减少了运算时间，为其能在一些实时性较高场台得到应用提出了可能。     

胚胎型仿生硬件结构容错机制与设计方法研究

介绍了一种新的仿生容错系统——胚胎型仿生硬件;它将FPGA设计成由电子细胞构成的二维胚胎阵列,使用电子细胞阵列模拟生物体多细胞结构,使硬件电路具有与生物细胞组织类似的自诊断和自修复特性;详细阐述了胚胎型仿生硬件的硬件结构、错误检测与自修复机制等关键技术,并以四位可控移位寄存器的设计为例说明了其系统设计方法;展望了仿生硬件的应用前景,指出了目前存在问题和进一步研究的重点.     

傅里叶描述符法提取DC-DC变换器信号特征值

对DC-DC变换器进行有效的反馈控制,避免进入混沌态的前提是能根据变换器输出信号的特性,对变换器的工作行为做出正确的判断,并采取相应的控制措施。该文以PWM型BUCK变换器为研究对象,对其在不同电路参数下的输出信号进行分析研究,提出并证明用傅里叶描述符法提取输出信号特征值来作为判断变换器工作行为的依据。为实现用神经网络对变换器工作行为进行智能化监控奠定了基础。     

基于细胞神经网络的从阴影恢复形状的新方法

细胞神经网络(CNN)是一种实时处理信号的大规模非线性模拟电路,它的连续时间特点以及局部互连特点使其可以进行并行计算,并且非常适用于超大规模集成电路(VLSI)的实现.本文针对从阴影恢复形状(SFS)问题,提出了一种基于硬件退火CNN的能量函数优化方法,并对该方法进行了详细分析,给出了实例的仿真结果,验证了该方法的有效性.该方法为并行处理算法,具有运算量小、易于大规模VLSI集成实现,且能够克服局部极小等优点,可以使SFS问题得到实时的处理.     

基于灰度积分投影的人眼定位

该文提出了一种基于最大类间方差阈值分割和灰度积分投影技术的眼睛定位方法。首先通过图像预处理技术中的中值滤波方法去除图像噪声,并通过非线性变换消除人脸图像因为曝光条件不同而造成的模糊,得到灰度分配较为均匀的图像,然后利用最大类间方差阈值法对图像进行二值化处理,将特征点从人脸图像分割出来,并分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标,实现了准确的眼睛定位,从而为进一步提取其它特征点打好了基础。     

组合电路可测试性技术的研究

随着集成电路设计规模的不断增大,在芯片中特别是系统芯片SOC(system on a chip)中组合电路的可测试性设计方法变得越来越重要.本文采用内建自测试技术对组合电路进行可测试性设计,详细分析了组合电路内建自测试的实现原理.通过将测试生成及响应分析逻辑置入电路内部,提高了电路的可控制性和可观察性,从而可使该电路的测试和诊断快速而有效.最后对8位行波进位加法器的内建自测试设计过程进行了详细分析,并通过MAX pluslI将其实现.     

Anderson-Darling检验在杂波分布辨别中的应用

提出一种基于拟合优度检验的雷达杂波分布检验算法,采用Anderson-Darling检验代替传统假设检验,通过计算比较杂波样本的Anderson-Darling距离和备择分布簇临界值的大小来实现杂波分布辨别.研究中采用Monte-Carlo方法计算得到常用杂波分布簇在不同置信度水平和不同杂波样本长度下的临界值,并通过检验效能比较实验来验证本文算法的准确性,而实测海杂波和合成孔径雷达数据的杂波辨别实验也验证了该算法在现实应用中的有效性.