基于Mallat与FFT方法的经络信号处理

本文针对经络信号的特点,利用Mallat算法的时频分析局部化的特性和快速傅立叶变换(FFT)的高频率分辨能力,将信号进行分解,再对各子带信号进行傅立叶变换.结果表明Mallat算法与FFT相结合的方法可以有效地提取穴位的电特性,穴位电信号的幅值大于非穴位电信号的幅值,而且在200～400Hz频带内,这种差异最明显.     

智能数字示波器的使用

本文从带宽、采样速率、上升时间及时基和水平的分辨率方面,叙述如何正确地使用数字示波器。     

“灵巧手指”的位置/力模糊控制算法研究

为了使“灵巧手指”位置 /力控制具有良好的控制性能 ,在力控制器的设计中应用了模糊控制、神经网络等方法 ,提出了模糊控制、基于神经网络带积分环节的模糊控制两种算法。仿真结果表明 :这两种控制方法与常规 PID控制相比 ,控制性能得到明显改善。     

基于神经网络的热电偶传感器的智能信号处理

在先进的控制系统中,智能化热电偶温度传感器已被广泛采用,但由于其非线性校正和冷端温度补偿依然采用硬件或软件查表的方法而存在一定的误差,限制了智能温度传感器精度的进一步提高。该文采用多个神经网络组成一个新结构,同时完成高精度非线性校正和冷端补偿。     

D-S证据理论合成规则的一些修正

在多传感器数据融合中,D-S证据理论对于处理不确定性问题是一种有用的方法。但是,D-S证据组合规则的一些不足影响了证据理论的应用。虽然Yager对此做了改进,但改进后的组合公式仍然存在问题。通过分析证据理论中关于冲突证据置信度分配中存在的问题,针对时域冲突的特点提出一种新的合成规则改进方法,由此弥补了D-S理论和Yager合成公式的不足,对于在时域上高度冲突甚至完全冲突的证据,能够取得理想的结果。     

基于计算智能的基因表达数据聚类分析研究进展

基因表达数据聚类是发现基因功能和确立基因调控网络的重要方法,计算智能在该领域的应用为分析 大量基因数据提供了新途径．本文根据基因表达数据的特点,提出了基因表达数据聚类领域的关键问题,探讨了基 于计算智能的基因表达数据聚类基本框架,综述了计算智能在基因数据聚类领域的应用现状,最后指出了在基因数 据聚类领域计算智能方法未来的发展方向．     

PID梯度优化法与动态系统参数估计

通过对梯度优化方法进行分析，指出梯度法实际上是一种纯积分控制器。由此可以解释在应用梯度法时，当优化步长小时，收敛慢；而当优化步长大时往往引起不稳定的现象。在此基础上，根据反馈控制的思想，提出了一种称之为ＰＩＤ梯度优化方法以改进梯度法的收敛性和稳定性。然后，进一步提出了带动量项的ＰＩＤ梯度法以逃避局部极值并讨论了算法的收敛特性。进而给出了在梯度一定的条件下，所提出的算法比传统的带动量的梯度法收敛快的条件。     

光刻机工件台位移测量系统的设计与实现

根据所设计光刻机工件台的定位精度要求,选取Renishaw RGH25F直线位移测量光栅作为其位置检测传感器,在此基础上完成了面向TMS320LF2407A DSP接口的工件台位移测量系统的软、硬件设计.实际运行中该测量系统工作稳定、可靠,而且系统还具有重复测量精度高、测量稳定性好和成本相对低廉等优点.     

一种基于模型的控制算法

提出了一种基于模型的控制算法,即当模型准确时,系统的闭环响应可由所配置的极点确定;当模型与对象失配时,通过对反馈环节F(Z～(-1))的参数选择,可获得鲁棒性控制。