基于杂波密度估计的联合概率数据互联算法

联合概率数据互联(JPDA)算法能很好地解决密集环境下的多目标跟踪问题。在该算法基础上,人们又提出了多传感器联合概率数据互联(MSJPDA)算法和一些基于JPDA的修正算法。在联合概率数据互联算法中,有一个很重要的参数就是杂波数密度(或波门内虚假量测期望数),然而在许多实际情况中,这个参数是很难获取的。针对这一问题,提出了一种修正的联合概率数据互联算法,该算法通过实时地调整这一参数来获得对目标较为准确的估计结果。最后,给出了算法的仿真分析。     

基于二维直方图与FCM相结合的图像快速分割方法

基于二维直方图的模糊聚类分割方法,可以有效地抑制噪声。但是FCM(模糊C均值)算法用于图像聚类时最大的缺点是运算开销太大,进而限制了该算法在图像分割中的应用。通过构造合理的二维直方图,并筛选出符合规定条件的元素作为聚类样本,再结合FCM算法进行图像分割。实验结果表明该方法具有与基于一维直方图的模糊聚类分割方法速度相近,但却比其分割精度高很多的良好特点。     

遗传算法求解TSP问题

对遗传算法求解TSP问题进行了完整的描述。介绍几种交叉算子和变异算子,并对其作了比较。提出对算法的交叉概率、变异概率进行自适应调整以维护群体多样性,防止算法过早收敛。     

LTE系统中Turbo译码的改进算法

LTE系统对可靠通信提出了更高的要求,这在一定程度上依赖于信道编码的性能。针对LTE系统中的Turbo译码算法进行了研究,在Max-Log-MAP和Log-MAP算法的基础上提出了一种改进算法。理论分析和仿真结果表明,这种改进算法的性能有进一步提升,并且更加易于硬件实现,具有较低的复杂度。     

用基于空间平滑的正交化算法分离相干信号

正交化超分辨算法在大信噪比时性能优良且运算量小,但由于正交化算法是一种信号子空间方法,因而在干扰相干时失效,而空间平滑方法已广泛应用于自适应阵列相干信号的分离.文中提出了3种基于空间平滑的改进正交化算法并给出了计算机仿真结果.第1种方法具有较小的运算量,但当信噪比降低时,性能会严重下降.第2种和第3种方法在运算量增加不多的情况下性能比第1种方法有所改善,尤其是当信噪比较小时.理论分析和计算机仿真结果表明这3种方法是有效的.     

适于运动估值VLSI实现的改进的树结构

文中给出了一种用于实现多分辨率运动估算算法后阶段任务的改进的树结构。在一个简单的RISC类型核控制下,它能够完成整个运动估值过程中除粗分辨率精度运动矢量搜索之外的所有后阶段子任务。包括运动矢量优化（搜索）在内的多任务是通过二叉树最底层叶节点上的多功能处理单元和可以拆分成子树的加法树来实现的。此外,运算单元寄存器堆的设计使能在二维方向上复用图像数据,完全避免了同一类数据从存储器中重复读取,从而实现了最小的存储器访问带宽,并有助于减小存储功耗。     

模数模保密机改进的回波抵消技术

自适应回波抵消技术是模数模保密机走向实用的关键。详细介绍了如何用TMS320C50实现自适应回波抵消技术。由于使用了本方无话检测和双向通话检测,回波抵消的收敛速度和精度达到了满意的效果。     

螺管结构线圈涡流场及高频阻抗的数值分析

本文建立了螺管结构线圈高频涡流场模拟的数学模型,考虑了线匝涡流的集肤和邻近效应,并提出了相应的数值方法,该算法很好地解决了轴对称结构线圈各匝的总电流必须保持相等约束条件。本文还对螺管线圈的高频参数,如如高频电阻和电感作了实际计算和分析。     

Analog VLSI Circuits for Competitive Learning Networks

An investigation is made concerning implementations of competitive learning algorithms in analog VLSI circuits and systems. Analog and low power digital circuits for competitive learning are currently important for their applications in computationally-efficient speech and image compression by vector quantization, as required for example in portable multi-media terminals. A summary of competitive learning models is presented to indicate the type of VLSI computations required, and the effects of weight quantization are discussed. Analog circuit representations of computational primitives for learning and evaluation of distortion metrics are discussed. The present state of VLSI implementations of hard and soft competitive learning algorithms are described, as well as those for topological feature maps. Tolerance of learning algorithms to observed analog circuit properties is reported. New results are also presented from simulations of frequency-sensitive and soft competitive learning concerning sensitivity of these algorithms to precision in VLSI learning computations. Applications of these learning algorithms to unsupervised feature extraction and to vector quantization of speech and images are also described.     

基于遗传算法的TBDD排序方法

带时间参数的二叉判决图（ＴＢＤＤ）在电路的时滞故障测试中有着重要的应用价值，但其变量排序是用常规方法无法解决的一个优化问题。本文提出一种基于遗传算法的ＴＢＤＤ排序算法。用快速衡量值和ＴＢＤＤ节点数来计算个体的适应度。针对变量排序的特定问题，提出一种模板保序交叉方法。采用知适应的变异概率计算方法，并提出一个适合于ＴＢＤＤ排序问题的变异算法。实验结果表明较好地解决了ＴＢＤＤ的排序问题。