直流转换器的计算机模拟

文章基于现代网络理论,提出了直流转换器电路的准确分析和设计的计算机模拟方法,讨论了电路方程的建立、性能分析、灵敏度计算和参数的优化设计;针对电路拓扑结构随电子开关周期性动作的特点,采用双图法在复频域中建立电路方程,使电路方程系数矩阵的形式不变;给出了输出对参数灵敏度的计算以及优化设计的方法,并以典型的直流转换器电路为例进行了实际分析和设计。

基于自注意力机制的雷达弱目标检测

对于低信噪比下的弱小目标检测,传统的检测算法采用恒虚警(CFAR)的方式定位目标的位置,但其难以设置合适的阈值,无法很好地应对该类目标的检测。针对上述问题,本文提出VU⁃Net检测方法。该方法首先对雷达回波数据进行处理,得到目标回波的距离⁃多普勒(RD)矩阵。然后将RD矩阵输入到所提出的网络框架,通过U⁃Net实现雷达信号的编码与解码,获取RD矩阵中具有辨别性的深度语义特征,实现逐单元的目标位置预测。同时,该网络中引入自注意力模块实现对雷达信号的关系建模,从而提取更加丰富的目标回波特征,提升网络的抗噪性能。实验结果表明,所提方法的检测性能在低信噪比场景下具有较强的鲁棒性,能够实现对弱目标的有效检测。

基于对比记忆网络的弱监督视频异常检测

异常检测使用有限的训练集获得区分度高的特征,但是当异常实例与正常实例存在较多相似特征时,模型会因为异常特征参与正常特征编码产生误差。针对上述问题,提出了一种新型的对比记忆网络的弱监督视频异常检测方法。该方法在自动编码器的基础上使用对比学习框架,分离出与实际异常相似的样本特征,并设计记忆网络抑制正常样本内偏向异常的特征表达,提高了重建样本的稳定性。该算法构建了一种两阶段的异常行为检测网络。在阶段一,利用对比学习方法来增加正常行为特征和异常行为特征的差异,并利用该阶段学习到的特征构造记忆网络的增强项与抑制项。在阶段二,将记忆网络增强项设为多时刻正常行为特征,并利用记忆网络的抑制项更新增强项中偏向异常的特征信息,从而区分编码中正常与异常特征。该方法在UCF Crime和ShanghaiTech数据集的平均AUC值达到83.26%和87.53%,相较于现有方法分别提升了1.14%和2.43%。结果显示,该方法能够有效预测异常事件的发生时间。

基于预测一致性嵌入的注视目标检测

本文研究了第三人称视角下图像的注视目标检测问题我们提出了一个深度架构推断场景中的人在看哪里。该模型在蕴含丰富上下文信息的场景图像、深度图像和头部图像上进行训练。与现有的技术不同,我们的模型不需要监视注视角度,不依赖于头部方向信息和眼睛信息。大量的实验表明,我们的方法在多个基准数据集上具有更强的性能。我们还研究了注视目标检测的域自适应方法,使用一致性嵌入确保源域和目标域对齐,使得我们的模型能够有效地处理数据集之间的间隙。

周期性一般间隙约束的序列模式挖掘

序列模式挖掘是从给定序列中发现出现频率高的模式的一种方法,目前已在诸多领域被广泛应用.假定子模式p_i和p_j(i<j)可以分别匹配事件A和事件B,传统的序列模式挖掘方法能够对事件B在事件A之后的序列进行检测,而不能对事件B发生在事件A之前的序列进行识别.为了解决此问题,文中提出了周期性一般间隙约束的序列模式挖掘问题,该问题具有如下5个特点:间隙约束的最小值可为负值的一般间隙约束;每个间隙约束都相同的周期性模式;在支持数统计方面无特殊约束,即允许序列中事件多次使用;该挖掘问题满足Apriori性质;挖掘支持率大于给定的频繁度阈值的频繁模式.为了进行有效地挖掘,采用深度优先的方式建立模式树.文中采用模式匹配技术,在一遍扫描序列数据库的情况下,建立其所有超模式的不完整网树森林(不完整网树是网树的最后一层结点,可以存储在一个数组中,可以有效地表示一个模式在一个序列中的支持数),并对这些超模式的支持率进行有效地计算,进而挖掘出所有频繁模式,有效地提高了序列模式挖掘速度.实验结果验证了文中算法的可行性和有效性.

一种求解MPMGOOC问题的启发式算法

具有间隙约束和一次性条件的最大模式匹配(Maximum Pattern Matching with Gaps and One-Off Condition,MPMGOOC)是一种具有通配符长度约束的模式匹配问题,其任务是寻找彼此互不相关的最多出现.文中基于一种新的非线性数据结构——网树,提出了一种解决MPMGOOC问题的启发式算法.与树结构不同之处在于,除根结点外,网树中任何结点可以多于1个双亲结点.文中给出了网树的定义及其相关的概念和性质.基于这些概念和性质,提出了一种选择较优出现(Selecting Better Occurrence,SBO)的启发式算法.该算法在搜索一个出现的循环中,采用了贪婪搜索双亲策略(Strategy of Greedy-Search Parent,SGSP)和最右双亲策略(Strategy of RightMostParent,SRMP)寻找相同叶子的两个出现并选择其中较好的出现作为SBO算法的结果.SGSP策略的核心思想是每一步都寻找当前结点的一个近似最优双亲(Approximately Optimimal Parent,AOP);SRMP策略的核心思想是每一步都寻找当前结点的最右双亲结点.实验结果表明,在多数情况下SBO算法可以获得更好的解且解的质量较其它算法有显著的提高.文中不但提供了一个解决MPMGOOC问题的启发式算法,更重要的是对于求解其它复杂问题具有一定的参考价值.

一般间隙及一次性条件的严格模式匹配

具有间隙约束的模式匹配是序列模式挖掘的关键问题之一.一次性条件约束是要求序列中每个位置的字符最多只能使用一次,在序列模式挖掘中采用一次性条件约束更加合理.但是目前,间隙约束多为非负间隙,非负间隙对字符串中每个字符的出现顺序具有严格的约束,一定程度上限定了匹配的灵活性.为此,提出了一般间隙及一次性条件的严格模式匹配问题;之后,理论证明了该问题的计算复杂性为NP-Hard问题.为了对该问题进行有效求解,在网树结构上构建了动态更新结点信息的启发式求解算法(dynamically changing node property,简称DCNP).该算法动态地更新各个结点的树根路径数、叶子路径数和树根-叶子路径数等,进而每次可以获得一个较优的出现;之后,迭代这一过程.为了有效地提高DCNP算法速度,避免动态更新大量的结点信息,提出了Checking机制,使得DCNP算法仅在可能产生内部重复出现的时候才进行动态更新.理论分析了DCNP算法的时间复杂度和空间复杂度.大量实验结果验证了DCNP算法具有良好的求解性能.

子网树求解一般间隙和长度约束严格模式匹配

具有通配符间隙约束的模式匹配问题在信息检索、计算生物学和序列模式挖掘等研究领域有重要的应用.提出了更一般性的模式匹配问题,即一般间隙和长度约束的严格模式匹配(strict pattern matching with general gaps and length constraints,简称SPANGLO).该问题具有如下4个特点:它是一种严格的精确模式匹配;允许序列中任意位置的字符被多次使用;模式串中可以包含多个一般间隙;对出现的总体长度进行了约束.最坏情况下,一个SPANGLO实例将转换出指数个非负间隙的严格模式匹配实例.为了有效地解决该问题,提出了子网树及其相关概念和性质.在此基础上提出了求解算法SubnettreeSpanglo(SETS),并给出算法的正确性和完备性证明,同时指出该算法的空间复杂度与时间复杂度分别为O(m MaxLen W)和O(MaxLen W m2 n),其中,m,n,MaxLen和W分别是模式和序列的长度、出现的最大长度约束和模式的最大间距.实验结果既验证了SPANGLO问题转换方法的正确性,又验证了该算法的正确性和有效性.

一种二进制可分辨矩阵修正方法及其求核

传统的二进制可分辨矩阵不适用于不相容决策表,而改进的二进制可分辨矩阵虽然适用于不相容决策表,但需要先进行等价类的计算.为了解决因决策表存在不相容性造成构建二进制可分辨矩阵要计算等价类的问题,提出一种二进制可分辨矩阵修正方法.首先对传统二进制可分辨矩阵进行分析,根据矩阵中各行的取值情况,得到修正论域;然后利用其对矩阵进行局部修正,得新的二进制可分辨矩阵,避免了等价类的计算,并证明了新二进制可分辨矩阵与改进的二进制可分辨矩阵是等价的;其次给出了基于新二进制可分辨矩阵的求核方法,并证明了所求核与基于正区域的核是等价的;最后通过实例证明了此方法的正确性.

数字通信系统中误码率的估计方法

在数字通信系统中 ,经常测试或验证系统和器件的误码率指标 ,若要获得精确的测试结果 ,必须进行无限长时间的试验。根据统计置信度原理 ,只要验证数字系统或器件的误码率指标是否优于某一规定标准 ,即可在测量精度和测试时间之间进行折衷处理 ,而且仍能保证测试结果的可信度。文章具体介绍了统计置信度的概念及数学式推导过程 ,并对利用统计置信度估计数字通信系统和器件误码率的方法。

基于VQ/CDHMM的噪声环境下汉语口令识别研究

该文研究了基于改进VQ/HMM模型的语音识别方法,设计实现了基于该模型的汉语口令识别系统;研究了鲁棒性特征参数问题,提出了一些新的基于MFCC和LPCC的高维动态参数;分别进行了纯净语音和不同信噪比语音的识别实验,分析比较了不同类型特征参数、训练状态数和高斯混合度对该系统识别性能的影响。在此基础上得出了以下结论:在加性白噪声的情况下,使用高维动态参数明显提高了系统的鲁棒性;在汉语两字组的短语音(口令)识别中,状态数取4,混合度取3时实验结果较好;利用不同特征参数的优势,进行信息融合,是提高系统性能的一个很好选择。

模块化设计中的组合式编码方法

以计算机辅助模块化设计的应用为出发点,研究编码的通用性、复用性和可移植性,建立“类-类型-系列”的3层划分体系,描述组合式编码系统的基本框架及建立过程。在汽车底盘模块化设计中的实际应用,验证了组合式编码方法的可行性。

电视会议系统在广电远程教育中的应用

本文首先论述了现代远程教育的主要意义,然后在分析广电开展远程教育的优势基础上,针对远程教育中有实时和非实时两部分的要求,提出了利用HFC网络和视频电视会议系统的远程教育系统解决方案。

嵌入式网络体系结构研究及网络接口实现

回顾了以往嵌入式网络采用的体系结构 ,介绍了它们的发展以及存在的问题。提出一种基于因特网的嵌入式网络体系结构 ,在对其网络接口的实现中 ,介绍了以单片机为硬件核心和以thinTCP/IP为软件核心的实现方案。

模糊动态聚类算法在网络教育中的应用

针对当前大部分网站使用的是动态页面,分析日志比较困难的问题,给出了在动态网页环境下Web使用记录挖掘的数据采集方法;为了使计算简单、快捷,给出了一种Web用户和页面的直接模糊聚类算法,从而能够根据学生的访问规律对页面内容进行分类、总结和预测趋势,指导高校网站的建设,提高网络教育,具有很好的实用价值。

网络冲激变量的映射法

基于电磁物理定义,电流与电荷和电压与磁通的关系,导出了解决线性与非线性网络中出现不连续或冲激函数时变量值的计算方法。与传统的方法不同,该方法的要点在于冲激变量的有效处理能力,提出了将V-I时域变量映射到Δq-ΔΦ平面上,讨论了电路元件特性的定义,网络模型的建立以及网络的分析和计算。在有限电荷和磁通的假设下,将原电路分解成不同的子电路并分别计算,从而得到最后的解。此方法同时适用于线性与非线性电路,尤其适用于开关网络、电力电子等含有电子开关的强非线性网络的分析和计算机模拟。

一般间隙与One-Off条件的序列模式匹配

带有间隙约束的模式匹配问题是序列模式挖掘的关键问题之一.目前,大多数的研究都为非负间隙,对字符串中每个字符的出现顺序有着严格的要求.为了增加匹配的灵活性,并且考虑到在序列模式挖掘中采用one-off条件更加合理,研究一般间隙与one-off条件下的模式匹配问题.该问题为NP-Hard问题.为了有效地求解该问题,提出了MSAING(maximum sequential pattern matching with one-off and general gaps condition)算法:首先,利用Reverse策略使模式与序列达到最佳的匹配状态;然后,使用线性表的结构使匹配过程中消耗的时间和空间大幅度地降低,同时,利用回溯机制提高匹配的成功率;最后,根据inside_Checking机制判断模式串是否会产生内部重复现象,以进一步提高算法的执行效率.理论证明了MSAING算法的完备性,实验结果验证了MSAING算法匹配结果的准确性以及在时间和空间方面的高效性.

单片机上软件实现循环冗余校验的方法

本文根据数学推导和工程实践的结果，论述了在单片机上如何运用软件方法，使生成多项式CRC─CCITT和CRC—16在串行同步通信中实现循环冗分校验的问题，并给出了详细的程序示例，还指明了用循环冗余校验的原理计算HDLC规程帧校验序列时的区别。

基于雷达量测时空特征的航迹起始方法

日益拥挤、复杂的空域环境,使得确定真实目标航迹的起始尤为主要。现有关于雷达目标航迹起始的研究大多只考虑了实时性或起始率中的一种,难以在强杂波环境下完成快速而准确的航迹起始。本文提出一种适用于强杂波环境的基于深度学习和雷达量测时空(DLTS)特征的航迹起始算法。该算法首先从雷达量测组合中筛选出候选集,并从中提取出量测组合的时序变化和空间分布向量,作为一维卷积神经网络(1DCNN)和门控循环单元(GRU)混合模型的输入,获得量测组合的时间和空间维度特征,再将二者合并得到时空特征。最后对经过自注意力处理的时空特征进行真假航迹分类,完成航迹起始。在仿真实验中,DLTS算法在强杂波环境下能够在时间损耗与逻辑法相近的情况下有效提高真假航迹起始率性能。

视频社会关系识别的多尺度图推理模型

人类社会关系识别作为视频分类中的一个重要问题,逐渐成为计算机视觉领域的一个研究热点。由于视频信息较多,冗余信息过量,关键帧较少,因此如何准确的识别视频中的关键信息进行社会关系推理至关重要。为此,本文提出一种多尺度图推理模型来进行视频社会关系识别。首先我们提取视频中的时空特征和语义对象信息,获得丰富、鲁棒的社会关系表示。接着通过多尺度图卷积利用不同的感受野来进行时间推理,捕捉人物和语义对象间的交互。特别地,我们利用注意力机制来评估每个语义对象在不同场景的效果。在SRIV数据集上的实验结果表明,本文提出的方法优于大多数先进的方法。