拉伸式3-D多涡卷混沌系统的设计及其在保密通信中的应用

基于典型的Chua式电路,提出了一种拉伸式多涡卷混沌系统。首先,通过系统的对称性、不变性、耗散性、系统平衡点和稳定性,分析了混沌的分维特性、时域波形、Lyapunov指数谱等基本的混沌动力学特性。其次,利用PSPICE实现了该系统的混沌电路。最后,结合Lyapunov稳定性原理,运用单向耦合法,探究了该混沌系统的同步性问题,并采用该方法有效地实现了特定信号的加密、解密。数值仿真与实验结果保持一致,进一步证实了该方法的可行性。

一种基于忆阻交叉阵列的自适应三高斯模型及其在图像增强中的应用

在视觉图像处理中,可用三高斯模型来模拟视网膜神经节细胞的感受野,这可以在一定程度上对图像信息,比如图像的边缘、细节等信息进行增强.但是在对大量的图像进行处理时,为了达到比较理想的效果,就需要人为地来改变模型中的相关参数,这是一个十分耗时的过程.基于此,本文提出一种基于忆阻交叉阵列的自适应三高斯模型.这种模型是在传统三高斯模型的基础上,根据所需处理图像的局部特征,利用忆阻交叉阵列的特性动态地改变模型参数,以达到对局部图像最优增强的目的,从而使整幅图像的增强效果更好.首先,根据图像的局部亮度信息来确定忆阻器所需施加的脉冲电压的极性以及宽度;然后,根据所得忆阻值得到对应模型中参数的值;最后,可以得到局部增强模板,从而实现增强.本文分别选取了彩色和灰度图像进行了测试,定性和定量实验结果均表明,这种改进的三高斯模型不仅能够对图像边缘进行有效的增强,而且还可以极大地提高图像的对比度和清晰度,为忆阻器在图像处理方面的应用提供了新方向.

基于神经元晶体管和忆阻器的Hopfield神经网络及其在联想记忆中的应用

随着人工智能的高速发展,越来越多的神经元模型相继被提出,现有的神经元电路主要由普通晶体管、运算放大器等高功耗器件构成,存在结构复杂、集成度不高、兼容性差、功耗高、阈值调节难度高的缺点.针对以上不足,首次提出了一种全新的神经元结构,该结构仅由神经元晶体管、忆阻器和普通电阻构成,相比传统神经元电路,不包含复杂的差分运算电路以及电流与电压信号的转换电路,电路结构简单,同时具有良好的电路兼容性,可用于大规模集成.该结构利用神经元晶体管的加权求和特性以及阈值可控功能来模拟神经元信息传导过程,同时利用阈值忆阻器的阈值特性和阻值连续变化能力来设定和更新突触权值,使得该新型神经元结构不仅能实现传统神经元电路功能的同时,还具有能耗低、阈值动态可控、权值可编程的优点,不仅极大地简化了网络结构,还能加强网络性能.其次,还提出了基于这种新型神经元结构的忆阻离散Hopfield神经网络,该忆阻神经网络有助于促进人工神经形态系统的硬件实现,使神经网络系统能耗降低,集成度极大地提高,将这种网络运用在联想记忆和彩色数字图像恢复中,进一步说明了基于全新神经元结构的忆阻离散hopfield神经网络的实用性以及有效性.

基于稀疏系统辨识的广义递归核风险敏感算法

为了降低非高斯噪声对系统性能的影响,核风险敏感损失函数(Kernel Risk-Sensitive Loss,KRSL)因其较高的凸性而被广泛应用为自适应滤波器的代价函数.基于此,为了提高非高斯情况下系统的滤波精度,本文采用广义高斯密度(Generalized Gaussian Density,GGD)函数作为KRSL的核函数,进而提出了一种广义核风险敏感损失函数(Generalized Kernel Risk-Sensitive Loss,GKRSL),并给出了GKRSL的重要性质.为了进一步识别稀疏系统,结合GKRSL的优点,采用递归更新方式提出了一种基于稀疏惩罚约束的广义递归核风险敏感损失(Generalized Recursive Kernel Risk-Sensitive Loss with Sparse Penalty Constraint,GRKRSL-SPC)算法.仿真结果表明,GRKRSL-SPC算法能够显著提高非高斯噪声下系统的滤波精度和鲁棒性.

自适应矩估计最大相关熵算法的混沌序列预测

为了提高非高斯噪声环境下混沌时间序列的预测精度,提出了一种基于自适应矩估计的最大相关熵算法(AdamMCC).在AdamMCC中,采用最大相关熵准则作为代价函数有效地抑制了异常噪声值对预测性能的影响,利用代价函数梯度的一阶矩和二阶矩估计自适应调整算法的权重参数,在不同阶段为算法提供了更好的最优权重搜索方向,从而提高了AdamMCC的预测性能.采用Mackey-Glass和Lorenz两类混沌时间序列进行仿真实验,验证文中提出的AdamMCC的收敛性能和稳态性能.实验结果表明,在非高斯环境下的预测过程中,相比于最小均方算法、最大相关熵算法和分数阶最大相关熵算法,文中提出的基于自适应矩估计的最大相关熵算法在保持鲁棒性的同时,还能以合理的计算复杂度获得更高的预测精度.

忆阻交叉阵列模糊PID控制器设计及仿真

随着实时控制、信息处理和图像处理等领域对运行速度要求的逐渐提高,需要开发出一种模糊硬件电路和模糊芯片来实现快速实时的模糊推理.基于忆阻器交叉阵列结构,设计了一种新型模糊神经推理系统,为模糊推理系统的硬件实现提供了设计方案.首先通过对复杂非线性函数建模,验证了所设计的模糊推理系统的准确性,该系统不仅具有处理大量输入输出数据的能力,而且推理过程中不需要繁琐的优化算法.然后将设计的推理系统应用于模糊PID控制器中,通过实验仿真,表明该系统在模糊控制方面有广阔的应用前景.

面向动态能源资源协调的分布式原始―对偶优化方法

分布式优化在电力系统中发挥着越来越重要的作用.本文研究一类包含分布式发电机(DGs)和储能设备(ESs)的动态能源资源(DERs)协调问题,其目标是在满足局部耦合物理约束的前提下,使得总成本(包括发电成本,储能成本和环境成本)最小化.首先,本文将动态DERs协调问题等价转换为更具一般性的分布式复合约束优化模型,并利用拉格朗日对偶理论分析得到原问题的对偶形式.其次,提出一种新的分布式原对偶优化算法.特别地,所提算法使用局部常数步长,同时采用基于边的通信方式,这本质上区别于基于节点的一致性优化方法.最后,利用基于IEEE 39-bus系统的仿真实验进一步验证了所提算法在求解DERs协调问题上的有效性与可行性.