一种新的采用神经网络的图像分类方法研究

本文论述了神经网络对图像分类的一种方法──Ｚｅｒｎｉｋｅ矩方法。该方法提取图像特征方便，分类精度高，而且容错性相当好，有较强的实用性。实验结果证实了这些结论。

薄层厚度的同态处理测量法

对于薄层厚度的测量，在工程及科学研究中均有十分广泛的应用。本文针对精确测量薄层厚度的要求。提出了一种新的同态信号处理方法。这种方法的基本原理是对被测信号的能量谱的对数导数进行傅里叶反变换，得出其在时域的包络，从包络中得出其所需的时间延迟信息，从而得到薄层的厚度。与其他测量厚度的信号处理技术相比，其精度和测量的厚度极限及抗干扰性能均有很大提高，显示了很好的发展前景。

模拟调制信号的神经网络识别方法

本文提出模拟调制信号的人工神经网络识别方法，从信息幅度、相位、频率及功率谱等特 提取四种特征参数，用于训练神经网络对模拟调制信号的识别。采用神经网络，不仅可提高识别的智能化，而且能提高正确识别率。该算法的识别性能明显高于目前广泛采用的各种方法，实验表明信噪比为８ｄＢ时，对各类模拟调制信号的正确识别率在９６％以上。算法能识别的调制类型多，包括ＡＭ、ＤＳＢ、ＵＳＢ、ＬＳＢ、ＶＳＢ、ＦＭ。