基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

MCS-51系列单片机故障自诊断研究

本文研究在不加任何辅助硬件的情况下,对MCS-51系列单片机进行故障自诊断的方法,并给出了一个优化设计的8031单片机自诊断程序,文中所述的检测方法对其它系列单片机也有普遍意义。     

神经计算机并行模拟结构

神经网络实现技术是神经网络研究的一个极重要的领域。本文首先分析了神经网络模拟对并行计算机系统的要求,认为影响神经网络计算机速度和容量提高的主要因素是单个处理单元的速度、单个处理单元的局部存储器的容量以及互连网络的通信带宽。要提高模拟神经计算机的速度和容量,就要有相应的并行结构来支持。在定量的需求分析的基础上,本文还提出了一种模拟神经计算机的并行结构。     

CCD摄象机在检测雷达角度跟踪系统性能中的应用

本文提出用 CCD 摄象机和单片微计算机所组成的系统实现对雷达角度跟踪性能指标的检测,这一新方法可自动录取:雷达的光轴与电轴的匹配状况;雷达角度跟踪系统的误差;当雷达跟踪空中目标时对目标录象,用以评定雷达的跟踪质量.     

超高精度车床直线运动误差检测与补偿系统的理论与实验研究

本文介绍了用三传感器误差分离法在线检测超高精度车床拖板直线运动误差和加工工件的素线直度误差。检测系统的精度高达±0.078μm。在此基础上,通过微计算机对误差数据进行数学处理,并驱动伺服机构对工件素线直度误差进行补偿加工。结果使工件素线直度精度提高到0.5μn/160mm,比补偿前的精度提高了50%以上。     

一种基于中值滤波和边缘检测中模板匹配的图象滤波增强算法

本文针对数字图象处理中滤波可使圈象边缘模糊的现象,设计了一种组合式滤波增强算法。该算法在边缘地区沿着边缘方向进行滤波增强,在其它地区则进行滤波平滑操作,消除噪声。     

神经网络能力研究

文献[1]～[3]中研究了神经网络的能力—存储能力。但我们认为神经网络的能力应包括存储能力和计算能力两个方面。本文对神经网络的存储能力和计算能力进行定量分析,并得出了许多有益的结论。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。