R有源滤波器的设计与优化

仅利用运算放大器和电阻构成的Ｒ有源滤波器具有显著的优点，本文针对Ｒ有源滤波器的设计进行了推导和分析，并详细讨论了如何运用最新的ＰＳｐｉｃｅ Ｏｐｔｉｍｉ－ｚｅｒ工具对其进行优化设计，给出了相应的设计方法和步骤。     

噪声和振动的有源控制技术

本文介绍噪声和振动的有源控制技术。８０年代自适应控制理论和数字信号处理的发展，使自适应控制降噪和减振系统迈向实用化。它为解决噪声和振动控制工程中最困难的低频降噪和减振问题，提供新的有效控制方法。     

并联有源滤波器与无源滤波器的研究

并联型有源电力滤波器是最基本也是工业中最常用的，但是其成本很高。为了弥补这一缺点，提出了将无源滤波器与有源滤波器结合起来组成混合型有源电力滤波器。这能有效克服原有滤波器的不足，降低成本。     

提高电网供电质量的策略研究

对如何解决电网污染进行了研究如何进行动态无功优化补偿和降低线损进行了分析,有源滤波方面,对有源滤波器的实时谐波检测技术、仿真平台、有源滤波器的主电路拓扑结构、有源滤波器PWM控制技术以及混合有源滤波器进行了初步的探讨和分析,得出以有源滤波器为基础的混合有源滤波器可以很好的解决电网的谐波污染问题的结论。     

基于UKF滤波器的状态融合算法

对于具有相同观测方程、不相关观测噪声的非线性系统,应用非线性系统的无迹卡尔曼滤波器和加权最小二乘法,提出了信息融合UKF滤波算法。同但传感器情形相比,提高了滤波精度。     

基于累积和的改进超宽带循环平稳检测算法

针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题，提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图，与噪声对应的灰度图比较差异，再将两类图像放入卷积神经网络（Convolutional Neural Network,CNN）自行训练提取特征，解决门限难以确定的问题。若分析三维循环谱的时间块长过短，将导致信号灰度图特征在有无噪声情况下区别不大；若块长过长会导致检测延迟较大。为此，采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量，自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比，仿真表明所提算法在低信噪比下性能最优。     

论有源电力滤波器

介绍了有源电力滤波器基本工作原理及其容量定义,并对并联型有源电力滤波器和串联型有源电力滤波器优缺点进行比较,为合理选择有源电力滤波器提供了依据。     

无刷直流电机调速系统的最优状态反馈控制研究

本文研究具有量测噪声和负载干扰的无刷直流电动机实时最优速度控制方法。首先建立系统的硬件结构，并推导出系统的数学模型；接着采用卡尔曼滤波器的状态估计；提出了一种基于动态规划的最优反馈控制策略；最后给出了补偿量测噪声和负载干扰的自适应算法。仿照结果表明，提出的方法，在广宽的调速范围内，系统具有较好的静动态性能。验证了提出方法的有效性与可行性。     

数字滤波器概论

本文介绍数字滤波器的使用,并讨论这些滤波器的能力、限制以及在实时状态下直接取代普通的有源或无源滤波器的应用要求。同时叙述了基本工作原理并阐明了振幅和相位特性。这种技术具有很多的优点:非常精确无漂移工作,易于改变滤波器的特性和体积小等。此外,还有一些数字滤波器可以获得线性相位特性。本文举了一个线性相位低通滤波器的设计例子。     

用Laguerre滤波器实现多径衰落信道自适应均衡

提出了一种衰落信道自适应均衡的新方法。该方法基于Laguerre滤波器结构，采用最小二乘估计估算滤波器极点，通过RLS算法实现自适应过程。仿真结果表明，由于Laguerre滤波器同时具有FIR和ⅡR结构的特点，在信噪比低、信道多径条件复杂的情况下，可以获得比通常的线性自适应均衡器和决策反馈均衡器更好的抗符号间干扰的效果；同时，Laguerre滤波器结构的稳定性有效地减少了差错传播的发生。     

New Technology in Shopping: Forecasting Electronic Shopping With the Use of a Neuro-Fuzzy System

This article presents the application of neuro-fuzzy techniques in forecasting a new technology in shopping. Neural networks have been used successfully to forecast time series due to their significant properties of treating nonlinear data with self-learning capability. However, neural networks suffer the difficulty of dealing with qualitative information and the “black box” syndrome that more or less limits their applications in practice. To overcome the drawbacks of neural networks, in this study, we proposed a fuzzy neural network that is a class of adaptive networks functionally equivalent to a fuzzy inference system. The results derived from the experiment based on electronic sales indicated that the suggested fuzzy neural network could be an efficient system to forecast a new technology in shopping. Experimental results also show that the neuro-fuzzy approach outperforms the other two conventional models (AR and ARMA).     

基于相干对消的噪声子空间自适应估计

MUSIC算法的运算量主要集中在特征值分解和空间谱的搜索两部分,为避免进行特征 值分解,将相干信号自适应对消的思想用于噪声子空间的估计。由于阵元输出信号完全相干 ,视一个阵元输出为参考信号,其它阵元输出能够完全对其进行对消,得到的系数矩阵作为 噪声子空间的估计。基于LMS算法,给出了算法的矩阵形式,得到的噪声子空间估计算法的 运算量大大降低,且以迭代的方式进行,适合应用于运动信号源的跟踪,在阵元数较大时能 很好地逼近MUSIC算法性能。为减少空间谱搜索过程的计算量,对搜索过程先用系数矩阵的 一列进行搜索,然后采用其它列对搜索峰值进行验证。仿真结果显示算法具有很好的空间谱 估计性能和DOA跟踪性能。     

基于神经网络的宽带ATM网的自适应和最优化控制

<正> 克林顿总统的第二个任期已经开始。在经历了1995～1996年中美关系的曲折与反复之后,克林顿新政府的对华政策究竟会呈现什么样的走向,其对华政策是否会保持一定的连续性与稳定性,哪些因素将制约调整后的对华政策的贯彻,这些正是本文试图探讨的。     

混沌神经网络及其在保密通信中的应用

具有高度复杂非线性动力学特性的混沌神经网络系统已成为近年来进行加密通信应用研究的热点课题。本文首先概括了混沌神经网络的一些主要理论模型及其非性动力学系统的特点和复杂性，并分析人们如何利用混沌神经网络的系统的这些复杂非线性特点，如混沌同步和混沌吸引子等，进行加密通信的基本算法原理，最后总结有关混沌神经网络及其加密通信应用中所需要进一步研究的一些课题。     

宽带卫星通信系统中强干扰抵消方法

在强干扰环境下,星上信道化器的关键部件模数转换器（ADC）会发生数据溢出,严重影响星上载荷转发性能。为此,提出了一种基于抵消思路的宽带卫星通信系统中强干扰抑制方法。该方法首先在数字域对强干扰进行检测、提取和相位幅度调整,然后在模拟域进行强干扰抵消,最后通过检测反馈保证抵消效果。给出了数字域提取滤波器的基本设计方法和实现步骤,并且结合工程实际,采用数学形态学滤波方法消除卫星宽频带噪底起伏带来的影响。研究与仿真结果表明,该方法能对强干扰进行有效抑制。     

Estimation of posterior probabilities of consumer situational choices with neural network classifiers

This study shows how neural networks can be used to estimate the posterior probabilities in a consumer choice situation. We provide the theoretical basis for its use and illustrate the entire neural network modeling procedure with a situational choice data set from AT&T. Our findings supported the appropriateness of this application and clearly illustrate the nonlinear modeling capability of neural networks. The posterior probability estimates clearly add to the usefulness of the technique for marketing research.     

Neural networks in strategic marketing: exploring the possibilities

A review of the literature indicates that few studies have used artificial neural networks (ANNs) for data analysis in business and marketing research, even though there are many benefits to the use of ANNs. Therefore, this article discusses neural networks (NNs) that can be used in addition to or as an alternative to linear regression for data analysis in strategic marketing. The function and layout of NNs make them ideal for research dealing with nonlinear, incomplete, unspecified, or ‘fuzzy’ data and offer several advantages over linear regression. Unfortunately, in many marketing studies, the information being modeled is far from flawless and is often riddled with ambiguities linear regression is insufficient to accurately assess. NNs could be employed for great benefit by researchers analyzing the nonlinear, complex relationships in business data. The article discusses examples of types of studies that could be strengthened or expanded from neural network use.     

一种MIMO中继系统的自适应自干扰消除方法

为节省频率资源,全双工中继一般采用相同的频率接收和发射信号。由于收发天线之间无法充分隔离,接收天线容易受到自身发射天线的回波干扰。针对宽带全双工多输入多输出（MIMO）中继的自干扰问题,提出了一种基于梯度下降自适应算法的自干扰消除方法。该方法利用中继反馈的已知信号进行自干扰信道估计,并产生一个对自干扰信号的估计信号,从而在接收端将干扰抑制。仿真结果表明,该方法在自适应滤波器的跟踪性能、收敛分布和不同MIMO配置下的均方误差（MSE）性能等方面均取得良好效果。     

用于通信系统的干扰对消电路设计与实现

针对通信设备应用的复杂化和对在复杂电磁环境下工作的设备电磁兼容性提出的更高要求，通过分析对消技术的基本原理，提出了一种模拟电路和数字电路相结合的干扰对消技术，并研制出了基于该技术的干扰对消原理样机。对该样机的单机测试和系统联试结果表明，该对消技术具备点频干扰和噪声干扰的抑制能力，对消收敛时间小于100 ms，对消比大于43 dB，适合在窄带通信中应用并可推广到其他领域。该成果正逐步在实际工程中得到运用。