摘要：为了使Turbo码仿真更容易,研究并建立了基于Matlab中Simulink通信模块的Turbo码仿真模型。Turbo码编码器采用两个相同的分量编码器通过交织器并行级联而成。Turbo码译码器采用不同的译码算法,这些算法由S函数调用m文件实现。使用所建立的模型进行仿真,结果表明,在信噪比相同的情况下,交织长度越大、迭代次数越多、译码算法越优,Turbo码性能越好。设计实际系统时,应综合考虑各因素。

摘要：针对当前离心泵运转中存在效率低以及容易出现驼峰等现象,进而造成离心泵运行不稳定的问题,结合当前的智能算法,提出一种基于改进BP算法的离心泵性能预测方法。对此,首先就离心泵的主要性能参数进行了分析,从而为后续的研究奠定基础理论知识;其次,对当前的BP神经网络算法进行分析,并结合遗传算法在全局搜索方面的优势,对改进算法的步骤进行设计;最后,以52组离心泵运转数据作为训练样本,以5组数据作为测试样本,并设定9组输入参数,以扬程和效率作为输出,对上述的模型进行验证。结果表明,无论是在预测趋势,还是在迭代次数和收敛方面,设计的算法都具有很强的优势,进而验证了改进算法的有效性。

摘要：针对共形阵列天线方向图综合所需迭代次数大,且算法的收敛对初始值敏感问题,本文采用DPSO算法对半球共形阵赋形方向图综合进行了研究,通过对半球共球阵模型的建立,推导了所建模型的方向图函数。仿真结果表明,DPSO算法能够较快地综合半球共形阵的赋形方向图,是一种高效且实用的综合算法。

摘要：采用BP神经网络模型预测尿素合成塔CO_2 转化率 ,分析了氨碳比和水碳比与转化率之间的关系。详细介绍了建模过程并对隐含层神经元数和迭代次数对网络性能的影响进行了讨论。分析结果表明 :所建模型能准确地对CO_2 转化率进行预测 ,平均相对误差在 1 0 %以内 ;CO_2 转化率随氨碳比的增大而显著增加 ,水碳比的影响则相对较小。

摘要：脉冲耦合神经网络(PCNN)拥有良好的仿生学依据,在图像分割领域获得了很大的成功.但传统PCNN网络需要设置大量参数,且需要对最佳迭代结果进行选择.以往提出的经典解决方法大多需要预设一个较高的迭代次数,且部分参数依靠经验设定.针对参数设置和时间复杂度2个问题,设计了一种仅需2次迭代,参数设置自适应于图像统计特征的PCNN图像分割算法,避免了凭经验设定参数、多次迭代造成运行时间长的问题.实验表明:算法的分割结果主观视觉感受良好,并且在速度上优于对比算法.

摘要：为了提高位场向下延拓的稳定性与计算精度,提出有限高通算子迭代法。分析该方法的收敛性,给出了确定最佳迭代次数的差值互相关系数法。模型实验表明,该方法具有较高的计算精度与稳定性,差值互相关系数法可为最佳迭代次数的选取提供依据。实际应用中,有限高通算子迭代方法可有效突出隐伏矿体的异常特征,具有较好的应用效果。该研究不同于前人研究,文中设计的向下延拓近似算子具备有限的高通特性,借助波数域迭代模式补偿被压制的低频等有用信息,可为向下延拓迭代法提供新的研究思路。

摘要：随着互联网的发展,人们的娱乐方式趋于多样化,但人们总想可以直接定位根据自己口味的电影而不是通过自己的搜索和朋友的推荐。然而目前已有的推荐系统机制过于简单,往往是根据网友对电影的的综合评分,可根据关键字,类别等具体搜索,久而久之的搜索痕迹来证明用户的喜好。这种基于协同过滤的推荐系统在遇到冷启动问题时会产生较大的偏差。本文利用卷积神经网络结合协同过滤系统设计出了一款基于神经网络的电影推荐系统,利用MBGD(小批量梯度下降法)对模型进行优化,并在有限的数据集下进行了该系统的实验。实验结果表明该系统比传统推荐方法具有更高的准确性。

摘要：为了尽量减少液压机压下系统控制过程的迭代次数并达到更高的求解精度,综合运用粒子群收缩因子算法与扰动因子构建得到PSO算法,再利用AMESim与Matlab联合仿真的方式对其实施验证。研究结果表明:通过对比PSO算法和其它各算法可以发现,此算法相对其它粒子群优化算法可以获得更快求解速度并提升了控制精度。并且由于此算法实现过程简单,为实现双辊薄带振动铸轧工业化应用提供了理论参考。设计了PSO-PID优化方法来控制轧制力发生明显周期性波动的情况,由此实现精确的压下控制,降低了轧制力的波动程度,实现精确控制辊缝宽度的效果。该研究对拓展轧机轧制过程中调控精度具有一定的意义,尤其是针对薄板的制造起到推进作用。

摘要：随机抽样一致性(RANSAC)算法广泛应用于图像匹配领域,帮助图像匹配算法筛选并剔除误匹配点对,提高图像匹配的精度。经典的RANSAC算法存在计算数据量大、运算速度慢、样本适应性差等问题,无法满足图像匹配实时性和样本多变性的需求。针对以上问题,提出了一种基于自适应预检验和迭代阈值自适应相结合的改进RANSAC算法,并给出了具体的设计思路和工作原理。通过实验验证发现,该算法相比于经典的RANSAC算法,运算速度和样本适应性方面都有大幅提升。

摘要：1.产品设计。数字孪生在设计阶段可以是虚拟原型,可以进行调整以测试不同的仿真或设计,然后再投资购买实体原型。这样可以减少将产品投入生产所需的迭代次数,节省时间和成本。2.工艺优化。生产线上的传感器可用于创建工艺过程的数字孪生并分析重要的性能指标。