摘要：拟合模型与三维数据间距离图计算是三维数据重建中的主要计算之一 ,决定了重建算法的实时性。本文设计了基于优化 k- d树的三维空间 k个最近点 (k- NN:k- Nearest Neighbour)搜索算法 ,提高了搜索效率 ,使距离图计算时间大大减少 ,满足了三维数据层次式重建的计算实时性要求。作为三维空间最近点搜索的最佳算法之一 ,基于优化 k- d树的最近点搜索算法可在更广泛的领域应用。

摘要：由神经元通过突触联结而组成的生物神经网络可以处理信息和产生特定的电特性 ,认知神经网络信息的产生和传递机理 ,对生物医学具有重要意义 .由于神经网络内部复杂的非线性反馈 ,从微观的生理结构进行各种可能的实验十分困难 .通过分析神经网络的生理和生化结构 ,将信息学与生物医学相结合 ,利用计算机仿真可以系统地分析神经网络的内部结构和外部属性 .为此 ,设计和实现了生物神经网络的计算机仿真系统 ,该仿真系统涉及生物神经网络的等效电路、数学建模、数据表达、信号处理和并行运算等 ,其已在许多科研机构和高等院校得到应用 。

摘要：本文介绍一种采用并行接口将PERICOLOR 2000与IBM PC/XT或386联机的方法.通过这个并行接口,IBM PC/AT或386可成为PERICOLOR2000的宿主机,而PERICOLOR 2000则成为IBM PC/AT或386的一个图象工作站.IBM PC/AT或386可以控制PERICOLOR 2000的运行并能实现IBMPC/AT或386与PERICOLOR 2000之间的双向数据传输,从而大大提高了PERICOLOR 2000的使用效率.

摘要：ART神经网络是按照自适应谐振理论建立的一种自组织的人工神经网络。本文通过分析ART神经网络的结构，发现其在用于模式识别中有很好的聚类特性，但是在数据处理过程中有部分数据量丢失的现象，也就是说，非常重要的幅度信息没有被考虑到。本文提出一种新的结构，并成功地把这种结构用到分类器设计中．实验表明新的网络结构用作模式分类时能适应更一般的情况．

摘要：脸部特征提取是人脸模型调整的关键步骤.本文提出了一种改进的利用变形模板提取脸部二维特征的算法.首先采用区域增长法和积分投影确定脸部位置;其后在分割的脸部区域,利用由人脸先验知识设计的模板进行模板匹配,确定各特征的边框;最后在特征边框内,采用一种新的匹配算法,利用变形模板提取眼睛和嘴部的特征点.由于变形模板的初始位置较准确,匹配搜索区间较小,故算法鲁棒性、准确性好,速度较快.本算法还考虑了脸部初始姿态.实验表明,对于简单背景的肩头象,该算法可取得较好的效果.

摘要：介绍两种二维 IIR 数字滤波器的模块化 Systolic 设计.一种是全局性结构;另一种是区域性结构.两者都是由同类处理单元组成的一维阵列构成,并且很容易扩展成适用于各种不同阶数的二维 IIR 数字滤波器的阵列.这些设计简单,规则,因此适合于超大规模集成电路 VLSI 实现.这种一维结构维持了单一输入输出通道的要求,并且避免了数据以扭曲方式输入.

摘要：提出一种线性相位二维递归数字滤波器组的设计方法.这种设计是以 S 域一维(1-D)贝塞尔函数为原型的低通滤波器的传递函数,通过一维 S 域至二维 Z 域的双线性变换,实现线性相位二维递归数字滤波器.所实现的二维数字滤波器不仅保持贝塞尔滤波器通带内相位线性、阻带内相位近似线性的优点,而且能利用一维至二维的双线性变换压缩过渡带,使过渡带变得陡峭、阻带衰减增加.采用本文的设计方法,利用低阶的线性相位递归数字滤波器组,即可实现高性能的二维分析与综合数字滤波器组,完成图象的子带分割与重建功能.计算机仿真实验证明所提出的设计方法是正确的、有效的.

摘要：介绍了一种全新的设计盲均衡器的评估标准──信道评估标准ＣＥＳ（ＣｈａｎｎｅｌＥｓｔｉｍａｔｉｏｎＳｔａｎｄａｒｄ），并就其实现方式作了简要讨论，在分析现有算法优缺点的基础上，基于高阶统计量，对非最小相位线性信道，提出了一种ＣＥＳ型盲均衡算法ＨＣＢＥＡ，该方法避免了ＣＥＳ盲均衡中常见的大运算量的缺陷，由多电平ＰＡＭ及ＱＡＭ信号仿真实验表明，该方法具有良好的均衡特性。

摘要：由于二维菱形滤波器组能够结合人的视觉特性分解信号，因而在子带编码中日益受到人们的重视，有关二维菱形滤波器组的设计和利用菱形滤波器组处理视频信号的报道也逐渐增多．利用切比雪夫优化法设计的零相位菱形滤波器组不仅具有较小的重建误差，而且滤波器本身的性能也可以得到控制．由于该方法利用一维切比雪夫优化和ＭｃＣｌｅｌｌａｎ变换，再加上所设计的滤波器为正交镜像的，因而设计简单。通过实验证明，利用该方法设计的滤波器的性能较为理想。

摘要：ＡＲＴ神经网络是按照自适应谐振理论建立的一种自组织的人工神经网络，本文通过分析ＡＲＴ神经网络的结构，发现其用于模式识别中有很好的聚类特性，但在数据处理过程中有部分数据量丢失的现象，也就是说，非常重要的幅度信息没有被考虑到。本文提出一种新的结构和相应的新算法，并成功地把这种结构和算法用到分类器设计中。这种结构增加了一套幅度调整子系统对幅度信息先进行匹配，选出合适的几个类别来限定以后的分类；然后再根据相位信息来进一步从可选类中选出最相近的类来，这样系统进入谐振状态，开始网络系数的调整。如果其中任何一个步骤失败，即不能满足预先给出的阈值，我们就开劈新类或放弃这个样本，由于原先系统的运算量主要分布在网络的注意子系统的迭代过程和搜索过程、调整子系统的校验过程中，加入幅度调整子系统减小了搜索范围，因此运算量明显减少。实验表明新的网络结构用作模式分类时能适应更一般的情况，而且其分类速度也有明显提高。