摘要：目前的频谱感知算法以模型驱动为主,其感知性能过于依赖预定的统计模型,这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析,结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识,可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则,在神经网络输出端设计了一种基于阈值的检测方案,可方便地控制恒定的虚警概率。仿真结果表明,所提算法在信噪比为-14 dB的情况下,仍能达到83%的检测性能,且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。

摘要：针对状态和输入同时存在不确定时延的一类线性离散系统网络,使用线性矩阵不等式方法研究基于观测器的状态反馈控制,利用Lyapunov函数将不确定离散系统的鲁棒稳定性问题进行转化,从而应用线性矩阵不等式进行求解,最终得出该系统渐近稳定反馈控制器的一个设计方法。通过对离散控制系统进行仿真分析,验证了该方法的有效性。

摘要：为降低晶圆缺陷对半导体制造的影响,设计一种基于机器视觉的晶圆表面缺陷在线自动检测技术。首先,针对晶圆中单个晶元可能出现缺角或者遮挡,设计一种基于轮廓匹配的晶元定位方法;其中选取轮廓完整的良品图,经过图像拉伸、中值滤波、边缘检测、形态学处理,得到外边缘轮廓和内部圆点轮廓,建立外边缘轮廓模板,搜索晶圆图像金字塔进行模板匹配。其次,针对晶元背景是有一定规律排列的几何图案,缺陷可能与背景几何图案相似的问题,利用仿射变换原理,设计一种几何图案轮廓仿射变换与分区域检测方法;在此基础上,裁剪几何图案内部区域和几何图案外部区域,分别进行阈值分割和形态学处理,提取缺陷。再次,将缺陷做并集,得到总的缺陷,并进行标记,完成缺陷检测。实验结果表明,所提检测算法能有效解决晶元缺角或严重遮挡无法匹配定位和缺陷与背景几何图案相似的问题,且能有效检测出各种缺陷,单个小晶元的检测速度约430 ms,算法效果好,检测速度快,符合工业要求。