摘要：针对如何将忆阻器融入人工神经网络算法并进行硬件实现的问题，提出了一种在现场可编程逻辑门阵列（FPGA）平台上实现的基于忆阻特性的监督神经网络算法。该设计以忆阻器模块作为神经网络中的权值存储模块，构建误差反馈机制的监督学习。将该忆阻神经网络电路应用于图像分类问题，并进行了资源占用和处理速度的优化。实验结果表明其分类结果良好，在Cyclone II：EP2C70F896I8平台上，整体网络算法占用11 773个逻辑单元（LEs），训练耗时0.33 ms，图像的测试耗时10 μs。这一工作对忆阻器和神经网络的结合提出了一个有益的参考。

摘要：考虑到各阵元接收的实际环境噪声可能是相关的，以及风成噪声和远处航船噪声等因素的影响，环境噪声强度的空间分布可能具有方向性。利用非均匀环境噪声模型，结合稀疏谱拟合算法，提出了一种基于稀疏谱拟合的超分辨方位估计算法。该算法利用空间信号的稀疏性和线性噪声模型拟合误差的l2-范数联合最小化，实现非均匀环境噪声条件下的超分辨方位估计。通过计算机仿真讨论了正则参数和线性噪声模型阶数对算法性能的影响，海上试验结果表明了该算法较传统算法和稀疏谱拟合算法具有更低的旁瓣级和更好的方位分辨能力，同时有效验证了该算法在非均匀环境噪声背景下的超分辨方位估计性能。

摘要：在使用高分辨距离像开展目标识别时，传统方法很少利用样本的稀疏性。为了克服此类识别所面临的繁琐的分析难题，简化识别过程，稀疏分析其实是一种不错的压缩样本数据，提升剖析效果的方法。因此，提出一种基于联合字典及快速分解策略完成雷达一维距离像稀疏分析，进而鉴识目标的算法。为了提升识别策略的实用性，算法还尝试依信噪比调控其内稀疏分解参数，以改善算法抗噪性能。实验测评表明：相较同类识别策略，该算法求解更为便捷，适用范围有所拓展；相比不同类型的常规识别策略，该算法抵御噪声的能力有所提升，识别效果更优。

摘要：为了探究忆阻器的稳定性问题对忆阻神经网络性能的影响，基于等效电阻拓扑结构的忆阻器模型，搭建了一个将忆阻器作为突触的BP神经网络，并利用MNIST数据集对该网络进行训练和测试。忆阻器的稳定性问题通过设置忆阻器参数波动来模拟，最终发现忆阻器一定程度内的性能波动会促进神经网络的收敛，但波动过大则会降低网络的收敛速度。为了表征波动的临界程度，测得了基于忆阻器模型的各参数的最大波动范围，并进一步计算出忆阻器件工艺层次参量的取值范围，为忆阻神经网络硬件化中忆阻器件的工艺制造和选用提供了参考。

摘要：在超声波测距技术中，传统的信号处理算法难以对距离远、回波弱的信号进行分析，也不能同时对多个障碍物进行测距。为解决这一问题，提出一种基于随机森林算法的超声测距方法，先提取信号的时域特征(相对峰值幅度)和频域特征(频谱相对面积)，然后利用随机森林算法判断出探测区域内的障碍物并计算出目标距离。经过测试，该算法可有效完成10 m之内的多个障碍物距离测量，测量误差在3 cm之内，可以满足诸如自动驾驶等应用场景的要求，具有较高的实用价值和理论参考意义。