功率分配器(简称功分器)作为微波电路中常用的射频器件, 是构建5G系统多输入多输出(MIMO)馈电网络的重要组成单元。为了对已有固定频率的功分器结构进行重新快速地优化设计, 以适用于包括5G工作频段在内的任意实际所需的工作频段, 该文以预先设计的一种双频功分器作为优化设计目标, 提出了一种基于改进后的一维卷积神经网络的深度学习方案。预测功分器在其他任意双谐振频率处拥有良好性能的几何结构参数, 运用自组织映射神经网络进行样本的选取, 提高卷积神经网络的训练效率。预测出的功分器在电磁仿真软件中进行验证, 仿真结果显示功分器在工作频率处的回波损耗高于20 dB, 隔离度高于25 dB, 插入损耗低于3.4 dB, 工作带宽约为450~600 MHz, 证明了利用神经网络实现多参数目标功分器的优化设计是一种快速有效的方法。

功率谱密度 (PSD)预测是频谱管理中的重要环节。由于功率谱密度具有高度的复杂性、非线性和不确定性, 单一的预测模型很难确保预测的准确性和效率。为克服单一预测方法的不足, 提出一种混合的机器学习模型, 将自组织映射 (SOM)网络与回归树 (RT)相结合, 以预测信号的功率谱密度。使用自组织映射网络将具有相似手工特征的原始样本集聚类成簇; 将每一个簇分别构建回归树来预测功率谱密度; 最后, 使用亚琛工业大学的数据进行实验。结果表明, 预测结果的均方根误差比现有方法提高 0.824, 证明混合模型具有较高的预测精确度和较好的泛化能力。

针对室内定位技术精度较低及数据量过大影响运算时间等问题,提出基于OCAE-SOM(Optimized Convolutional Autoencoder-Self Organizing Map)的室内指纹定位算法。离线阶段,先将信道状态信息的幅值相位预处理矩阵作为原始输入数据,并调整为RGB(Red, Green, Blue)格式训练卷积自编码器,使其可深度挖掘参考点的指纹特征,采用Adam算法优化CAE算法的参数,既降低数据维度又能提升训练效率;然后采用OCAE-SOM算法训练模型,可以缩短单独训练模型的时间;最后采用Adam算法优化SOM的权重,可较好地保留输出特征间的相关性,避免权重参数出现局部最优。在线阶段,将调整后的测试数据输入到OCAE-SOM算法中,经匹配后可得到输出位置点。实验结果表明,该算法模型在定位时间与精度上显著优于已有算法,具有一定的应用价值。

利用三维荧光技术进行水质监测对干旱区绿洲河流水质的有效管理具有重要的意义。以三维荧光技术为手段，以艾比湖流域地表水为研究对象，结合平行因子(PARAFAC)法和自组织特征映射神经网络(SOM)方法，探讨了艾比湖流域地表水溶解性有机质的三维荧光特征及其与地表水水质指标之间的关系。通过PARAFAC法，有效提取了艾比湖流域地表水样中的4种荧光组分，C1荧光峰对应物质为紫外区类富里酸，C2荧光峰对应物质为类富里酸，C3包括2个峰C3(T1)和C3(T2)，其中C3(T1) 荧光峰对应物质为类蛋白，C3(T2)荧光峰对应物质为类腐殖酸，C4荧光峰对应物质为类腐殖质。经SOM训练，在不同聚类层中探讨水质参数分布情况，水质状况由差到好的顺序依次为博河上游、精河绿洲、乌苏周边农田、艾比湖周边。在艾比湖流域丰水期，酸碱度(pH)、电导率(EC)、溶解氧(DO)、化学需氧量(COD)和五日生化需氧量(BOD5)与水样的三维荧光峰具有较为显著的相关性，而总磷(TP)、总氮(TN)及氨氮(NH+3-N)与各荧光峰相关性较弱。分别建立pH、EC、DO、COD及BOD5与各荧光组分间的多元线性回归方程，求得相关系数R分别为0.579、0.632、0.502、0.762和0.785，可以在一定程度上利用各荧光组分模拟水质参数的变化情况。在利用PARAFAC探讨地表水荧光特征的基础上，SOM网络作为一种有效的水体荧光光谱分析工具，可为干旱区水质监测和河流水质污染治理提供科学依据。

应用三维荧光技术结合自组织神经网络方法,研究典型城市河流沉积物孔隙水中水溶性有机物(DOM)与颗粒性有机物(POM)组成结构及空间分布特征.自组织神经网络是一种非监督神经网络算法,能够从有机物三维光谱中提取不同的荧光组分,表征各组分的含量.沉积物是重要的有机碳库,而沉积物孔隙水中有机物的多寡可直接反映其环境特征.人们对水体中沉积物孔隙水中的DOM与营养盐特征的研究较多,而对POM的研究较少,尤其对重污染城市支流河的研究更少.因此,选取沈阳市白塔堡河为研究对象,沿河源、农村、城市区域河段采集沉积物孔隙水样品,提取DOM与POM,检测样品的三维荧光光谱.DOM的f450/500值为1.82～1.91,表明DOM主要是微生物源;POM的f450/500值为1.42～1.68,表明POM主要以陆地输入为主.自组织神经网络解析DOM与POM含有类酪氨酸、类色氨酸、类富里酸与类胡敏酸等物质,类酪氨酸主要源于新鲜的具有高氧化的类蛋白物质,而类色氨酸主要为微生物代谢产物。　DOM的各组分丰度之和为POM的2倍,类酪氨酸平均相对丰度在50%以上,类色氨酸的平均相对丰度为18.8%～23.1%,类富里酸相对丰度比类胡敏酸的高,但两者在有机物组分所占比重小。　通过主成分分析,DOM与POM特征呈现沿河源、农村、城市区域河段变化,表明白塔堡河深受人类活动的影响。

对自动显微镜的自动聚焦评价函数及聚焦控制策略进行了研究。首先, 介绍了频域聚焦函数提升小波变换及时域聚焦函数Sobel-Tenengrad算子, 通过将提升小波变换和Sobel-Tenengrad算子有机组合提出了一种新型聚焦评价函数。然后, 利用离焦、正焦样本图像对自组织算法进行无监督训练, 使用粒子群优化算法加速训练过程, 并以经过学习的自组织映射算法作为聚焦控制器。最后, 进行了显微视觉自动聚焦实验。实验结果表明：新型组合算子具有单峰性, 峰值处变化陡峭, 对不同样本、不同倍数物镜均可在正焦位置达到最大值, 鲁棒性强; 经过学习控制器后平均仅用7.6步即可完成自动聚焦, 与爬山法相比, 该聚焦算法不仅大大提高了聚焦速度且性能稳定, 对每幅输入图像处理、识别时间约为120 ms; 满足了显微视觉自动聚焦要求, 获得了良好聚焦效果。

提出了一种改进了的自组织LLE算法(SO-LLE),该算法不仅能自动确定数据点邻域值、减少运算量,而且能有效地发现嵌入于高维人脸图像的低维子流形。对SO-LLE算法进行了详细的理论分析,并应用多种数据集进行了仿真实验。在Yale和PIE人脸数据库的仿真实验结果表明:SO-LLE方法的平均识别率提高了5%～40%,有效地提高了人脸识别的性能。