【作者】 崔江；

【导师】 王友仁；

【作者基本信息】 南京航空航天大学 ， 测试计量技术及仪器， 2010， 博士

【摘要】 随着微电子技术与半导体技术的快速发展,模拟电子系统的集成度越来越高,功能越来越复杂,而对其要求的可靠性却越来越高,但相应的可测性正变得越来越差。如何运用信号处理和人工智能技术测试和诊断模拟电子系统中的故障元件或子系统,是目前模拟诊断领域的一个热点。本文综合运用小波分解、特征选择等信号处理技术,并结合基于人工神经网络(ANN)、支持向量机分类器(SVC)等模式识别方法对待测模拟电子电路或系统的故障分类技术进行了研究。本文重点对以下几个方面进行了研究和探讨。针对某些模拟电子系统中故障特征样本数量少且难以获取等问题,研究了一种基于云模型方法的模拟故障特征样本产生方法,并采用神经网络对新产生的扩展样本集进行训练。结果表明,利用新样本集训练过的神经网络对噪声干扰具有较好的鲁棒性。针对模拟故障分类问题,研究了基于支持向量机的分类器设计方法,相关的创新点和贡献包括:提出了一种SVC平均计算量的分析指标,能够定性的对各种SVC的计算效率进行评估;对常规的one-against-rest SVC进行了改进,通过在决策阶段引入K近邻方法,实现了分类性能的提高;为提高one-against-rest SVC... 更多还原

【Abstract】 With the development of microelectronics and semiconductor technologies, the integration of the analog electronic circuit system presents with high density and complicated functions. A higher reliability for such a system is required, but the system under consideration is always with low testability. Signal processing and artificial intelligence can be combined together to implement the testing and diagnosis of the analog circuit system at the level of components or sub-system. Such a task is al... 更多还原