针对移动蜂窝网对多目标难以检测识别且定位精度不高的问题，提出一种基于蜂窝网结构的多目标自动辨识定位方法。首先，根据对监测区域内目标源的多次定位结果方差来判别是否有多目标存在；其次，采用 k-means无监督学习对定位点进行聚类，由于 k-means算法的最优簇数难以确定，因此提出了一种基于波束分辨率的 k值裂变算法来确定 k值，并确定聚类中心；最后，为了提高接收信号的信噪比，通过各聚类中心确定波束方向，再使用基于线性约束的窄带波束形成器依次接收不同波束方向信号，分别对各目标源进行到达时间差定位。仿真结果表明，对于解决多目标定位问题，相对于时延估计算法和概率假设密度（PHD）滤波器算法，所提多目标自动辨识定位方法能够提高接收信号约10 dB的信噪比，对应的时延估计误差的克拉美罗下界能够下降约67%，定位精度相对误差可提高10个百分点以上，而且算法简洁有效，各次定位相对独立，具有较高的效率和较好的稳定性。

针对现有的椭圆曲线算法系统级设计中开发周期长,以及不同模块的性能开销指标不明确等问题,提出一种基于电子系统级(ESL)设计的软硬件(HW/SW)协同设计方法.该方法通过分析SM2(ShangMi2)算法原理与实现方式,研究了不同的软硬件划分方案,并采用统一建模语言SystemC对硬件模块进行周期精确级建模.通过模块级与系统级两层验证比较软硬件模块执行周期数,得出最佳性能划分方式.最后结合算法控制流程图(CFG)与数据流程图(DFG)将ESL模型转化为寄存器传输级(RTL)模型进行逻辑综合与比较,得出在180 nm CMOS工艺,50 MHz频率下,当算法性能最佳时,点乘模块执行时间为20 ms,门数83 000,功耗约2.23 mW.实验结果表明所提系统级架构分析对基于椭圆曲线类加密芯片在性能、面积与功耗的评估优势明显且适用性强,基于此算法的嵌入式系统芯片(SoC)可根据性能与资源限制选择合适的结构并加以应用.

微弱低频的心电信号采集中容易受到外界环境的干扰,必须先对其进行预处理才能用于心脏疾病的诊断。Mallat算法的小波分解重构法不能有效滤除心电信号中的工频和肌电干扰；小波阈值法不能有效滤除心电信号中的工频和基线漂移,重构的心电信号会产生伪吉布斯现象。针对以上情况,提出了一种基于有限长脉冲响应滤波器(FIR)和aTrous算法的小波去噪方法。该方法综合运用了50Hz陷波器、aTrous算法小波分解重构法和小波阈值法。仿真郑州大学第二附属医院和MIT-BIH心率失常数据库的心电信号表明,该方法能够有效去除心电信号中的工频和基线漂移,大幅度衰减肌电干扰,同时有效消除伪吉布斯现象。