1. EDA技术的发展历史 2. EDA技术实现目标 3. 硬件描述语言VHDL概述 4. EDA技术与传统电子设计方法的比较 5. EDA技术的发展趋势

• 掌握要点 • 大气结构与组成 • 大气污染物及来源 • 大气污染的危害 • 污染物的扩散 • 大气污染治理技术（简要介绍） • 大气污染综合防治 • 全球性大气污染及对策

数字系统的特点：输入、输出都是数字量。 自然界所存在的物理量大多数是模拟量，如温度、湿度、 压力、流量、速度、时间等。数字系统不能直接处理模拟量， 所以要把模拟量先转换为数字量（A/D)，然后送入数字系统中 去处理

前面介绍的各种门电路及由门电路组成的组合电路，其 共同特点是当前的输出完全取决于当前的输入，与过去的输 入无关，它们没有记忆功能。 在数字系统中：常需要有记忆功能。触发器就是一种具 有记忆功能的逻辑部件。触发器有两个稳定状态，分别表示 二进制数码的“0”和“1”

2.1 单相可控整流电路 2.2 三相可控整流电路 2.3 变压器漏感对整流电路的影响 2.4 电容滤波的不可控整流电路 2.5 整流电路的谐波和功率因数 2.6 大功率可控整流电路 2.7 整流电路的有源逆变工作状态 2.8 晶闸管滞留电动机系统 2.9 相控电路的驱动控制

一.模式识别的概念 在人类科学技术的发展历史中，人们总是力图使用某种机器来扩展人类自身的能力，例 如：蒸汽机和电动机—体力，火车和飞机—行走，望远镜和显微镜—视力。那么计算机则是 部分的扩展了人类的职能。 “机器智能”，机器智能系统应该包括三个部分：

前面主要介绍的是各种分类器的设计方法，实际上我们已经完全可以解决模式识别的问 题了。然而在实际应用中，在分类器设计之前，往往需要对抽取出的特征进行一下处理，争 取尽量减小特征的维数。在实践中我们发现，特征的维数越大，分类器设计的难度也越大

模式识别模拟的是人类一部分智能—识别、判断能力，而人类的智能活动都是在大脑的 神经系统中完成的，如果我们能够模拟人类大脑的工作机理来实现识别系统，应该能够取得 好的效果。人工神经网络的研究证实在这方面所进行的探索

一、模式的距离度量 通过特征抽取，我们以特征空间中的一个点来表示输入的模式，属于同一个类别的样本 所对应的点在模式空间中聚集在一定的区域，而其它类别的样本点则聚集在其它区域，则就 启发我们利用点与点之间距离远近作为设计分类器的基准。这种思路就是我们这一章所要介 绍的距离分类器的基础

适当时，可以使同一类模式的特征点在特征空间中某个子区域内分布，另一类模式的特征点 在另一子区域分布（例如苹果和橙子的问题）。这样，我们就可以用空间中的一些超曲面将 特征空间划分为一些互不重叠的子区域，使不同模式的类别在不同的子区域中。这些超曲面 称为判别界面，可以用一个方程来表示：