一种数字全通滤波器的最小二乘设计法

探讨了在复倒谱系数条件下,利用加权最小二乘法(WLS)实现等波纹逼近数字全通滤波器的设计方案.对于平稳的数字全通滤波器,其分母多项式一定具有最小相位;该方法是基于最小相位滤波器的群延迟函数和其复倒谱系数之间的关系,采用最小二乘等波纹逼近求得分母多项式的倒谱系数;然后,依据全通滤波器分母多项式与其复倒谱系数的关系求得分母多项式.由全通滤波器的特性可知,分母多项式系数可完全确定全通滤波器的传递函数.这种方法能够使所设计的滤波器的群延迟特性在整个频带上近似理想群延迟,其误差在整个频带上呈均匀分布,同时降低了误差的最大值.     

利用Padé逼近的低阶极点自适应设计IIR滤波器

主要论述了用Padé逼近法自适应地设计数字滤波器,先介绍了Padé逼近法设计IIR数字滤波器的基本思路,接着讨论转移函数有高阶极点的情况;而经典的逼近函数只考虑了转移函数有单阶极点的情况,根据Padé逼近的行收敛性定理可以实现自适应分配极点;依据判定方法,文中进一步给出了对转移函数的高阶极点的低阶模拟,并利用Padé逼近式的显式表示计算出逼近函数.     

基于B样条函数的移不变双正交滤波器设计

给出了1~7阶B样条半延迟算子的显式表达式,在B样条函数构造的半延迟算子和传统的双正交小波变换的基础上,构造了一种移不变双正交滤波器.针对4阶以上B样条函数构造的小波函数和尺度函数过程中出现的不可逆和不稳定问题,采用因子分解和逆序滤波的方法解决.以4阶B样条半延迟算子为例,给出移不变双正交滤波器的构造方法.     

逐次逼近讨论方程的根

本文通过构造迭代函数，利用逐次逼近的方法给出了一类方程根的存在性与唯一性的判断的一种解决方案。     

最小输出熵盲反卷积方法中概率密度估计

针对多通道卷积混叠模型 ,给出了两种基于最小熵盲反卷积算法中概率估计的方法—基于Edgeworth展开非参数逼近方法和基于核函数的参数逼近法 ,概率估计方法和反卷积滤波器参数逼近的训练公式一起构成最小熵盲反卷积方法 .文中给出了计算机仿真实例     

一种用于非线性函数逼近的小波神经网络算法仿真

提出一种用于非线性函数逼近的小波神经网络算法,分析了网络的拓扑结构,给出了网络的参数估计方法.采用遗忘因子法训练网络的权值,利用具有优良渐近性质的递推预报误差算法训练尺度因子和平移因子,分析并给出两种小波元的个数选择方法.该算法用于非线性函数逼近时优于同等规模的BP神经网络.仿真研究表明,该方法具有收敛速度快,逼近精度高等优点,在为非线性系统建模提供一种新方法的同时,也为复杂非线性系统的辨识提供有益的参考.     

一种基于优化小波神经网络的语音识别

在以往的BP小波神经网络中,最常用的学习算法是BP算法,BP算法实质上就是梯度下降法,是一种局部搜索算法,梯度下降法使得网络极易陷入局部最小值,从而使得网络训练结果不尽人意,搜索成功概率低.取代传统的梯度下降法,利用粒子群算法对小波神经网络中的参数进行优化.然后利用基于粒子群优化(PSO)的小波神经网络进行抗噪声语音识别实验,仿真结果表明,与BP网络相比,PSO算法在迭代次数、函数逼近误差、网络性能方面均优于BP网络,系统的识别率也得到较大的提高.     

具有低群延迟的无限冲激长响应数字滤波器优化设计迭代算法

针对具有近似线性相位的无限冲激长响应数字滤波器通带边缘附近具有较大群延迟误差情况,提出了一种改进的具有低群延迟约束优化迭代算法。该算法在群延迟约束条件下,通过给定初始值,经过多次迭代优化,得到一个最小化的群延迟。设计要求均满足系统稳定性和最大通带波纹和最小阻带衰减,结合二阶节滤波器结构,为防止过渡带过冲,将过渡带带宽增益控制在1的范围内。最后仿真实验以10阶和18阶的低通无限冲激长滤波器为例,在最大通带波纹为0.266 d B和0.232 d B,最小阻带衰减为36.132 d B和49.97 d B的参数下,用该文算法得到的群延迟与文献中方法相比较,分别降低了32.2%和26%,而过渡带增益了相对降低了10.5%和17.6%。     

基于光滑逼近函数的高阶牛顿法求解凸二次规划

研究绝对值函数的3个光滑逼近函数的性质,并采用图像展示了逼近效果.进而提出求解凸二次规划问题的新方法:将凸二次规划转化为非线性方程组,采用光滑逼近函数进行处理,得到光滑非线性方程组,进而利用高阶牛顿法进行求解.数值实验结果表明:本文方法收敛快、迭代次数少.     

电子线路的最优化设计

本文给出了以计算机为辅助手段的电子线路最优化设计方法.采取自动调整设计变量,进行反复迭代,逐步逼近,可使目标函数最小,网络函数趋于理想值.     

基于TAF-MFNN的奇异摄动系统的自适应控制

研究了激活函数可调的神经网络在非线性奇异摄动系统的稳定控制器设计中的应用,给出了利用激活函数可调的神经网络设计非线性奇异摄动系统的方法.网络参数通过梯度下降法进行在线学习,利用Lyapunov方法证明了反馈系统的稳定性,仿真实验验证本方法的有效性.结果表明,利用激活函数可调的神经网络具有结构简单,逼近函数能力强等特点.     

由小波滤波器系数求尺度函数和小波函数

为更好地将离散小波变换和连续小波变换联系起来,在分析了现有的由小波滤波器积法求尺度函数和小波函数的方法的基础上,提出了对迭代卷积法的一种改进算法,同时给出了迭代卷积法的收敛判定方法,并分析了改进后算法的优势.实验结果表明该算法是有效的.     

基于贝塞尔带通滤波器精确设计和仿真

为了改善通信系统的中频滤波器,以140MHz带通滤波器为例,论述了如何采用贝塞尔函数进行精确带通滤波器设计,同时利用最新软件对设计结果进行波特图和群延迟特性仿真．对现有的通信系统的带通滤设器进行比较,从而发现这种函数设计出的带通滤波器在中频通信领域最具有实际应用价值．     

延迟离散Hopfield网络及其串行稳定性

利用Lyapunov泛函方法,引入一种延迟离散Hopfield网络,给出该网络收敛到稳定点时网络参数应满足的条件及能量函数达到极值与网络收敛二者之间的关系,为实际应用打下了理论基础.     

基于神经网络的函数逼近问题

给出了函数逼近问题,提出了一种新的神经网络模型,结合函数逼近问题及该神经网络模型给出了一种学习算法,并利用该算法对函数逼近进行了仿真.说明了该算法的实用性.     

微粒群算法优化信息的分组延迟传播模式

在改进型微粒群算法基础上,考虑对寻优空间充分搜索及算法总体收敛的需要,将信息的分组延迟传播模式应用于微粒群算法.首先对微粒群进行具体分组,然后设计了用于微粒群迭代寻优求解的分层延迟通讯模式,最后针对高维多峰函数优化问题进行了数值仿真实验.     

分形逼近的一种数值方法

本文研究了用迭代函数系生成的分形函数ｖ在Ｌｑ范数意义下对函数ｕ的最佳逼近问题，给出了一种数值计算方法，并证明了相应的收敛定理．     

Fourier系数乘子函数类在:Λ-Greedy逼近算法下的收敛界

利用三角函数系为逼近空间,将在图象压缩、偏微分方程的近似解、统计分类方面有着重要应用的非线性m-项逼近中的误差计算方法--Λ-Greedy逼近算法应用到Lp空间由Fourier系数及乘子函数确定的多(d)元乘子函数类上,利用乘子函数空间的性质,通过对由Fourier系数确定的乘子函数类由三角函数系给出的m-项逼近的性质的讨论,给出了在Λ-Greedy逼近算法下,一般乘子函数是空间分别在lp与Lp范数下逼近界的表达式.     

一类分数阶微分方程边值问题解的存在性

研究一类分数阶微分方程边值问题,其非线性项包含未知函数的Riemman-Liouville分数阶导数.利用格林函数的性质和单调迭代的方法得到该边值问题存在2个解的充分性条件,构造迭代序列来逼近这2个解,并举例说明了结果的有效性.     

基于渐进迭代逼近的等距曲线改进算法

提出一种基于渐进迭代逼近的等距曲线改进算法.该改进算法利用曲线段的高控制采样误差,在充分反映基曲线的形状特征的前提下尽可能地减少采样点数量.在采样点中选取等距曲线上的特征点作为主控制点,利用渐进迭代逼近方法插值所选取的主控制点,迭代过程中综合考虑法矢和参数化一致性两个因素以更好地控制等距逼近曲线的形状.最后,同样利用曲线段的高控制逼近误差,以避免误差过估,对得到的逼近等距曲线的B样条曲线实现更精确的全局误差控制.给出一些实例来验证该改进算法在采样点数量、所需控制顶点个数、迭代次数、误差控制、等距逼近曲线的形状控制等方面实现了性能的提高.