基于径向基神经网络的非线性自适应除噪

提出一种适用于非线性自适应除噪（ＡＮＣ）的神经网络方法．当参考通道中噪声是主通道噪声的非线性变换时,采用线性ＡＮＣ往往效果不好,此时应采用非线性ＡＮＣ．由于径向基函数网络有良好的非线性函数逼近性能,因而可采用基于径向基函数网络的非线性ＡＮＣ．模拟结果表明,该方法具有很强的噪声抑制能力．     

一种基于径向基函数神经网络的语音降噪方法

采用径向基函数神经网络在时域上对含噪语音信号进行降噪处理.针对语音信号的短时平稳性以及噪声的随机性,对语音信号进行分帧预处理;用分帧后的纯净语音信号作为径向基函数网络的教师信号,并利用Matlab神经网络工具箱设计和训练网络.实验结果表明,径向基函数网络作为语音信号滤波器,可有效地抑制语音信号中的白噪声,具有良好的降噪性能.     

基于人工种经网络的乳腺癌诊断模型

针对具体的乳腺癌诊断分类问题，研究了多层径向基函数(RBP)网络的分类机理和初始化优化参数，采用动量法和学习率自适应调整两种策略方法，建立了基于BP神经网络和径向基(RBF)神经网络的乳腺癌两种诊断模型。讨论了径向基神经网络的分类机理，同时对数据作了预处理。径向基(RBF)神经网络具有较强的非线性并行处理能力和容错能力。仿真结果表明，所设计的RBF网络模型性能稳定，训练时间短，分类效果较好。     

自适应径向基函数神经网络

文章根据隐节点对整个网络输出贡献的相对大小 ,提出删除策略 ,并结合资源分配网络的增长规则 ,使得径向基函数神经网络的隐节点在学习过程中可以自适应地增加或删除 ,从而形成一个网络资源较少、结构紧凑的自适应径向基函数神经网络。将该网络应用于函数拟合和非线性时间序列预测 ,取得较好的效果     

实时交通数据的噪声识别和消噪方法

以常用的交通数据———交通量时间序列的实测数据为例,给出多个噪声识别及消噪预处理的实验结果.为提高建模的准确度,采用模糊减法聚类对交叉口实测交通量进行噪声识别.对实测交通量采用奇异值分解的滤波方法进行除噪预处理,并通过训练径向基函数网络进行预测.与数据未经滤波直接训练网络相比,预测结果的平均绝对相对误差降低了3.31%.用小波变换对交通量数据进行消噪处理,即通过多分辨率的小波分解和重构来实现消噪.实验表明,若对原始交通量时间序列消噪后再建立预测模型,将获得更好的预测结果,这说明研究的噪声识别和消噪方法的可行性和有效性.     

径向基函数网络在扩频通信干扰抑制中的应用

提出了一种基于径向基函数网络的自适应干扰抑制方法,与传统的基于反向传播算法的感知器神经网络相比,径向基函数网络具有收敛速度快,对环境变化不敏感等优点,计算机仿真结果表明,当干扰为窄带信号时,利用径向基函数网络可以有效地对干扰进行抑制,将该方法与基于传统横向滤波器和感知器神经网络的干扰抑制器进行比较,结果表明该方法具有一定的优越性。     

基于尺度噪声能量估计的自适应语音去噪算法

摘要：
针对语音增强技术中的信号去噪问题,提出了一种非线性小波自适应阈值去噪方法.该方法采用一个改进的阈值函数,克服了传统软、硬阈值函数的缺陷;在阈值选取规则中,引入尺度相关去噪法而自适应地选取尺度阈值,利用小波系数在空间尺度的相关性进行尺度噪声能量的估计,根据所得尺度噪声能量来选取对应尺度层中的最佳小波系数并作为该尺度的阈值;同时,应用该方法对不同强度噪声背景下的语音信号进行去噪.结果表明,其具有较好的降噪性能. 关键词：
语音信号; 滤波; 小波变换; 噪声能量; 自适应阈值 中图分类号： TN 912.3
文献标志码： A     

一种基于NSCT变换的RBF神经网络自适应阈值去噪方法

提出一种基于非下采样Contourlet变换的径向基神经网络(RBF)自适应阈值去噪方法.在NSCT域通过RBF神经网络使目标误差函数GCV(T)的最小化,从而确定最优阈值,再通过软阈值函数去噪.利用NSCT的平移不变性来抑制伪Gibbs失真,从而能完整地保留图像的纹理和边缘等信息.实验结果表明,该方法可以有效去除高斯噪声,提高图像的峰值信噪比.     

基于Zernike矩特征的FCM-RBF神经网络图像分类器

针对交通监控图像识别精度较差的问题,设计一种基于径向基(radial-basis)函数神经网络的图像分类器.该分类器利用Zernike矩噪声敏感度较小、形状特征稳定性好的特点,构建四阶矩的特征向量,用于特征提取;利用自适应模糊聚类方法,解决径向基函数神经网络隐层节点数不确定的问题.仿真分析表明,该分类器与基于改进的快速模糊C均值聚类算法的Back Propagation网络分类器和径向基函数神经网络分类器相比具有更高的识别率,与改进的粒子群优化模糊C均值聚类算法的径向基函数神经网络分类器相比具有相近的识别率,但其计算复杂度较低.仿真实验结果表明,该方法具有较好的分类能力及较高的计算效率.     

基于改进型径向基函数网络的船舶非线性航向自适应逆控制

针对非线性船舶控制中传统自适应控制方法存在的实时参数调整复杂、鲁棒性差等缺陷,提出了一种基于改进型径向基函数(RBF)网络的自适应逆控制(AIC)方案,RBF网络相比通常的非线性自适应模型,结构更为简单且不存在局部极小问题.对“The R.O.V Zeefakkel”散装船非线性模型的仿真结果表明,AIC在显著改善对象动态响应性能的同时,具有良好的鲁棒性和扰动消除能力,适用于对机动性要求较高的中小型船舶控制.     

非线性主动噪声神经网络补偿控制

针对目前主动噪声控制方法需要对次级通道进行辨识,且辨识模型精确度严重影响控制效果的问题,提出一种基于神经网络前馈补偿的非线性主动噪声控制方法. 该方法利用神经网络的非线性函数逼近能力,将非线性次级通道作为被控对象,非线性主通道作为噪声模型,设计基于神经网络补偿的噪声控制系统. 该方法无需已知主通道和次级通道模型,且基于Lyapunov定理证明了控制系统的稳定性. 仿真结果表明了该方法的有效性.     

自适应非线性FIR主动噪声控制

针对非线性主动噪声控制系统的非高斯噪声问题,利用Hammerstein/Wiener模型思想简化Volterra滤波器,提出基于函数映射的非线性FIR主动噪声控制器.给出基于二阶Renyi误差熵和均方误差加权和的广义滤波-X梯度下降算法,实现自适应非线性主动噪声控制,并分析了控制算法的收敛性.该方法综合了信息熵和均方误差对误差信息的优势,结构简单且学习参数少.仿真结果表明了该方法的有效性.     

噪声有源控制的简化模糊神经网络方法

研究了非线性噪声有源控制的问题,给出了一种简化的模糊神经网络控制方法。控制系统只有一个输入,需要比较少的参数,因此降低了计算负荷。系统的收敛速度明显快于全局逼近神经网络。     

家用电器声控技术的抗噪声干扰问题——ANC方法与室内声场

本文旨在分析一般的家庭住室环境中,各种噪声对语声控制系统正常工作的干扰问题。指出,电视机等电器发出的语声,是最为严重的干扰噪声。为此,本文引入ANC方法这一有效的语音增强技术,提出了一种用于家用电器声控制技术的干扰噪声消除方案。本文将声波的波动概念引入室内几何声学,提出一种能够简捷计算矩形室内声场中声通道传递函数的新方法,以及用此方法仿真了传递函数随一些客观因素而变化的情况。     

基于多通道系统的封闭空间低频噪声主动控制

在封闭空间中,相较于单通道主动噪声控制(active noise control,ANC)系统,多通道ANC系统可以更好地实现整体区域的降噪。针对所设计的三维空间,分别进行单通道及双通道实验;并基于实验的方式布放次级源及误差传感器。实验结果证明,对于低频窄带噪声,多通道系统降噪效果显著,算法开启后在所设计装置空间内达到11. 4 d B的降噪量;且噪声声压级相较于单通道系统分布更为均匀。     

Active Noise Control for Vehicle Exhaust Noise Reduction

An active noise control (ANC) method was developed for exhaust noise reduction for medium-duty diesel trucks. A modified variable step size least mean squares (LMS) algorithm was used for the controller ina variable environment that considered the vehicle‘s acceleration characteristics. The variable step size time-based synchronized filtered-x LMS method (SFX-TB) used an adaptive algorithm that was more efficient than the conventional flltered-x LMS algorithm. The simulation and the experimental tests show that the control trackability and stability provided by the algorithm during acceleration enable the ANC system to effectively reduce the vehicle exhaust noise.     

管道有源降噪可行性的理论论证

管道消声的基本原理是由控制器产生次声源平面波,使其与原噪声在管道干涉相消,本文将在声波导管的基础上对这一理论进行可行性论证.     

大变形柔性梁系统的绝对坐标方法

研究了绝对坐标法在大变形柔性梁系统刚柔耦合动力学问题中的应用．考虑几何非线性,用绝对坐标法推导出有限元离散的平面梁系统的动力学方程．用能量守恒原理验证了绝对坐标法计算结果的正确性．比较大变形时的绝对坐标法与一次近似的混合坐标法的计算结果表明,文中绝对坐标法比一次近似的混合坐标法模型更精确,适合于大变形的情况．     

基于多通道噪声消除的两级主动噪声控制算法研究

提出在传统的自适应降噪算法的基础上进行改进,发展为两级主动噪声控制( T-ANC)算法,将纯净信号作为参考信号。第一级滤波器的输出是近似的算法输入噪声,将其作为第二级滤波器的参考信号,从而在第二级滤波结束后,得到复原的纯净信号。仿真实验表明,本文提出的算法,有效的弥补了传统的主动噪声控制算法中噪声相关信号作为参考通道难以获取的情况,取得了较高的信噪比增量和降噪量,主观感受音质改善明显。     

过程检测控制系统中的快速自适应滤波

本文分析了LMS噪声抵消法的局限性,在讨论过程检测控制系统中信号和噪声一般模型的基础上,针对强噪声情况提出了一种基于建立相关模型的快速自适应滤波(FAF)。它是利用快速横向滤波(FTF)自适应算法对相关模型进行仿模而实现的。仿真与试验表明,本文所提出的方法较LMS法优越,适于过程检测控制系统采用。