基于混合统计参数识别多种数字信号调制方式

为识别QAM等阶数高于4的数字调制信号及提高调制识别算法对高斯白噪声(AWGN)的鲁棒性,在决策论识别参数的基础上,增加了高阶统计量识别参数,并利用混合参数的经向基函数(RBF)神经网络实现数字信号调制样式自动识别,提高了对数字调制信号的识别能力.仿真结果表明,所提出方法对信噪比SNR=-5~20 dB的2ASK、4ASK、8ASK、2PSK、4PSK、8PSK、2FSK、4FSK、8FSK、16QAM和64QAM 11种数字调制测试信号均可以较好地识别.     

数字通信中调制方式的一种盲检测算法

该文针对数字信号 (ASK2、ASK4、FSK2、PSK2和PSK4信号 )的调制方式 ,介绍一种新的数字调制信号识别算法 (DMRAs) ,并且对该算法进行改进 ,改进后的算法能够快速的 ,自动的识别出已调数字信号的调制方式 .在文章的后面还给出了改进后的DMRAs算法的获取已调数字信号的关键特征值的程序仿真流程图 ,及其仿真程序流程图     

用高阶累积量实现数字调相信号的分级识别

针对BPSK,QPSK,OQPSK和8PSK信号的调制模式自动识别,传统的基于高阶累积量算法无法区分QPSK和OQPSK,因此提出了一种基于差分高阶累积量的识别算法。该算法首先用四阶累积量提取待识别信号和其差分序列的特征参数,然后用决策树分类法实现信号的分级识别。理论分析和计算机仿真结果表明该算法有较强的抗噪声和抗相位抖动能力,在信噪比>3 dB时识别率达95%以上,更适用于较低信噪比下信号的识别。     

基于ART2的心率变异性数据分析

心率变异性(HRV)蕴含了自主神经系统(ANS)调节心血管活动的大量信息．以HRV信号来评估ANS的活动变化具有重大意义．ART2是基于自适应共振理论的一种无监督的自组织竞争网络，适用于自动模式识别．利用ART2网络对241例样本的HRV数据进行聚类分析，得到了满意的聚类结果．     

基于小波分析的已调信号制式的神经网络自动识别

自动调制识别是非合作通信系统接收机设计中的重要研究课题，讨论了基于小波分析的基本调制制式(DSB、FM、PM、2ASK、2FSK、2PSK)的神经网络识别问题，对高斯白噪声中的通信信号的自动识别进行了计算机仿真．实验结果表明，此种识别算法具有较为理想的识别效果．     

基于支持向量机的分级调制识别方法

目前大部分调制识别方法存在计算量过大和分类器训练困难等问题.针对这一现状,提出了一种基于支持向量机(SVM)的分级调制识别新方法.将接收信号的累积量和瞬时频率统计量作为分类特征参数,并利用支持向量机作为分类器对其进行分级调制分类.该方法相比其他非分级调制识别方法具有较低的计算复杂度和较快的分类器训练速度,并且对于载波频率偏移、相位抖动以及Gauss噪声均具有良好的鲁棒性.计算机仿真表明,针对ASK、FSK、PSK、QAM等11种数字调制信号,当噪声采用Gauss白噪声,并且信噪比≥5 dB时,正确识别率高于95%.     

二次调制信号与PSK类信号的自动盲识别算法

研究了卫星通信中常用的二次调制信号和PSK类信号的自动盲识别算法。从信号时域和频域出发,提取了能反映调制方式差异的瞬时特征,并对这些特征进行了理论分析。在区分非恒包络信号时,引入了自相关处理,改进后瞬时幅度包络特征差异更加明显,在对二次调制信号进行识别时,引入了FM盲解调用于恢复内调制信号,内调制PSK信号的识别采用基于谱线特征的识别算法。最后通过计算机仿真验证了其识别性能,在信噪比不低于4 dB时,对信号集内的信号识别率达到90%以上。     

基于ART2神经网络的手势动作肌电信号识别

针对手势动作肌电信号识别中存在的识别效率和稳定性问题,采用一种基于ART2神经网络的手势识别方法,并进行了单用户和多用户的实验研究.对8名受试者、8类手势动作模式的单用户实验,取得了较高的识别正确率,与BP网络相比,ART2分类器具有识别率高、实时性好、鲁棒性强的优点;同时,多用户的实验结果表明,ART2网络对手势动作肌电信号的识别具有良好的自适应性和稳定的分类能力.     

基于OLS的径向基函数神经网络实现多种数字信号调制方式自动识别

基于决策论的信号调制样式自动识别方法具有简单易行、适合在线分析的优点,针对一些参数的计算进行了改进,并提出了基于该方法,利用正交最小二乘法(OLS)的径向基函数(RBF)神经网络,实现数字信号调制样式自动识别的方法.提高了该方法的识别能力,对信噪比(SNR)为6～30 dB的测试信号识别得到了较好的结果.识别的数字信号为2ASK、4ASK、2PSK、4PSK(QPSK)、2FSK、4FSK与16QAM.     

基于MLP神经网络的超宽带信号自适应识别算法的研究

提出一种利用人工神经网络进行超宽带信号调制模式自适应识别的方法。采用三层MLP神经网络进行调制模式识别。首先对超宽带数字调制信号进行统计特征参数提取,特征参数作为MLP网络的输入层神经元参数,隐含层是双层结构。实验证明,当中间层采用正切型激活函数、输出层采用线性激活函数时,MLP分类器的识别性能最好。在5 dB信噪比环境下,算法的正确识别率高于95%。与传统的统计判决方法相比,神经网络分类器不需要设定判决门限就能实现自适应识别,并且达到更好的识别率,解决了软件无线电系统中的超宽带信号自动识别的问题。     

利用改进ART算法模拟重建炉膛截面温度场

锅炉炉膛内温度场的非接触式测量对判断炉内燃烧状况有重要意义.分析了燃煤锅炉内辐射传递模型并将其适当简化为线性模型.提出了在辐射投影线对称结构下简化投影系数计算并调整投影序列迭代顺序以改进ART算法.模拟数值试验表明,采用改进的ART算法重建截面温度场速度快质量高.     

基于RS-Fuzzy ART的设备状态监测方法研究

针对Fuzzy ART神经网络在多工况设备状态监测中存在的学习时间过长问题,提出一种基于粗集约简的RS-Fuzzy ART状态监测方法.该方法利用粗集的信息决策表和决策矩阵对设备的监测参数进行约简提取,降低Fuzzy ART输入向量的维数.监测实例结果表明,采用粗集约简提取的监测参数与原监测参数具有相同的监测能力,且可极大缩短网络的学习时间.若将约简提取的监测参数进行联合监测,还可间接消除由于传感器故障或信号传输错误引起的误报.     

基于改进ART2神经网络的绝缘子故障在线诊断

根据绝缘子在线检测的特点,提出了基于改进ART2神经网络的绝缘子故障在线诊断技术．改进的ART2神经网络在F2层增设初始状态层,即F2层分为上子层F22和下子层F21．F22层存储绝缘子首次投运时的初始状态和已知的典型故障类型,F21层存储新增故障类型．在绝缘子故障诊断过程中,首先应用电晕电流脉冲测量仪在线测量绝缘子的电晕电流脉冲,然后绘制电晕电流脉冲的N-ψ图,并将其作为故障诊断的特征量送入改进的ART2神经网络进行模式识别．被检测的特征量先与F22层中的初始状态和已知的典型故障类型进行比较,如果匹配则判为该类;如果不匹配,再与F21层中的新增故障类型进行比较;如果都不匹配,则在F21层中创建新增故障类型．改进ART2神经网络解决了传统ART2神经网络聚类中心漂移问题,杜绝了绝缘子故障漏判的发生．仿真实验结果表明,应用改进的ART2神经网络可有效实现绝缘子故障在线检测,获得较好的诊断结果．     

用于手写字符识别的SA-ART神经网络模型

针对前馈 BP网络和 ART网络对手写字符识别的不足以及人的认知机制 ,在大量实践和理论分析的基础上 ,提出具有选择注意机制的 ART模型 SA- ART(Selective Attention-Adaptive Resonance Theory) .经实际检测 ,识别精度有明显提高 .     

鲁棒性增强的ART1神经网络

本文详细讨论了ＡＲＴ１神经网络实现算法过程中匹配因子的选择，提出了适用于消除信号噪声以及恢复信号中部份缺损的信息的匹配因子．从而提高了ＡＲＴ１在进行模式分类的工作性能，改善了ＡＲＴ１抗噪性能，一定程度实现了从部份信息丢失的信号中联想恢复出完整信号，增强了ＡＲＴ１的鲁棒性．     

混凝土超声波成像中两种算法的成像效果分析

采用弯曲射线追踪算法计算走时,分别用最小二乘QR分解算法与代数重建技术就恰定方程组、超定方程组与欠定方程组进行了成像计算．结果表明：对恰定方程组与超定方程组,两种算法均可得到良好的重建图像;对欠定方程组,两种算法的重建图像均难于正确反映尺度较小的异常体．     

工业计算机断层扫描技术在文物保护中的应用

环境问题与人为因素对文物的保护构成了威胁,本文简要讨论了文物保护的相关技术,并对工业计算机断层扫描技术及其在文物中的应用进行了分析,通过一个实例实现了文物的断层扫描与图像重建的应用过程,以达到文物保护与研究的目的.     

利用神经网络识别车辆牌照字符

由于受光照条件、牌照自身清洁程度等因素影响 ,车牌识别系统往往达不到满意的字符识别率 .结合神经网自适应的特点 ,本文利用基于自适应谐振理论 (AdaptiveResonanceTheory ,ART)构成的自组织神经网络进行字符识别 ,给出了算法和实验结果     

神经网络在成组技术方面的应用

阐述了成组技术及其在高级制造技术中的作用，在此基础上描述了神经网络在零件编码分类系统中的应用以及用神经网络设计制造单元的方法。