基于自适应神经网络的调频调幅信号预测

线性调频信号在雷达和声纳探测上有着广泛的应用,利用自适应神经网络理论对线性调频信号的预测进行了研究,建立了自适应神经网络预测控制模型．在Matlab里进行了仿真,从图上可以看出,尽管在预测的初始阶段误差较大,但经过一段时间后,误差几乎趋于零．结果表明自适应神经网络能较好地对线性调频信号进行预测．     

多层线性神经网络与单层线性神经网络的等效性研究

针对自适应线性神经网络的大量理论和应用文献都没有多层线性网络应用、讨论的现象,研究基于线性神经元作用函数,推导出多层的多输入/单输出和多输入/多输出的线性神经网络数学表达式,其函数形式等效于单层线性神经网络,同样是关于输入变量的线性关系,仅权值和阈值更加复杂而已.为了验证多层自适应线性神经网络与单层自适应线性神经网络的等效性,分别以两个线性函数的逼近为例,通过MATLAB软件仿真平台作了进一步的验证.仿真结果表明,多层线性神经网络能实现线性函数的逼近,但效果不如单层线性神经网络理想.因此,多层线性神经网络的功能完全可由单层线性神经网络精确地实现,多层线性神经网络的存在是没有必要的.     

基于神经网络的自适应滤波研究

自适应信号处理在信号处理中占据主要地位,自适应滤波又是自适应信号处理中的主要应用.目前对自适应滤波的研究主要集中在算法上,但很难在收敛速度、稳定性和跟踪性能上同时取得最佳性能.综合考虑自适应滤波的各种性能,研究基于神经网络的自适应滤波方法,并通过实例应用来证明了该方法的有效性.该研究对拓展自适应滤波方法和神经网络的应用都具有重要的参考价值.     

基于Simulink的自适应心音增强

记录心音的过程中,不可避免地要引入很多种噪音.这些干扰噪音对记录的心音波形产生不利因素,甚至会严重影响心音分析的结果.在对心音信号进行进一步的处理之前,必须对噪声加以抑制.针对心音信号的非平稳性,提出了以自适应滤波方法来消除干扰,并提出了以心音间隙期的样值作为参考噪声的分析方法.运用动态系统仿真工具Simulink,建立了LMS自适应滤波的心音增强模型.实验结果表明,该方法能有效地抑制噪音,达到增强心音的目的.     

用于去除心电信号工频干扰的多阶自适应滤波器阶数确定策略研究

工频干扰是微弱生物信号采集过程的常见噪音源之一,特别会造成像心电之类信号的信噪比的显著下降.自适应滤波技术对于去除心电信号工频干扰噪音有着显著的效果,但自适应滤波技术中的自适应滤波器阶数确定是关键问题.本文提出了多阶自适应滤波器中适于去除心电信号的阶数选择策略.在以单路正弦波为模拟工频干扰信号源进行实验中,根据提出的阶数选择策略,确定5阶自适应滤波器对心电信号的工频干扰有着明显的抑制效果.同时,实验还证明,与自适应滤波器中的对消器相比,策略所确定的5阶自适应滤波器具有更快的收敛速度,并且还能在工频波动处取得更好的处理增益.     

电力有源自适应格型滤波器谐波电流检测方法

针对有源滤波器谐波检测实时精度高的要求,将线性神经网络应用于自适应噪声对消技术,采用最小均方(least mean square, LMS)误差算法对神经网络进行训练,通过线性神经网络实现的自适应格型滤波器,每个神经元对输入基波和谐波信号并行协同处理,对电网高次谐波分量进行滤波和预测,较常规滤波器有更好的实时性和鲁棒性.仿真和实验结果分析表明,自适应格型检测算法比常规检测方法有更好的实时性和精度,补偿后5、7次谐波电流含有率明显下降,电力有源滤波器APF投入后补偿效果良好.     

人工神经网络在手感评定中的应用

针对现有的手感评定方法在识别准确性,容错性和适应性方面存在的问题,提出了用4个检测模型产生手感信号,并用BP神经网络处理信号的具体方法和步骤.实验证明,BP神经网络具有较好的自适应模式识别能力和容错性.     

一类非线性离散系统的神经网络自适应控制

针对一类控制方向未知的单输入单输出非线性离散系统,将常规增量式数字PID控制器与自适应神经网络控制项相结合,提出了一种能够保证闭环系统稳定的自适应神经网络控制方法.常规PID控制器用来保证近似线性系统的稳定,自适应神经网络项用来处理非线性项对闭环系统的影响.在神经网络权值修正律中引入离散Nussbaum增益来解决被控系统控制方向未知的问题.证明了闭环系统的所有信号有界,且跟踪误差收敛于紧集,并通过仿真验证了所提方法的有效性.     

基于DSP的自适应线性滤波器的设计与实现

自适应线性滤波算法是一种简单的估计梯度的方法,广泛应用在信号处理、图像处理、控制工程等领域。DSP(Digital Signal Processor,数字信号处理器)是一种高速度,高性能、特别适合于实现各种数字信号处理的微处理器,用DSP进行信号处理有很好的实时性及处理精度,文章完成了一种基于DSP的自适应线性滤波器的设计,从而实现对音频信号的初步降噪处理。     

基于小波分析和神经网络的胎儿心电提取

通过小波分析方法和自适应线性神经网络相结合,对围产期母体腹壁混合心电信号进行处理,采用两种方案进行仿真并分析对比。分别采用小波变换和小波包分解技术对心电信号消噪处理,探索一种提取出胎儿清晰心电信号的方法,为下一步胎儿心电信号特征提取和健康状况的诊断奠定基础。实验结果表明,先提取胎儿心电信号,再进行消噪处理效果较好。     

一种语音信号线性预测系数的求解新方法

语音信号的线性预测分析是语音信号处理中的重要部分,线性预测系数提取的速度和精确程度直接影响后续的处理工作.现提出一种基于BP神经网络的线性预测系数的求解方法.实验表明,该方法能以较少的训练次数得到较高的计算精度.     

基于自适应粒子群优化算法的神经网络的优化研究

针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷,提出一种新的自适应粒子群优化算法用于神经网络的训练.该算法通过改进自适应搜索策略以提高网络泛化性能,并结合Ionosphere雷达信号分类数据集进行仿真测试.研究结果表明:基于自适应粒子群优化算法训练的神经网络在分类准确率和分类误差上明显优于传统的BP算法,且很好地提高了网络泛化能力和优化效果.     

基于双通道神经网络时频掩蔽的语音增强算法

为提高语音增强算法消除方向性噪声和抑制混响的能力,结合单、多通道处理信号的优势,提出了双通道神经网络时频掩蔽语音增强算法.首先,利用改进的多分辨率耳蜗动静态特征,结合依据信噪比优化的自适应掩模,对双麦克风信号分别进行单通道神经网络初步语音增强,达到全面利用语音非线性特征改善感知度的目的;其次,提出一种基于自适应掩模方向...     

含噪音重叠化学信号的处理新方法

重叠信号的准确解析一直是分析化学中的难题[1],含噪音重叠信号的处理就更困难.目前,已经发展了一些信号解析的化学计量学方法[2],但这些技术主要适用于分离不含噪音的信号.由于方法的缺乏,实际操作中对于含噪音重叠信号的处理,一直是采用先滤波、再分峰的方式,不但操作繁琐,而且误差大.     

基于扫频滤波器线性调频信号的滤波算法

研究了白噪声环境下线性调频信号的自适应滤波问题.提出一种线性调频信号(LFM)自适应滤波算法.该算法利用分数阶傅里叶变换将LFM信号转化为正弦信号,在分数阶傅里叶域进行自适应滤波,利用分数阶傅里叶反变换得到滤波后的时域信号.分数阶的滤波器可以使用扫频滤波器替代.性能分析表明,该算法的滤波效果取决于自适应滤波器的效果,在使用最下均方(LMS)算法时,步长的选取决定了滤波器的性能,在实际应用中必须按需选取.仿真表明该算法效果明显,计算方便.     

基于GRU算法的预应力混凝土梁声发射损伤识别

损伤识别是结构损伤演化全过程监控的基础.采集预应力混凝土梁加载破坏全过程的声发射信号,并在自适应去噪的基础上,利用门控循环单元神经网络,实现了预应力混凝土梁破坏阶段的识别.研究结果表明：门控循环单元神经网络可以较好地适配损伤识别任务,在理想状况下,其损伤阶段的识别准确率可逼近96%,但稳定性不佳;通过自适应去噪方法修正后,门控循环单元神经网络可获得高稳定性、高准确率的识别结果;通过去噪数据训练得到的神经网络模型,对带噪信号的损伤识别同样有效,其准确率主要受待测信号中的噪声占比控制.     

语音信号中噪音干扰的数字滤波技术

分析了几种语音处理技术特征，针对语音信号处理过程中随机噪音干扰信号的特点，应用自适应干扰对消原理消除噪音，可使带有噪音的原始语言信号得到明显改善。理论分析及实验结果表明，数字滤波技术可方便地通过软件控制品质因数与带宽，因而可在通信、语言声学等领域广泛应用。     

一种基于神经网络的自适应谐波电流检测法

根据信号处理中的自适应噪声抵消技术，提出了一种基于神经网络的自适应谐波电流检测方法。该方法适用于有源电力滤波器。仿真结果表明了这种谐波电流检测方法的有效性。     

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。     

基于切比雪夫最佳逼近的LVDT位移传感器信号处理

针对LVDT位移传感器两端输出信号的非线性问题,提出了一种基于切比雪夫最佳逼近原理的信号处理方法. 该方法将传感器有效量程自适应地分为线性和非线性区域. 线性工作范围和对应直线逼近函数利用切比雪夫一次最佳逼近自适应确定,非线性区域信号采用有理B样条函数进行线性化处理. 设计了基于MSP430单片机的信号处理器,搭建了基于步进电机直线台和标准激光传感器的试验平台,对该算法进行实验验证. 实验选用量程为85 mm的LVDT位移传感器,实验结果表明,该方法将传感器的非线性误差从2.47%降至0.30%,测量平均误差绝对值从0.64 mm降至0.12 mm,有效改善了传感器的线性度和精度,延展了其工作范围.