Design of twodimensional digital filters using neural networks

1.INTRODUCTION Two dimensional(2D)digitalfilteringisoneofthe mostfundamentalandmostimportantprocessing techniquesindigitalimageprocessingandother2D digitalsignalprocessingfields.Comparedwiththe designofone dimensional(1D)digitalfilters,2D digitalfiltersusuallymustbedesignedtosatisfyboth thedesiredmagnitudeandphaseresponsesespecially forimageprocessingapplicationsbecausehumanvi sionsystemismuchmoresensitivethanhumanaudi torysystemtowaveformdistortioncausedbythe phaseresponseoftheapplied2D…     

3型FIR滤波器优化设计研究

详细研究了3型FIR线性相位滤波器的幅频响应与正弦基函数神经网络算法之间的关系,提出并证明了该模型算法的收敛性定理,给出了3型FIR带通滤波器、海尔伯特变换器和微分器的优化设计实例。研究结果表明提出的算法避免了求高价逆矩阵的困难,有效解决了3型FIR高价数字滤波器优化设计的瓶颈问题。计算机仿真结果表明了正弦基函数神经网络算法在3型FIR高价数字滤波器优化设计领域中的有效性。     

基于自适应量子粒子群算法的FIR滤波器设计

针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法的参数控制方式,提出了一种自适应调节方法,该方法根据粒子之间的位置关系来设定参数值,给出了具体的设计思想与实现步骤。然后针对有限脉冲响应(finite impulse response,FIR)数字滤波器的优化设计实质,即多参数优化问题,通过适当的编码方式将改进的QPSO算法(adaptive QPSO,AQPSO)应用在其优化设计中,设计了低通和带通FIR数字滤波器。实验结果表明,AQPSO在收敛速度、鲁棒性及优化效果等方面都优于遗传算法(genetic algorithm,GA)、PSO算法及QPSO算法,说明了AQPSO算法的有效性和可行性。     

一种带预处理的离散系数滤波器设计方法

提出了一种带预处理的离散系数滤波器设计方法。该方法基于离散系数滤波器设计问题的{-1,1}二次规划模型,利用{-1,1}二次规划的全局最优性条件,提出了一种最优解元素的判断准则,得到了一个规模较小的离散系数滤波器设计问题。结合随机扰动方法,得到了求解离散系数滤波器设计问题的一种带预处理的随机扰动算法。与随机扰动方法相比,带预处理的随机扰动方法得到的次优解的性能更好,需要的时间也大大减少。     

Design of complex FIR filters with arbitrary magnitude and group delay responses

To design approximately linear-phase complex coefficient finite impulse response (FIR) digital filters with arbitrary magnitude and group delay responses, a novel neural network approach is studied. The approach is based on a batch back-propagation neural network algorithm by directly minimizing the real magnitude error and phase error from the linear-phase to obtain the filter’s coefficients. The approach can deal with both the real and complex coefficient FIR digital filters design problems. The main advantage of the proposed design method is the significant reduction in the group delay error. The effectiveness of the proposed method is illustrated with two optimal design examples.     

基于多层Hopfield神经网络的配电网网络规划

分析了配电网网络结构规划模型,在此基础上提出用Hopfield神经网络进行网络结构规划.针对城市电网辐射状运行的特点,提出多层Hopfield神经网络模型、对应的能量函数以及参数选择规律.多层Hopfield神经网络的每一层对应于一个负荷点的供电线路,能量函数的建立同时考虑到各层的状态.提出一种新的基于多层Hopfield神经网络的配电网网络结构的规划算法,该算法通过使能量函数降到最低值,可以求得配电网网络规划问题的最优或近似最优解.新算法无需对线路编码、无需对数据进行归一化处理,更加易于编程实现.实例计算表明该方法可行、有效.     

基于神经网络的布图设计产业化前景评估

给出了集成电路布图设计产业化前景的评价指标体系,并通过构建前馈神经网络专家系统,对集成电路布图设计的产业化前景进行综合分析。该指标体系和专家系统较好地解决了对集成电路布图设计的产业化前景进行综合分析的问题。选择17个集成电路布图进行了实例分析,对比分析的结果表明该系统具有强大的计算与学习能力,能迅速快捷地判断布图设计的产业前景。     

Registration algorithm for sensor alignment based on stochastic fuzzy neural network

1.INTRODUCTION 1.1　SensorSurveillanceSystem Surveillancesystemisusedinmanycivilianandmili taryapplicationssystems.Sub surveillancesystem contains:air trafficcontrolsystem,airdefencesys temandnavigationdecisionandcontrolsystem,etc. Inordertoperfectlydescribe“themovementofthe target”,thesystemneedtoobtainthetrackofthe target.Thedatafusionofthetargetandtheprocess buildingtheirtracksarecalledasmultipletargettrac ing.Themainfunctionofthetargetandtheprocess buildingtheirtracksarecalledas…     

基于联合特征参数的数字调制识别优化算法

针对数字调制识别在低信噪比下的应用,提出了一种基于联合特征参数的数字调制识别优化算法。该算法利用调制信号的高阶累积量和时域瞬时信息,并结合星座图特征进行特征提取,采用弹性反向传播（resilient back-propagation, RPROP）算法训练的反向传播（back propagation, BP）神经网络对多进制数字幅度调制（M-ary amplitude shift keying, MASK）、多进制数字频率调制（M-ary frequency shift keying, MFSK）、多进制数字相位调制（M-ary phase shift keying, MPSK）、多进制正交幅度调制（M-ary quadrature amplitude modulation, MQAM）共4类12种信号进行分类识别。仿真结果表明,当信噪比低至-2 dB时,提出的调制识别优化算法可使12种数字调制信号的正确识别率均达97%以上,极大地改善了低信噪比下的识别性能。     

基于RBF神经网络的蜂窝无线定位算法

为了解决最小二乘法需要测量数据的先验信息来构造协方差矩阵的问题,提出了基于RBF神经网络的蜂窝无线定位算法.它融合了移动基站提供的AOA,TOA和TDOA测量值来实现移动台的定位,利用神经网络较快的学习特性和逼近任意非线性映射的能力,使其适用于复杂的多径环境.对基于RBF神经网络的定位系统性能进行了仿真,结果表明,基于REF网络的蜂窝无线定位算法消除了定位模糊和基站非理想分布对定位精度的影响,在小区半径小于2 km的情况下,系统的定位精度在125 m时准确率可达67%,在300 m时准确率可达95%.     

一种新的基于人工神经网络的综合集成算法

针对现有多目标综合评价中所存在的主观随机性和各种评价方法结果的差异性问题,依据层次分析法(AHP)、主成分分析法(PCA)和人工神经网络(ANN),提出了一种新的从定性到定量转换的综合集成算法,并用于多目标综合评价。该算法基于人工神经网络理论,吸收了层次分析法确定权值的技术和主成分分析法提取主因素的优点,建立了一个新的多目标综合评价模型———AHP PCA ANN模型。介绍了它的组成原理,给出了具体构成方法,描述了各个步骤的主要任务,通过全面质量管理综合评价的实例证明了有效性和可靠性。     

混合递阶遗传算法优化小波神经网络的研究

在研究小波神经网络结构及其学习算法的基础上,提出了一种以混合递阶遗传算法优化小波神经网络的新方法,混合递阶遗传算法是递阶遗传算法和多元线性回归的结合。此方法可同时优化小波神经网络的结构及其参数,具有学习速度快,精度高的特点。并与传统的BP算法进行了对比,证明了本算法的有效性。     

基于免疫算法的前向神经网络学习方法

提出了一种采用免疫算法训练多层前向神经网络的方法。该方法利用免疫算法训练前向神经网络,能够使网络优化过程趋于全局最优。利用基于遗传策略的聚类机制确定前向神经网络的初始权值,增加了网络训练算法收敛于全局最优的概率。将这种神经网络用于雷达模拟调制信号的调制方式识别的仿真结果表明,采用该算法设计的前向神经网络达到了较高的性能。     

基于高阶累积量的空间特征估计方法及其应用

以均匀直线阵为基础,提出了一种基于阵列输出四阶累积量的信号空间特征估计方法,并将其用于相干多径环境下的多用户信号空间特征的估计。利用阵列输出四阶累积量构造了一种空间特征矩阵,证明了对其作特征分解可以得到各用户的空间特征。然后在空间特征估计基础上,结合前向/共轭后向空间平滑技术对相干多径的波达方向(DoA)进行了估计。该算法是一种不依赖于信号具体特征的全盲估计方法,适用于任意加性高斯噪声,且各DoA与信源自动配对。理论分析和仿真结果说明了算法的有效性和稳健性。     

基于混沌-神经网络模型最优控制及应用

由于非线性混沌时间序列内部确定的规律性，其重构相空间具有高精度短期预测性．为此，为了实现非线性、大时滞系统的自适应控制，文章根据具有混沌特性非线性、大时滞系统的时间序列重构相空问，计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度，并以此为指导，建立神经网络预测模型对系统作高精度的短期预测；在此基础上，通过反馈校正，将校正误差和控制增量引入性能函数寻优得最优控制决策，实现了对非线性、大时滞系统高精度的自适应预测控制．将该控制决策应用在锅炉过热汽温控制中，仿真表明该控制的有效性、快速性和鲁棒性．     

基于小波神经网络的胎号识别算法研究

针对人工神经网络的特点,对传统BP算法进行了改进。采用小波神经网络方法,有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以轮胎胎号字符识别为例,分别用投影法和Hu不变距方法进行特征提取,并将所提取的特征用作神经网络输入层的神经元。将所设计的小波神经网络经训练后用于胎号的识别。仿真结果表明,小波神经网络在字符识别方面是一个十分有效的方法。     

基于EM算法的有监督LVQ神经网络及其应用

针对监督LVQ神经网络存在神经元未被充分利用以及输入样本和竞争单元之间的信息被浪费等问题。通过将EM算法引入到LVQ神经网络中,提出了基于EM聚类算法的有监督LVQ神经网络(即EMLVQ网络),从而弥补了LVQ神经网络的不足且具有EM算法提取样本信息精确的优点。通过参数的简化可以得到EMLVQ算法是软竞争格式(SCS)的一种推广。最后将它们应用于说话人辨识。实验表明,EMLVQ神经网络辨识说话人取得了很好的效果。     

基于卷积神经网络的小型建筑物检测算法

针对基于传统卷积神经网络的建筑物目标检测算法对于小型建筑物检测准确率低的问题, 提出一种基于Mask-区域卷积神经网络(Mask-region convoluional neural networks, Mask-RCNN)模型的小目标检测算法模型。该模型对Mask-RCNN模型中的特征提取网络进行了改进, 设计了一种带有注意力机制的多尺度组卷积神经网络, 有效解决了小目标有用特征较少且易被背景特征和噪声干扰的问题。航拍图像实验结果表明, 改进的检测模型使小型建筑物目标检测准确率较原始Mask-RCNN模型提升了28.9%, 达到了0.663。并且整体检测准确率达到了0.843, 有效提升了航拍建筑物检测准确性。     

Multilayered feed forward neural network based on particle swarmopti mizer algorithm

1 .INTRODUCTIONNowadays there are many algorithms used to trainand opti mize neural network.BPalgorithm,whichisbased on gradient vectors of nodes ,is the most popu-lar neural network training method. Once gradient in-formation is obtained, kinds of regression technologiesbased on gradient can be adopt to update parameters.However BP algorithm faces some problems :(1) speed of convergence ; (2) local mini ma ; (3)sensitivity of initial value ;(4) dependence on gradi-ent information. For s…     

Fuzzy neural network image filter based on GA

A new nonlinear image filter using fuzzy neural network based on genetic algorithm is proposed. The learning of network parameters is performed by genetic algorithm with the efficient binary encoding scheme. In the following, fuzzy reasoning embedded in the network aims at restoring noisy pixels without degrading the quality of fine details. It is shown by experiments that the filter is very effective in removing impulse noise and significantly outperforms conventional filters.