正交小波网络及其在经济预测中的应用

依据多分辨分析和正交小波分解理论,建立由正交小波函数和正交尺度函数共同作为神经网络的激励函数的正交小波网络,并充分利用二者互补的特性,给出正交小波网络的分层、递阶学习算法,这使得正交小波网络在逼近函数的过程中不存在局部最小的问题,而且可以建立网络结构与逼近精度之间的明确关系;建立了我国人口预测的正交小波网络模型并验证了模型的实际有效性.     

二维不可分滤波器级联小波的图像去噪算法

针对目前数字图像处理中的图像多方向信息提取问题,提出了一种利用二维不可分滤波器提取多方向信息的小渡域图像去噪算法.该算法首先设计两个具有方向性的二维不可分滤波嚣,然后通过小波变换简单有效地提取了图像六个方向上的方向信息,最后用带有椭圆型方向窗的小波域局部阈值维纳滤波算法对含噪图像进行去噪.通过仿真实验表明,图像多方向信息的提取简单有效,且去噪效果相比于已有的基于二维可分小波的图像去噪算法有了显著的提高.     

三维微波成像中基于对比源反演的扩展方法

采用基于非线性对比源反演算法的成像方法来重建放置在微波暗室内的三维电介质目标。在成像方法中采用正则化方法和频率跳变(frequency hopping, FH)方法等扩展手段。三维实测微波数据的实验设置是多频率、多收发分置的。三维实测微波数据的重建结果验证了基于对比源反演算法的扩展成像方法在三维微波成像中应用的可行性和精确性,是一种有应用前景的解决三维微波成像问题的处理方法。     

Distributed Parameter Neural Networks via Adaptive Wavelet

The paper outlines a new neural net (DPNN) for describing brain's action based on one-dimensional cable theory. While the traditional neural network system only finding its character involving time changing (as HNN, BP etc.), the model-DPNNs (distributed parameter neural networks) are not only the transmitted neurons of time variation, but also the functions of positions by the voltage u(x. I). With the neuroscientific relevance, some bionural features like intermittent conduction and dendritic spike are fixed well by DPNNs which considered as complicated and adaptive devices contract to the functional elementary units. To find the semi-analytical representation of DPNNs, adaptive wavelets are utilized as new microlocalization tools. While maintaining all advantages of wavelet function, the adaptive wavelet offers a viable alternative learning procedure to the orthogonal least squares method (OLS), Adaptive wavelet method develops a fairly general, low-cost multiscale method for neural net optimization.     

Wavelet-Based Mixed-Resolution Coding Approach Incorporating with SPT for the Stereo Image

ELECTRONICS TECHNOLOGY1. INTroDUCTIONThe human brain can process subtle differences between the images that are presented to the left and right eyesto perceive a three-dimensional (3-D) outside world. This ability is called stereo vision. A stereoscopic systemmay be used to stimulate the stereo vision ability edificially. A stereo pair, a pair of images of the same sceneacquired from two different perspectives, is presented to the observers so that the right image is seen by theri…     

基于动态小波神经网络的非线性动态系统辨识

一种隐层由小波基组成的神经网络被用来实现非线性系统的输入输出之间的映射关系.为描述系统的动态特性,在网络中引入了自回归连接结构.本文给出了详细的用小波神经网络进行系统辨识的算法和步骤.本文提出了一种FC+GD算法以提高训练神经网络的收敛速度.最后,将所提出的方法用于CSTR模型的辨识,并与RBF和MLP网络相比较.     

基于自适应窗的小波域图像去噪算法

提出了一种利用自适应窗的小波域双重局部维纳滤波图像去噪算法。综合考虑小波分解后各个子带中能量分布的方向特性和图像本身的边缘和纹理特性,该算法首先估计每个子带中信号的能量分布进而在每个子带中确定自适应窗,然后利用自适应窗估计出的能量分布对含噪图像进行双重维纳滤波来去除噪声。实验结果表明该算法对含噪图像去噪的效果优于已有的采用二维可分实小波进行图像去噪的算法。     

基于直方图统计矩特征的小波域音频隐写分析

提出了一种小波域音频隐写分析方法,对语音信号进行2级小波分解,然后计算每个小波子带系数直方图及其频域(直方图的离散傅立叶变换)的高阶统计矩,共同构成24维特征矢量,并用BP(Back Propagation)神经网络进行分类.利用CASIA98-99语音库中的370个语音进行了测试,实验结果表明:联合特征优于单种特征的分类性能,且对小波域LSB(Least Significant Bit)、小波系数量化QIM (Quantization Index Method)和小波域迭加三种信息隐藏方法的检测正确率均达到91%以上.     

基于小波-神经网络的电力系统短期负荷预测

基于小波变换和神经网络,提出了一种电力系统短期负荷预测方法.通过小波变换把负荷序列分解为不同频段的子序列,再对这些子序列分别采用相应的人工神经网络模型进行预测,最后重构得到负荷序列的最终预测结果.在所提出的方法中小波分解能够提取负荷的一些周期性和非线性特征,根据其子序列各自所具有的特征采用相应的预测方法.实例结果表明该方法具有很高的预测精度和较强的适应能力.     

基于排队网络的快速研制系统模型研究

快速研制系统是一种先进的研制系统,由于其产生时间短,研究费用高,针对其建模与仿真逐渐得到重视,也成为影响其效用发挥的"瓶颈".本文结合设计结构矩阵方法,应用开马尔科夫排队网络,建立了快速研制系统排队网络模型.通过设计结构矩阵描述研制系统的设计迭代,给出了其研制单元研制工作次数的计算方法;运用基于开马尔科夫排队网络的Jackson定理,给出了任务总研制时间估算模型以及分析快速研制系统能力瓶颈方法;对一个5阶段的研制系统实例进行求解,并分析了实例增加瓶颈环节能力后的效果,实例分析表明本方法科学、有效,具有一定的应用前景.     

一种自适应音频数字水印算法的研究与仿真

提出了一种自适应扩展回声音频数字水印算法。利用PN序列将音频信号的单回声内核进行扩展后作为水印信号,结合了回声隐藏的鲁棒性和扩频技术的保密性等特点,从而提高了水印算法的安全可靠性。基于心理声学模型设计二维模糊控制器,实现了水印嵌入强度的自适应。采用ABX主观测试和相关度水印检测测试对算法进行了仿真试验,通过将嵌入水印后的音频信号进行低通滤波、加入噪声以及重采样等方法来模仿音频信号在实际网络环境下可能遭受的各种攻击和干扰,仿真实验证明,算法具有良好的鲁棒性和不可知觉性。     

基于HLA的潜艇航行训练模拟器的研究

根据当前的仿真技术发展和面临的潜艇航行训练模拟器实际需求，提出并设计了基于HLA(High Level Architecture)的潜艇航行训练模拟器的体系结构，并对各联邦成员的构成、开发过程及其关键技术进行了研究，包括HLA、基于FEDEP(Federation Development and Execution Process)模式的开发过程，基于虚拟现实技术的三维视景联邦成员的实现等，最后阐明了该模拟器的实用性。     

一种噪声背景下的雷达目标识别方法

雷达高分辨距离像(high resolution range profile, HRRP)包含了丰富的目标结构信息,在雷达目标识别领域有良好的应用前景。针对传统的HRRP识别方法对噪声环境适应性差的问题,选用具有时移不变性的紧支撑小波自相关作为支持向量机(support vector machine, SVM)分类器的核函数,研究了幂次变换(power transform, PT)参数的选取对识别效果的影响,给出了参数选取经验公式,结合信噪比实时估算自适应地进行数据预处理以增强算法的抗噪性能。仿真表明,所提出的方法与传统的高斯径向基核SVM相比,提高了目标识别率,并且具有较好的噪声稳健性。     

用于大工业过程建模的新型小波神经网络结构

提出一种新的小波神经网络结构 ,旨在解决输入变量比较多、变量分先后次序起作用的一类问题。该网络结构类似于多层前向神经网络 ,不同的是将一部分输入节点移至隐层 ,输入变量不是由同一层输入 ,而是根据变量起作用的前后次序分别在网络的不同层输入 ,从而使网络的规模减小 ;同时 ,隐层神经元的激励函数是一维小波函数 ,避免了多元小波函数带来的维数灾难问题。因此 ,该神经网络是处理高维问题的有效工具 ,尤其适用于包含多道加工工序的大工业过程的建模。将该神经网络用于热连轧产品质量建模 ,并经过了实测数据拟合与检验。试验结果表明 ,提出的小波神经网络结构是可行的 ,而且有很好的应用前景。     

基于神经网络辨识的质子交换膜燃料电池建模

针对质子交换膜燃料电池(PEMFC)系统过于复杂，难以建模，而已建立的模型难以满足PEMFC控制系统设计和应用的要求。本文利用神经网络具有逼近任意复杂非线性函数的能力，将神经网络辨识方法应用到PEMFC强非线性系统的建模中，避开了PEMFC系统内部的复杂性。模型以电池工作温度为神经网络辨识模型的输入量，电池电压、电流密度为输出量，利用500组实验数据作为训练样本，采用改进型BP算法，建立了不同温度下电池电压—电流密度动态响应模型。仿真结果表明，方法可行，建立的模型精度较高，从而为设计PEMFC实时控制系统奠定了基础。     

高精度陀螺稳定跟踪系统神经网络预测控制

针对高精度陀螺稳定跟踪系统，提出了一种基于小波基函数神经网络的非线性系统的一步超前预测控制算法。该方法利用小波网络学习非线性系统，利用小波神经网络模型作为系统的预测模型，控制信号直接通过极小化期望输出值与预测输出值之间的偏差来获得。通过对陀螺稳定跟踪控制系统的仿真，表明该算法具有优良的控制品质。     

基于一种改进的RBF神经网络的直接甲醇燃料电池建模

针对直接甲醇燃料电池(DMFC)系统过于复杂，难以数学建模。应用一种改进的RBF神经网络对DMFC系统进行辨识建模。模型以甲醇的浓度和流速为神经网络辨识模型的输入量，电池电压／电流密度为输出量，利用1000组实验数据作为训练和测试样本，建立了不同甲醇浓度和流速下电池电压／电流密度动态响应模型。应用仿真对建模的有效性和精度进行了检验，并与BP神经网络辨识的效果进行了对比。仿真结果证明RBF神经网络比BP神经网络收敛得快，建模精度高，从而为设计DMFC实时控制系统奠定了基础。     

基于小波变换和ANFIS模型的不规则海浪组合预报

利用小波变换对不规则海浪进行多尺度一维小波分解与重构,得到相对简单、规则的准周期分量信号,然后建立了各信号的多输入、单输出自适应神经模糊推理系统(ANFIS)预报模型,最后对预报结果进行集成。基于Matlab语言的仿真结果表明,该方法不仅降低了预报的难度,而且具有较高的预报精确度。此方法亦可用于船舶横摇、纵摇、艏摇运动的预报。     

基于递归小波神经网络的非线性动态系统仿真

为提高动态递归神经网络的动态系统仿真能力，在Elman神经网络的基础上，提出动态递归小波神经网络（RWNN），给出了其动态梯度下降算法，并将其成功应用于非线性动态系统仿真．仿真算例表明，该网络具有收敛快，精度高等优点，仿真效果很好，同时具有较好的泛化性能，具有广阔的应用前景。