模糊神经网络系统的信号处理

简要介绍了一种可“自动”处理模糊信息的模糊神经网络系统,这是由神经网络和模糊控制相结合的智能信号处理系统。     

现代信号处理的研究热点探讨

本文阐述了现代信号处理的主要特点，并分析指出了现代信号处理与传统信号处理在思想 和方法上的不同。随后，本文概要地介绍了几种现代信号处理的研究方法，并分析指出了现代信号处理的发展方向。     

神经网络在信号处理中的应用

运用ＢＰ网络来消除信号的随机噪声和模式识别，作为例子，考虑了正弦波、矩形波和三角波３种信号。在５０％噪声情况下，ＢＰ网络仍能有效地消除这３种信号中的随机噪声并正确地找出它的理想模式。     

线性阵信号分析与神经网络参数识别

本文导出线性线天线阵信号的一般表达式，并分离为不同信号模型；用神经网络分别识别来波入射角、角频率、幅度和相位。神经网络判决能逼近最优判决：计算机模拟表明；与一般方法比较，它有记录数据短，速度快，精度高等优点．     

一种基于前馈神经网络的火灾探测方法

讨论了基于模拟量探测器和前馈神经网络的火灾探测方法。以光学感烟、半导体感温、离子感烟和湿度模拟传感量为输入，以火灾概率和阴燃火灾概率为输出量对前馈神经网络进行训练，不仅可提取火灾环境的有效特征，而且可以提高检测算法的可靠性。     

神经网络余数制系统

研究了神经网络余数制信号处理系统，提出求余运算的逐位比较模型，以非对称Ｈｏｐ－ｆｉｅｌｄ网络为基础，构造了求余运算神经网络；将此网络用于求解中国余数定理，构造了实现务＋转换的一种全新方案。计算机仿真结果证实了这个新方案的高速和有效性。     

小波变换与信号处理

小波变换是在傅立叶变换的基础上发展起来的,本文通过分析小波的基本原理,系统的描述了小波变换的实现,阐述了小波理论在信号处理中的应用,说明了小波变换在声音、图象等信号处理过程中具有重要的作用和广阔的发展前景,随着计算机技术的发展,小波变换将会应用在越来越多的领域。     

小波分析与信号处理

根据小波分析及其时间-频率特性,提出了一种信号的分解与重构算法,其对信噪分离和滤波具有一定的实用性.     

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.     

一种神经网络仿真系统的硬件设计

本文介绍一种神经网络仿真系统的硬件设计，它是由四片高速数字信号处理器（ＤＳＰ）芯片ＴＭＳ３２０Ｃ２５组成的并行处理系统，能够高速、有效地仿真实现多种神经网络模型．     

一种基于前馈神经网络的火灾探测方法

讨论了基于模拟量探测器和前馈神经网络的火灾探测方法．以光学感烟、半导体感温、离子感烟和湿度模拟传感量为输入，以火灾概率和阴燃火灾概率为输出量对前馈神经网络进行训练，不仅可提取火灾环境的有效特征，而且可提高检测算法的可靠性     

小波技术与工程信号处理

分析了连续小波变换、离散小波变换和小波包变换的基本内容，并应用上述理论有效地处理了刀具状态检测的典型信号，结果表明，小波技术能处理工程应用中的特异信号。