自适应模糊神经网络在噪声消除中的应用

本文提出了一种基于模糊神经网络的噪声自适应消除方法,介绍了该方法的原理及实现算法,并利用特殊函数和一定的噪声作为样本信号,建立了基于模糊神经网络的自适应噪声消除模型。通过该模型对有用信号的参数进行了辨识,仿真结果表明该方法具有学习速度快、诊断精度高等优点,可用于通信线路及其他电子设备的噪声消除。     

应用自适应神经模糊推理系统(ANFIS)进行建模与仿真

模糊规划的提取和隶属度函数的学习是模糊推理系统设计中重要而困难的问题，自适应神经模糊推理系统（ANFIS）方法基于Sugeno模糊模型，其结构类似于神经网络，采用反向传播算法和最小二乘法调整模糊推理系统的参数，并能自动产生模糊规划，本文应用该方法给出了对一个典型系统建模的仿真实例，取得了良好的效果。     

基于自适应神经模糊推理系统的非线性系统控制

由于非线性系统具有模糊性、不确定性、非线性等特点,所以常常使用模糊控制来对其实现控制,但常规的模糊控制系统存在着一定的问题。该文把神经网络与模糊控制相结合,介绍了自适应神经元模糊推理系统ANFIS(Adaptive Neuro—Fuzzy Inference System)的基本结构,并将ANFIS用于典型的非线性系统控制中,仿真结果表明训练后的ANFIS能很好地控制实际的对象。     

基于Choquet积分-OWA的自适应神经模糊推理系统及其应用

针对已有的自适应神经模糊推理系统(ANFIS)在模糊规则后件表达上的缺陷和常见的模糊推理系统存在的主要问题,提出基于Choquet积分OWA的模糊推理系统(AggFIS),在模糊规则的后件表达、模糊算子的普适性和输入及规则的权重等方面有很大优势,它试图建立能够充分体现模糊逻辑本质和人类思维模式的模糊推理系统.根据模糊神经网的基本原理将AggFIS与前馈神经网络相结合,得到基于Choquet积分-OWA的自适应神经模糊推理系统(Agg-ANFIS),并将该模型应用于交通服务水平评价问题.实验结果证明,基于Choquet积分OWA的自适应神经模糊推理系统具有很好的非线性映射功能,它的本质是一类通用逼近器,为解决复杂系统的建模、分析及预测问题提供了有效的途径.     

自适应神经模糊推理系统建模研究

With rapid development of the fuzzy control application field, the existing system for fuzzy inferring modeling cannot more and more suit the requirements of fuzzy control. About how to apply the theories of fuzzy control to practice rapidly and conveniently, this paper presents a reasonable and practical method, which supports all sorts of fuzzy inferring system of MAMDANI and SUGENO to be modeled not only by tuning references of membership functions, but also by tuning fuzzy inferring structure. The modeling instance shows that it's practical and effective.     

改进的自适应神经模糊推理系统的角度传感器误差补偿方法

角度传感器测量精度控制在工程应用中非常重要, 直接影响其实际应用的效果. 当被测物理量和角度传感器输出之间为复杂非线性关系时, 传统方法已难以获得满意的结果. 本文引入了一种基于改进的自适应神经模糊推理系统的误差补偿方法, 阐述了模型建立过程与步骤, 并对一个16位绝对式光电编码器进行了精度检测与误差补偿. 实验结果证明, 与多项式拟合法和BP神经网络相比, 改进的自适应神经模糊推理系统可显著提高光电编码器的测量精度; 相比于补偿前, 补偿后光电编码器测量精度可至少提高7.5倍.     

基于T-S模型的锌钡白干燥煅烧过程自适应神经模糊推理系统建模

针对锌钡白干燥煅烧过程建模难的问题，提出了一种基于T-S模型的自适应神经模糊推理系统(ANFIS)建模方法．通过对模糊辨识系统的结构辨识和参数辨识，使网络自主、迅速地收敛到要求的输入输出关系．文章讨论了该网络的结构和学习算法，并通过仿真研究得出其良好的实际应用价值．     

基于自适应神经模糊推理系统的视频烟雾检测

提出一种基于自适应神经模糊推理系统的视频烟雾检测算法。从视频图像中提取烟雾特征,采用减法聚类确定模糊规则数,建立初始模糊系统。通过神经网络的自学习机制调整前提参数和结论参数,确定模糊推理规则。实验结果表明,与传统BP神经网络算法及支持向量机算法相比,该算法具有较优的ROC曲线特性。     

一种基于模糊推理的噪声检测及自适应滤波方法

为了在去除图像噪声的同时最大程度地保持图像细节,提出了一种基于模糊推理的噪声检测及自适应滤波方法.该方法首先利用图像的局部统计信息(ROAD)和方向Laplacian差分值,同时采用模糊推理的方法对噪声点进行检测;然后对可能的噪声点进行自适应的滤波处理,使非噪声点的原有灰度保持不变,以最大程度地保持图像的真实性;最后针对由图像中噪声分布不均产生的局部噪声密度较高和高的噪声图像而进行的模糊推理噪声检测可能引起的"误判点",设计了一种改进的滤波方案用来对其进行修正.该方案采用迭代思想来重复进行噪声定位和滤波,每次滤波只滤除较大可能的噪声点,以最大限度减小图像的模糊.实验结果表明,该方案对于不同程度的噪声,经过适当地迭代均可取得良好的去噪效果.     

自适应神经模糊推理系统的参数优化方法

自适应神经模糊推理系统(ANFIS)将模糊推理系统(FIS)中的模糊逻辑规则及隶属度函数参数通过神经网络的自学习来整定,自动产生模糊规则和调整隶属度函数,解决了模糊控制系统中模糊推理规则主要根据专家经验设计、缺乏自学习能力、控制精度不高等问题.而在建立一个初始系统进行训练时,其训练次数、隶属度函数的数目及类型都是待定的,这三个参数的选择直接影响系统训练后的效果,其确定方法值得研究.本文应用自适应神经模糊推理系统对一个典型系统进行建模仿真,并提出三个参数的寻优方法.     

基于UKF的自适应模糊推理神经网络

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点。针对这一问题,本文提出了基于UKF的自适应模糊推理神经网络(UKF-ANFIS)。首先,通过减法聚类确定UKF-ANFIS的模糊规则及其高斯隶属函数的中心和宽度参数;其次,分析了模糊神经网络的非线性动力系统表示,并用LLS和UKF分别学习线性和非线性的参数;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则;最后,通过典型的函数逼近和系统辨识实例,表明本文算法得到的模糊神经网络的结构更为紧凑,泛化性能也更佳。     

基于T-S模糊模型的非线性噪声消除

噪声是影响系统辨识的不利因素,而实际系统不可避免的受到噪声的污染.对模糊推理系统在噪声消除中的应用进行了研究,提出了一种基于T-S模糊模型的模糊非线性噪声消除算法.说明了非线性噪声消除(NNC)的结构和使用NNC进行噪声抵消的原理.该方法由输入-输出数据对直接提取模糊规则,模糊规则的后件参数采用递推最小二乘法一次计算得出,然后从测量信号中消去噪声得到有用的信号.仿真结果表明模糊推理系统可以应用于噪声消除.     

基于自适应模糊神经推理的视频镜头边界检测方法

自动镜头边界检测是实现基于内容的视频检索的一个重要步骤.本文提出了一种基于自适应模糊推理(ANFIS)的镜头检测方法,利用ANFIS训练后得到的模糊规则进行决策.通过实验证明,本文算法取得了不错的效果.     

基于数据融合的自适应神经网络模糊控制系统设计

基于数据融合的思想,提出一种非线性系统的自适应神经网络模糊控制器的设计方法。该方法利用数据融合技术降低了模糊控制器的输入维数,简化了模糊控制器的设计。用自适应神经模糊推理系统的神经网络自学习功能完成模糊控制器的设计。仿真结果表明,自适应神经网络模糊控制系统性能优于采用普通的模糊控制器的情况,为数据融合与智能系统技术在非线性系统中的应用作了有益的探索.     

混凝土强度模糊神经网络检测系统

为了提高检测精度,建立了模糊神经网络来综合评定结构的混凝土强度,充分利用了钻芯法和回弹法这两种常用混凝土测强方法的特点以及模糊神经网络的自学习、泛化和模糊逻辑推理功能.根据回弹值与钻芯值之间趋于幂函数关系的专家经验,将回弹值和钻芯值分别取常用对数作为模型的输入和输出,以提高建模精度.同时,模型参数采用一种混合学习算法确定,可以提高学习速度.实验结果表明,模型预测结果的平均相对误差为10.316%,相对标准差为12.895%,满足工程实际要求.该方法可以有效地映射出钻芯、回弹数据间复杂的非线性关系,为混凝土强度检测评定提供了一种有效的途径.     

基于神经元网络的自适应噪声抵消系统研究与实现

自适应噪声抵消技术是自适应滤波器最普遍的应用之一,它是一种在未知信号和噪声的先验知识条件下,能够很好地消除背景噪声影响的信号处理技术,具有很高的应用价值;但是,在很多情况下,噪声环境非常复杂,往往是非线性的,而目前所使用的自适应滤波器均属线性滤波器,滤波后会使原始信号产生失真;由于神经网络具有非线性等优点,可以很好的逼近非线性函数,所以提出了基于神经网络的自适应噪声抵消器;仿真结果表明,该方法可以效地实现噪声的抵消;最后提出应用DSP实现语音信号自适应噪声抵消的具体方案。     

自适应噪声抵消技术的仿真与应用研究

从有用信号中剔除噪声是信号处理中一个重要研究课题.在金属矿区进行地震勘探数据采集时,经常会受到矿区内机械设备的强噪声干扰,常规的滤波方法对于淹没在强机器噪声下的有效地震信号的提取已经不适用,而随着计算机和信号处理技术的发展,自适应噪声抵消技术已广泛的应用于各个领域.通过对自适应噪声抵消器原理的研究,结合地震数据信噪模型分析,重点研究利用自适应噪声抵消技术来消除机器噪声.针对基于NLMs算法的常规技术存在的不足,提出了一种改进的算法,并运用MATLAB进行仿真试验,仿真结果表明自适应噪声抵消技术可以有效抵消机器噪声的干扰,大大提高地震资料的信噪比,使有效地震信号失真小.     

抗交串自适应噪声对消系统的算法实现

针对一般的自适应噪声对消系统性能上存在的不足,引入了抗交串自适应噪声对消系统.抗交串自适应噪声对消系统在形式上由两个典型的自适应噪声对消模块串接而成.抗交串自适应噪声对消系统无须预先知道信号和噪声的特征,却能够相当好地抑制噪声的影响,又使有用信号不产生畸变.该文叙述了该系统的算法实现.计算机仿真结果表明,在强噪声环境背景下,该算法将功率信噪比提高了50db左右,而且运算速度快.该算法对某些特定采样信号的分析和处理有重要意义.