基于进化规划的自适应高斯神经网络及其在被动声纳目标识别中的应用

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法,该方法能够自动的确定网络的最优结构和联结权值,同时避免网络的局部优化.将该方法用于被动声呐目标的分类识别,实验结果表明基于进化规则的自适应高斯神经网络能够有效的克服局部最小问题,具有更好的识别率.     

神经网络的进化学习方法研究

提出了两种用于前向神经网络的进化学习算法,实验证明它们能有效地网络权值空间中寻找全局最优解。在比较实验的基础上,得出了在神经网络的进化学习过程中变异是起主导作用的遗传算子的结论,并以此为指导配置算法的各个关键参数。通过对ＸＯＲ问题和ＩＲＩＳ模式分类问题的学习证明,这两种算法均能获得远高于传统的ＢＰ算法的性能。     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合，应用于高海况、低信噪比条件下，水中目标信号的特征提取中．文中首先对信号进行功率谱估计，利用目标信号功率主要集中在低频部分的特点，提取低频信号的能量作为特征，然后利用人工神经网络对目标信号进行检测．利用不同浪级情况下海洋水压场的仿真信号数据，对某型目标舰船的水压信号进行了检测计算，验证了该方法的有效性，尤其是达到了在高海况、低信噪比条件下，对目标信号检测率比较高、虚警率比较低的效果．     

基于进化动态递归模糊神经网络的上肢康复机器人自适应阻抗控制

针对机器人辅助患肢进行康复训练时患肢病情的变化对系统运动平滑性和稳定性造成的影响,在传统阻抗控制方法的基础上,提出了一种基于进化动态递归模糊神经网络(EDRFNN)的新的自适应阻抗控制方法。该方法根据在线辨识得到的患肢机械阻抗参数,运用EDRFNN对目标阻抗控制参数进行动态调整。在调整过程中,首先采用混合进化算法离线优化目标阻抗控制参数,然后再利用基于Lyapunov函数稳定收敛性理论设计的动态BP算法对目标阻抗控制参数在线作进一步的调整。分析和仿真结果表明,这种新的方法较其它阻抗控制方法更能有效地适应患肢病情的变化,且具有较好的平滑性和稳定性。     

基于有效抽头和进化规划算法的自适应水声信道估计

为了实现稀疏水声信道的快速高效估计,提出一种新的基于有效抽头的信道参数模型降低运算复杂性,并采用进化算法以最小二乘误差为适应度函数对信道响应中有效抽头的阶数、位置和权重同时进行进化操作寻优,避免了有色输入造成的相邻抽头耦合导致的性能下降。仿真实验结果表明:与传统LMS算法及基于有效抽头检测的稀疏信道估计方法相比,该算法在有色输入信号下具有更优越的估计性能和收敛速度,为稀疏水声信道处理提供了一类新方法。     

基于神经网络的自适应控制

神经网络与自适应控制相结合的研究,已成为智能控制的一个新的分支.自适应具有强鲁棒性,神经网络则具有良好的自学习功能和良好的容错能力,神经网络自适应控制由于较好地融合了两者的优点而具有强大的优势.     

倒谱和复倒谱在被动声纳目标识别中的应用

基于声纳员的感受被动声纳可以认为是一个发声体,这个发声体可以表示为激励噪声源与发声体冲激响应的卷积。在这种情况下,使用倒谱和复倒谱的形式分析被动声纳目标噪声的时域特征,得到的目标特征不够明显,因此提出了利用指数倒谱和指数复倒谱的频谱特性来提取目标噪声的特征,进行分类识别。设计了BP神经网络分类器,利用实测数据对三类目标进行分类。分析比较了两种方法的分类结果,验证了基于倒谱和复倒谱的指数运算的被动声纳目标特征提取方法的可行性。     

基于自适应小波特征提取一体化神经网络的空调电机振动噪声识别

正确识别空凋电机的噪声类型是改善其噪声效果的重要前提，采用一种集特征提取与识别于一体的神经网络来解决这种识别问题。此网络利用Mexican hat小波作为母小波，同时将基于小波变换的特征提取过程融人为神经网络的一部分，网络学习时可针对输入信号对小波尺度和平移参数进行自适应调整，以实现对信号特征信息的充分获取。给出了此网络的学习算法。利用这一网络对空调电机的三种噪声信号即电磁噪声、不平衡噪声、轴承噪声信号进行了学习和识别，结果表明，学习后的网络以很高的可靠性准确地识别出了电机的不同噪声类型。     

基于自适应混合高斯模型背景提取的研究

运动目标检测的主要方法有相邻帧差法与背景减法,在背景减法中。准确的提取背景是运动目标检测的核心任务之一。背景提取的主要方法有均值法、中值法、Mode算法以及基于单高斯模型与混合高斯模型的背景提取方法,前四种方法的求解过程比较简单,但对于复杂多变的背景,提取的准确性较差．对此本文提出了一种基于自适应混合高斯模型的背景提取的算法,实验结果验证了算法的实用性与有效性。     

一种基于谱减的声纳噪声自适应消除方法

噪声自适应消除是声纳信号处理的重要研究内容之一.传统的噪声自适应抵消算法需要单独的阵列(阵元)以获得不含期望信号的参考噪声信号,这在实际工程应用中往往是不现实的.提出在不增加阵元的情况下,通过相邻两个阵元输出信号进行加权处理,合成一路不包含给定方向信号的噪声信号;同时,借鉴语音信号处理中普遍应用的谱减降噪处理方法,达到...