基于RBF神经网络的弱信号DOA估计方法*

提出了一种利用智能学习方式解决强信号条件下弱信号的波达方向估计问题的新方法。通过理论推导发现协方差矩阵的特征值与来波信号功率之间存在一定的关系,将含功率信息的协方差矩阵的特征值加入到含方位信息的协方差矩阵上三角部分共同作为样本特征,构建基于RBF神经网络的弱信号DOA估计模型,解决了现有的智能学习方法难以对强信号条件下弱信号的来波方位估计问题,相比于利用解析计算的方法,本方法不需要已知强信号的来波方位并对其进行干扰抑制,计算量更小、DOA估计精度更高。仿真实验验证了新方法的有效性。     

一种改进的RBF神经网络DOA估计方法

提出一种优化径向基函数神经网络来波方位(DOA)估计模型结构和参数的方法。利用误差准则函数的收敛性,合理确定模型的隐层神经元数目,根据阵列信号相位差特征的空间分布特点,选择具有代表性的隐层神经元的中心,构建的RBF神经网络更能反映阵列的测向能力。相比于目前的径向基函数神经网络测向模型的构建方法,改进的DOA估计模型具有更好的泛化性能,能够提高测向精度。实验结果验证了该方法的有效性。     

基于空间锥角的RBF神经网络二维DoA估计

提出一种有效的RBF神经网络二维DoA降维训练方法.利用空间锥角分别对L阵列的两条直线阵进行RBF神经网络模型训练,通过已构建的两个模型对未知来波的空间锥角进行估计,两个空间锥角对应的两个空间半锥面形成的相交线就是来波入射路径.仿真实验结果表明所提方法能有效缩减训练样本集,并能极大降低模型构建的复杂度,而且具备很高的二维来波估计精度,具有广阔的工程应用前景.     

基于PSO-BP神经网络的矢量水听器的DOA估计

利用PSO-BP神经网络,研究了基于矢量水听器阵列的水下声源的波达方向估计。首先对阵列协方差矩阵进行实值化和特征分解,然后将信号子空间的基作为PSO-BP神经网络的输入,并作为样本数据进行训练,以降低PSO-BP神经网络的复杂度。最后将测试样本代入PSO-BP神经网络,成功地进行了DOA估计。仿真实验表明,该方法泛化性能好,解决了输入维数过大的问题,并提高了DOA估计精度,具有较强的工程应用价值。     

单电磁矢量传感器DOA和极化的同时估计

针对单个电磁矢量传感器,提出基于四阶累积量的极化域虚拟ESPRIT二维波达方向(DOA)和极化参数同时估计算法。该方法借助累积量操作提取信号在极化域的旋转不变结构,并利用虚拟ESPRIT方法同时估计信号的二维DOA和极化参数,它可以分辨多个极化域可分的非高斯信号。给出的仿真结果验证了算法的可行性和有效性。     

基于神经网络的宽带相干DOA估计方法的改进

相干信号子空间处理方法(CSM)是一种通过构造聚焦(focusing)矩阵来估计宽带相干源波达方向(DOA)的有效方法.基于逆传播(Back-propagation)学习算法.对神经网络实现聚焦过程的方法进行了网络结构及模式的改进,使网络可以在未知波达方向个数时完成聚焦过程;同时,使学习空间从D(DOA个数)维降为1维,大大地简化了学习过程,加速了网络的收敛过程.     

一种DOA估计新方法*

压缩传感（compressed sensing或compressive sampling,CS）理论一出现便受到国际上的广泛关注,它打破了经典采样模式,通过随机采样少量点即可精确或以很高的概率恢复原始信号。利用这一特点,提出了一种波达方向(direction of arrival,DOA)估计的新方法,相比于传统DOA估计,只需少量采样点同时达到方向的精确估计,计算机仿真验证了方法的可行性。     

基于RBF神经网络的SVPWM过调制

线性调制状态下的逆变器,存在不能充分利用直流母线电压的问题,为了获得尽可能大的输出电压,一般对逆变器进行过调制控制.由于过调制的非线性,计算复杂,提出新的基于神经网络的SVPWM逆变器,采用线性调制和过调制2种模式,通过限定轨迹双调制模式法,实现在整个调制范围内线性控制.采用资源分配法确定径向基函数的网络结构和参数,设计出较精简的网络实现SVPWM;并将这种逆变器应用于异步电动机控制系统中.最后在Matlab环境下建立基于神经网络的SVPWM逆变器供电的异步电机控制系统仿真模型, 仿真结果表明,该方法简单、高效、控制效果良好,能提高直流母线电压利用率,降低输出电流谐波含量和电机转矩脉动.     

基于RBF神经网络的股票市场预测

提出了一种基于RBF(Radial Basic Function)神经网络的股票市场预测模型.RBF神经网络的结构简单,具有良好的全局逼近性能,以及非线性映射能力和高度非线性的特点.在这种情况下,根据股票数据是一类非线性较强的时间序列,对其进行预测,即从前N个数据中预测将来的M个数据,建立股票市场的短期预测模型,并以一个典型的实例加以分析和验证.     

电磁矢量互质阵中基于降维Capon的DOA和极化估计算法

将传统电磁矢量均匀阵列推广为电磁矢量互质阵列,突破了阵元间距不大于半波长的限制。提出了电磁矢量互质阵列中基于降维Capon的波达方向（Direction of arrival,DOA）和极化联合估计算法。该算法无需假设已知极化信息,且只需一维搜索,避免了多维搜索,可实现DOA和极化参数自动配对;与相同阵元数的均匀阵列相比,明显提高了角度估计性能,并拓展了天线孔径,具有相对较高的自由度,且降低了运算复杂度。相同阵列及参数条件下,本文算法的角度估计性能优于ESPRIT算法和三线性分解算法。     

RBF神经网络热式气体流量计温度补偿

为了解决热式气体流量计测量电路中采用硬件温度补偿成本高且精度不够等问题,利用神经网络的特点,设计了一种基于径向基函数(RBF)神经网络的软件温度补偿方法.实验表明:通过RBF神经网络温度补偿,有效地抑制了温度对流量计测量结果的影响,实现了环境温度梯度变化下气体流量测量的准确性和稳定性,测量准确度达到1.0级,且重复性好.     

基于径向基神经网络的立体匹配算法*

针对双目视觉中的图像立体匹配问题,提出了一种基于径向基神经网络的立体匹配算法。该算法提取图像的尺度不变特征变换（SIFT）特征建立特征匹配矩阵,对特征匹配向量进行约简,最后将约简的特征匹配向量输入径向基神经网络进行识别输出。仿真和实际图像实验表明,该算法的匹配正确率比标准的SIFT有所到提高。     

基于RBF网络的信息融合在机器人足球中的应用

机器人足球系统是综合性的人工智能研究平台。决策在机器人足球比赛中起着至关重要的作用。通过对机器人足球系统的分析,论证了信息融合应用于机器人足球系统的可行性。针对机器人足球比赛决策中的实际问题,提出了基于径向基函数(RBF)神经网络的信息融合方法,并设计了足球机器人射门实验。实验结果证明该方法有助于提高整个系统决策的准确性。     

基于RBF神经网络的非线性时间序列在线预测

针对非线性非高斯时间序列, 提出观测噪声服从隐马尔可夫模型(HMM)的径向基函数(RBF)神经网络(RBF-HMM)预测模型, 其特点在于模型输入包含误差反馈项、RBF网络隐含层节点数的可变性和观测噪声的隐马尔可夫性; 并采用序列蒙特卡罗(SMC)方法实现基于RBF-HMM模型的时间序列在线预测. 最后采用太阳黑子数平滑月均值数据和CRU国际钢材价格指数月数据进行实证研究, 结果表明该模型的有效性.     

基于RBF神经网络的网格数据聚类方法

把径向基函数（RBF）神经网络和网格结合起来，提出了一种能够并行处理数据和便于增量计算的智能聚类方法。介绍了网格聚类原理、RBF神经网络神经元的数量和基函数的选择，并针对数据聚集区域的位置辨识、提高分辨率和计算速度等问题，深入讨论了聚类策略与聚类算法。仿真表明了该方法的有效性。     

基于ART 的RBF 网络结构设计

针对径向基函数(RBF)网络隐层结构难以确定的问题,基于自适应共振理论(ART)网络良好的在线分类特性,提出一种RBF网络结构设计算法。该算法将ART网络的聚类特性用于RBF网络结构设计中,通过对输入向量与已存模式的相似度比较将输入向量进行分类,确定隐含层节点个数和初始参数,使网络具有精简的结构。对典型非线性函数逼近的仿真结果表明,所提出的结构具有快速的学习能力和良好的逼近能力。     

基于RBF网络的数据融合在废气数据处理中的应用

针对禽畜养殖场环境废气体积分数数据的处理,使用多个传感器测量环境温度、湿度、某种废气的体积分数。对于传感器故障而失真的数据,使用基于RBF神经网络的数据融合方法融合对某一废气测量值的多种影响因素,估算出该废气的体积分数,从而实现失真数据的恢复。以NH3体积分数数据的处理为例,Matlab仿真结果估算误差小于6.7%,证明了基于RBF网络的数据融合方法的有效性。     

基于稀疏表示的OFDM信号的DOA估计

针对正交频分复用（OFDM）, 宽带信号波达方向(DOA)估计问题, 提出一种基于宽带信号协方差矩阵稀疏表示的DOA估计方法。该方法是在协方差矩阵主对角线下对左下角三角形元素按各条对角线取平均值后形成一个新的向量, 然后将该向量写成冗余字典形式。在冗余字典下对信号进行稀疏性约束形成二阶锥约束优化问题, 再用工具箱SeDuMi来实现DOA估计。理论分析和仿真结果表明, 该方法在低信噪比和少快拍数下分辨率很高, 是一种有效的宽带信号DOA估计算法, 此方法优于基于高阶累积量算法和宽带聚焦算法的DOA估计方法。     

混沌系统的RBF神经网络非线性补偿控制

设计RBF神经网络非线性补偿控制器,提出了混沌系统线性状态反馈的复合控制方法,将可调系统混沌行为镇定到期望目标位置或者变成周期运动.用Lorenz方程作仿真实验,结果证明了该方法的有效性.     

基于遗传算法的宽带目标波束空间DOA估计

提出一种基于遗传算法的宽带目标到达方位(DOA)估计新方法,该方法首先通过傅立叶变换方法设计频域恒定束宽转换矩阵,并使用该矩阵将阵元空间的数据转换到波束空间,同时,利用宽带波束空间遗传算法进行DOA估计。计算机仿真表明:在低信噪比条件下该算法相比于CSS类子空间算法、CSS类最大似然算法和阵元空间遗传算法有更高的分辨概率,更小的均方误差。