循环神经网络自适应有源噪声对消研究

介绍了一种新颖的非线性逢适应滤波器－－循环神经网络自适应滤波器。由于这种循环神经等效于非线性ＩＩＲ滤波器,具有学习非线性函数到任意的精度及自适应能力,这种滤波器优于线性滤波器,能够适应各种噪声环境。本文将该滤波器用于有源噪声对消,仿真结果表明了这种循环神经网络自适应有源噪声对消系统具有良好的抗噪声性能。     

用神经网络实现自适应噪声对消

本文用神经网络实现自适应噪声对消系统，计算机模拟结果表明，该系统对宽带噪声和单频干扰均有很好的抑制作用。     

神经网络自适应有源噪声对消器

本文提出一种新颖的非线性自适应滤波器-递归神经网络(TNN)自适应滤波器．讨论RNN滤波器的构成及算法,实现了RNN自适应有源噪声对消器．RNN自适应有源噪声对消器性能优于由线性滤波器组成的线性对消器,能适应各种噪声环境．仿真结果充分证明了这一点．     

用神经网络实现自适应噪声对消

本文用神经网络实现自适应噪声对消系统，计算机模拟结果表明，该系统对宽带噪声和单频干扰均有很好的抑制作用。     

基于改进Hopfield神经网络的自适应二维噪声对消器

提出了基于连续型Hopfield神经网络(CHNN)的自适应二维噪声对消器,讨论了神经网络的结构和原理及相应的自适应滤波算法,并从理论上进行了论证.仿真结果表明相对于采用最小均方算法的二维线性噪声对消器,CHNN噪声对消器能更有效实现二维噪声的消除,保持原信号的完整性,获得较好的去噪声效果.     

基于小波神经网络非线性预测方法的研究

针对非线性预测问题,提出了小波神经网络算法．该算法采用权重贡献率分析法和关键神经节点法分析权重,精进模型,利用具有优良渐进性的递推预报误差法训练小波的尺度因子和平移因子,并提出了一种网络的改进算法．通过对导航设备的仿真预测,该算法优于同等规模的BP神经网络,其收敛速度快,预测精度高．     

小波神经网络用于双模噪声的消噪

小波神经网络利用了小波变换的良好的时域和频域的分析能力以及神经网络的自学习能力,具有良好的容错能力和逼近能力。针对双模斯噪声,提出基于小波神经网络的双模噪声背景下信号的消噪算法,介绍了双模噪声的3种简化模型,阐述了小波神经网络的基本概念以及基于此方法的消噪算法。将小波神经网络用于此3种双模噪声背景下信号的消噪。实验结果表明,该方法能有效地消除已知信号中的双模噪声。     

基于神经网络的单音干扰对消

在收－发天线共用的雷达系统中，由于双工器隔离度不理想，在接收信号中不可避免地会混入发射机的泄漏信号，影响接收机的正常工作，文章结合自适应干扰对消的原理，利用人工神经网络构造一种抗单音干扰的干扰对消器，并分析了它的原理及工作过程。     

基于非线性多小波自适应阈值斑点噪声抑制方法

文章提出了一种新的用于斑点噪声抑制的非线性多小波变换自适应阈值算法。此算法对原图像进行多小波变换,然后在不同尺度,不同方向进行自适应阈值处理,仿真结果表明：本算法能够有效地抑制了斑点噪声,又保留有用信号及边缘信息。通过比较证明其优于小波硬阈值和软阈值算法。     

基于动态小波神经网络非线性预测的语音编码系统

现在,所有的语音编码系统都采用线性预测技术,但对于本质非线性的语音信号而言,线性预测是不够的.因此,本文提出一种带反馈单元的动态小波神经网络并将其应用于语音编码系统,并对其函数逼近能力和学习高维函数的优越性进行分析.由于反馈单元的内部记忆能力,动态神经网络具有对长时相关的预测能力并能在一定程度上克服小波神经网络的"维数灾难"问题;在对语音信号的预测中,动态小波神经网络预测器的预测性能很好,虽然其预测阶数很低(仅为2).由于预测器较好的预测性能,当将此预测器用于语音编码系统中的后向预测时,实验结果表明:新系统的恢复语音平均分段信噪比比ITU的G.721标准提高3～4dB但二者码率相同.另外非线性预测语音编码系统的计算量是可以接受的.     

基于遗传神经网络自适应噪声抵消技术的研究

自适应噪声抵消技术是减除背景噪声影响的有效处理方式。概述了自适应噪声抵消原理、BP算法及遗传算法等基本理论,结合各自的优点,提出一种基于BP神经网络和遗传算法相结合的自适应噪声抵消系统。该系统中采用遗传算法优化网络权值方式构造遗传神经网络,用遗传神经网络替代传统的自适应滤波器,以此达到更好的噪声抵消效果。使用MATLAB仿真实例,发现其消噪效果显著同时信噪比得到提高。     

基于小波分析与神经网络的人脸检测方法

本文设计了一种结合小波分析与神经网络优点的人脸检测方法.该方法主要包括两个阶段.在训练阶段首先借鉴图形学中的背景生成方法对AR人脸数据库中的人脸样本进行背景叠加;然后对经过预处理的训练样本进行小波分解,并将得到的小波系数输入精心设计的神经网络进行训练.在人脸检测阶段,通过将缩放后的图像的各个区域输入神经网络,由神经网络判断输入区域中是否包含人脸:在得到检测结果后,本文通过基于规则的方法以及基于SUSAN的方法进行人脸区域验证取舍与合并;最后通过实验结果的分析比较可以发现本文的方法不仅可以实现人脸区域的快速检测,而且不受光照变化以及噪声的影响.     

基于神经网络的图像混合噪声消除

神经网络在智能化信息处理和非线性滤波方面的优异表现，使得越来越多的人将神经网络应用到图像处理中。提出一种将非线性滤波器和神经网络结合所构成的滤波器，实验证明这种滤波器在消除图像的混合噪声、保护图像的边缘信息方面具有明显的效果，通过对受到较大噪声影响的输入图像进行滤波，可使输出图像的信噪比提高10dB以上。     

基于GA-BP神经网络的柴油机噪声品质评价方法

在柴油机运转中存在有比汽油机更大的噪声与振动,当其强度达到一定程度时,会给环境造成严重的危害.基于对柴油机噪声品质预测的目的,采用(GA-BP)算法建立了一种预测模型.其中的BP算法是一种基于梯度下降原理在局部中寻优的算法,由于人对柴油机噪声的主观评价是个非线性的过程,BP算法可以解决非线性可分问题,所以可以在柴油机噪声品质主观评价中应用.但是BP算法的过程收敛速度慢,很有可能陷入局部极小值.而遗传算法(GA)具有全局寻优的优点.文中通过将二者结合起来.由GA寻找最优的BP神经网络权值与相应节点的阀值,可以有效防止搜索过程收敛于局部最优解.通过仿真结果得出:此方法既能快速收敛,又能大大提高避免陷入局部极小的能力,并且预测精度高,为柴油机噪声主观评价提供了一种新思路.     

基于小波变换和残差神经网络的全盲频谱感知方法

为了解决非平稳信号的时频图特征难以提取的问题,提出了基于小波变换和残差神经网络的全盲频谱感知方法。该方法通过连续小波变换将捕获的主用户信号变换成时频信息矩阵,同时转化为图片作为输入,通过残差网络进行训练和识别。仿真测试了不同小波基对非平稳信号的分解能力和所提算法在各种复杂无线信道环境下对非平稳信号的检测性能和泛化能力,以及对不同主用户信号的适应能力。结果表明,在信噪比为-16 dB时,该方法能在虚警概率为0.1时达到0.92的检测概率,同时amor小波更适合用于非平稳信号的分解且训练识别能力更优。     

基于概率神经网络优化DWT-2DLDA的高噪声人脸识别

针对人脸识别中的原始图像存在噪声而影响识别性能的问题,提出了基于概率神经网络优化二维子空间分析的人脸识别方法。首先,使用离散小波变化对图像进行预处理;然后,利用二维线性判别分析进行特征提取;最后,利用概率神经网络完成人脸分类。在ORL和FEI量大通用人脸数据库及自己搜集的数据库上的实验结果表明,在添加噪声的情况下,识别率也可高达98.9%,相比几种较新的识别方法,本文方法取得更好的识别性能。     

基于小波变换和神经网络的短期风电功率预测方法

为了降低电网调度的操作复杂性,同时提升风电功率的预测精度,本文主要分析影响风电功率预测方法的因素,包括风向、风速以及环境温度等方面,同时经过对比研究,小波变换和神经网络的短期风电功率预测方法能够提升预测精度.     

COLORED NOISE PREDICTION BASED ON NEURAL NETWORK

A method for predicting colored noise by introducing prediction of nonlinear time series is presented. By adopting three kinds of neural networks prediction models, the colored noise prediction is studied through changing the filter bandwidth for stochastic noise and the sampling rate for colored noise. The results show that colored noise can be predicted. The prediction error decreases with the increasing of the sampling rate or the narrowing of the filter bandwidth. If the parameters are selected properly, the prediction precision can meet the requirement of engineering implementation. The results offer a new reference way for increasing the ability for detecting weak signal in signal processing system.     

差异进化算法初始化的小波神经网络盲均衡

利用小波神经网络实现盲均衡最大的难题之一就是网络参数的初始化问题,文中提出了一种采用差异进化算法进行网络参数初始化方法.结合常数模盲均衡算法设置适应度函数,并将尺度因子和平移因子以及网络连接权值进行实数编码,以接收数据对网络进行优化设计,获得一组渐近最优的网络初始化参数,在此基础上以传统梯度下降算法对信号进行均衡接收.计算机仿真证明基于差异进化算法初始化的小波神经网络盲均衡有效提高了均衡性能.     

基于小波包分析和Elman神经网的故障诊断方法研究

由非线性电力电子装置组成的电路发生故障时,故障特征信息不易提取和识别。对此提出一种基于小波包分析和Elman神经网的电力电子装置故障诊断的方法,先运用小波包分析法提取电路在不同故障状态下电压及电流信号的特征信息,然后对数据进行归一化处理并作为Elman神经网的输入,由具有智能学习功能的神经元故障分类器完成故障识别和定位。以12脉冲整流电路为例,在Matlab软件下建立电路模型进行仿真实验,结果表明该方法能快速、准确的完成故障诊断。