基于多分辨分析和WNN的模拟电路故障诊断

提出了一种基于多分辨分析和小波神经网络(WNN)相结合的模拟电路故障诊断方法。该方法利用了多分辨分析优异的时频特性,提取采集数据中的故障特征参数值,结合小波神经网络强大的非线性分类、学习、泛化能力及精度高、收敛速度快等特性,将得到的输入数据进行归一化处理作为小波神经网络的输入对其进行训练,并将训练的结果应用于滤波器电路故障诊断。结果表明,该方法实现了对故障模块的定位,是一种有效的模拟电路故障诊断方法。     

基于小波变换及神经网络的SAR图像目标检测方法研究

由于小波分解的多分辨分析特征及神经网络的自学习、自组织等性能,在图像处理中得到了广泛的应用。本文研究了SAR图像非线性采样目标低频小波树特征提取方法,利用PCA（主分量分析）对低频小波树降维,用降维后的特征值训练LVQ神经网络,将其应用于SAR图像目标检测,取得了较好的检测结果。     

图象多通道小波分析的实现

小波变换是近年来兴起的一种时频城信号分析理论，是信号分析处理的一种强有力的新工具．本文根据小波变换的特点，在Mallat多分辨分析的基础上，将小波的“多通道”多分辨分析，推广到了“多通道”多分辨分析、讨论了多通道小波分析的理论和实现方法，并将这一理论应用到了图象处理，实现了图象的多通道小波分析．     

一种基于小波神经网络的缺陷检测新算法

运用多分辨分析对缺陷检测信号进行小波分解和重构,消除信号中的噪声,再基于多分辨分析提取检测信号的特征量。选取B-小波为小波基构建了断丝定量识别的小波神经网络模型,并运用该小波神经网络对缺陷检测信号进行了检测,试验结果证明了小波神经网络能够较为理想地完成缺陷信号的智能化检测,对断丝位置及断丝根数能实现无人工干预的自动识别,比传统的断丝识别方法准确率提高了很多。     

基于小波神经网络的毫米波雷达目标距离像识别

给出一种隐层由小波基组成的神经网络用于实现频率步进毫米波雷达目标一维距离像的识别。利用小波变换所具有的良好的时频分析特性，实现了输入输出之间映射关系的多分辨学习。介绍了小波神经网络的数学框架及其误差反向学习算法。详细描述了用小波神经网络进行识别的步骤。将所提出的小波神经网络用于频率步进毫米波雷达目标一维距离像的识别。实验结果表明该方法对目标距离像的识别是有效的。     

无线电信号识别方法的研究

文章提出了小波分析与神经网络相结合的方法自动识别无线电信号的调制类型.文中分别用常规的方法和小波的方法提取信号的特征参数，送入RBF（Radial Basis Function）网络，按照样本距离最小的原则进行聚类，利用RBF网络的快速收敛性和较好的自适应性，实现对无线电信号的识别.仿真结果表明，采用小波与神经网络相结合的分类方法，能获得满意的识别率。     

基于小波神经网络的惯性导航系统故障检测原理

本文首先介绍了小波神经网络原理,它是将规范正交的小波函数作为基函数网络中的基函数,得到了所谓的小波神经网络。然后介绍了惯性导航系统的故障分析及分类,最后提出了一种基于小波神经网络的非线性观测器的故障检测方法,它是将小波神经网络离线学习和在线学习相结合,获取惯性导航系统输入输出的非线性动力学特性,进而从实际输出与小波神经网络的估计输出中得到预报误差,把它作为残差进行逻辑判决。     

基于PSpice与LM算法的模拟电路故障诊断方法

采用小波神经网络与Levenberg-Marquardt算法相结合的方法,对模拟电路进行故障诊断;用小波对冲击响应信号进行多尺度分解,进行归一化后,提取故障特征信息作为神经网络的输入而进行分类。将PSpice与Matlab结合不但能有效的诊断模拟电路,且在收敛性和故障准确性上有了大幅提高。实验仿真表明,通过该方法构造的样本集训练出的网络稳定性高于传统方法,适用于神经网络。     

电磁后向散射波数据的小波包变换分析

本文采用小波包变换方法对电磁散射数据进行了分析，表明小波包变换的自适应多分辨分析性质非常适合电磁波的多尺度特征分析。特别地，在计算速度和分析效果等方面都优于Ｈ．Ｋｉｍ，Ｊ．Ｌｉｎｇ所采用的连续小波变换技术，从而丰富的发展和电磁波的时频分析手段，同时也为小波技术在瞬变电磁场的进一步应用提供了新途径。     

遗传小波神经网络的非线性模拟电路故障诊断方法

提出了一种将遗传算法(GA)、神经网络与小波变换相结合对非线性模拟电路进行故障诊断的方法;分析了传统BP型神经网络在非线性模拟电路故障诊断中存在的缺陷;提出了一种新的解决方法--利用小波变换对非线性电路故障信号进行预处理,对故障信号中的冗余信息进行剔除,然后利用遗传算法优化BP网络参数,如网络权值、阈值等.利用该方法对非线性电路进行故障诊断,有利于提高神经网络对电路故障诊断的智能性及识别故障类别的能力,提高故障诊断的精度与速度.实验结果表明,该方法是可行的.     

基于小波神经网络的模拟电路故障诊断研究

文章提出了一种基于小波神经网络的模拟电路故障诊断方法。这种方法采用正弦信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,将自适应学习率及附加动量BP算法训练后的小波神经网络应用于容差模拟电路故障诊断中。仿真试验表明,该方法减少了故障诊断时间和提高了网络的平均诊断正确率。     

小波分析与神经网络结合的研究进展

目前,小波与神经网络的结合是一个十分活跃的研究领域。本文综述了这一领域的研究进展和现状,从两者结合方式的不同将其分为辅助式及嵌套式两种结合方式,重点阐述了嵌套式的结合方式小波神经网络,并对其主要模型、算法和其它相关问题进行了论述。本文还讨论了小波网络的各种应用,从中可以看到它在函数逼近、信号分类、系统辨识、图像压缩等应用领域有极大的潜力,最后展望了今后的研究方向。     

Improved multipath routing with WNN for the open networks

Multipath routing mechanism is vital for reliable packet delivery, load balance, and flexibility in the open network because its topology is dynamic and the nodes have limited capability. This article proposes a new multipath switch approach based on traffic prediction according to some characteristics of open networks. We use wavelet neural network (WNN) to predict the node traffic because the method has not only good approximation property of wavelet, but also self-learning adaptive quality of neural network. When the traffic prediction indicates that the primary path is a failure, the alternate path will be occupied promptly according to the switch strategy, which can save time for the switch in advance. The simulation results show that the presented traffic prediction model has better prediction accuracy; and the approach based on the above model can balance network load, prolong network lifetime, and decrease the overall energy consumption of the network.     

WNN在短期电力负荷预测中的应用

通过对小波神经网络和BP神经网络的结构和算法进行理论分析,并对实际电力负荷预测算例进行对比研究,结论证明小波神经网络本身适合对波动性的信号进行预测,而且在神经网络节点数目相同的情况下,小波神经网络比BP神经网络具有更高的预测精度,因此采用小波神经网络有利于减少隐节点数目。     

免疫进化子波网络及其学习算法

本文首次对子波神经网络的分类机理进行了详细地研究,在此基础上将免疫进化算法与子波神经网络相集成,并提出了免疫进化子波网络模型及其学习算法.其中,免疫进化算法是一种集免疫机制和进化机制于一体的一种新的全局并行算法,它可以通过对进化环境的自适应和自学习,有针对性地抑制由原进化算子操作的盲目性而引起的退化现象.理论分析和用于双螺旋线分类的仿真结果表明,免疫进化子波网络不仅是可行的,也是十分有效的.由于免疫进化算法本身所固有的并行运算规则、智能搜索方式和概率判断准则,从而有利于弱化子波网络的应用条件,加强其联想记忆和信息处理的能力.     

模糊神经网络控制的混合小波神经网络盲均衡算法

针对传统恒模算法(CMA)收敛速度与均方误差之间的矛盾,提出了模糊神经网络控制的混合小波神经网络(FHWNN)盲均衡算法.该算法在小波神经网络输入层之前级联一个横向滤波器,将横向滤波器的节点输出分为实部和虚部两路经过小波神经网络后再合成为一路复数信号;利用模糊神经网络(FNN)设计的模糊规则控制小波函数的尺度因子和平移...     

无线Ad Hoc网络Steiner树实现协议研究

针对无线Ad hoc网络多跳,拓扑结构随时可能动态变化,协作节点间数据传输需实时性强等问题,利用Netlog语言宣告声明最小Steiner树协议的构造算法方法适应解决。协议可快速构造一棵近似最小的Steiner树,每个节点独立运行声明Steiner树协议,构造Steiner节点间的虚拟全联通网络,在此网络上构造最小代价生成树;然后将此树的节点与边对应原网络的节点和边,继续构造最小代价生成树,最后将此树上的非Steiner节点的叶子节点删除,近似得到最小代价Steiner树,该方法在实验平台上得以验证,为无线移动网络中资源的选择利用提供了一种新的可尝试性的新方法。     

基于小波神经网络方法的心电图分类研究

心电图是诊断心血管疾病的重要依据。提出了基于小波神经网络方法的心电图分类研究，构造了基于小波神经网络的心电图分类器。使用实际数据进行了测试，结果表明：该分类器可以有效、快速地进行心电图分类，为心电图自动化诊断提供了条件。     

基于ADSABC算法优化WNN的语音识别研究

小波神经网络(WNN)具有高度的非线性映射功能及强大的自适应能力,但是WNN算法存在易陷入局部极小值,收敛速度慢。而人工蜂群算法(ABC)具有很强的全局搜索能力及较快的收敛速度。两者优势互补,已结合应用于语音识别中。本文对ABC算法做出改进,在采蜜蜂和观察蜂阶段各提出一个新的解搜索方程,采取自适应的双搜索方式(Adaptive Double Search)求解,从而提高算法的收敛速度和收敛精度。并将其和WNN算法进行结合,组成一种训练神经网络的新算法ADSABC-WNN,该算法既能克服WNN算法的缺点,又能保存双方的优点。实验结果表明,与传统ABC算法优化小波神经网络相比,识别率提高均有所提高,其中在词汇量为50时识别率提高了4.51%。将实验结果与其他方法优化的小波神经网络模型进行比较,在噪声环境下,该混合模型可以有效地减少识别时间,而且可以明显提高网络的训练速度和语音识别的识别率。     

空调系统传感器故障诊断方法

针对空调系统中常见的传感器故障问题,提出了基于小波神经网络(WNN)故障诊断策略.在分析空调系统中传感器主要故障的基础上,建立了传感器故障诊断系统.通过传感器的真实测量值与预测值的残差比较,验证了基于WNN的故障诊断能力,分析了基于WNN与BP神经网络故障诊断的残差比结果.仿真实验表明,基于WNN的故障诊断系统具有结构...