细胞神经网络在通信信号处理中的研究进展

基于非线性理论的通信信号处理一直是信号处理领域的热点研究问题。细胞神经网络(CNN)作为最易于VLSI实现的一类神经网络 ,是非线性理论的一个重要研究方向 ,近年来在通信信号处理领域取得了许多重要进展。文中主要介绍了细胞神经网络的基本理论、结构及其在通信信号处理中的研究进展 ,并指出其今后在通信信号处理中的进一步研究方向     

细胞神经网络在通信信号处理中的应用

对于非线性理论的通讯信号的处理一直是通信信号处理领域的热点问题。细胞神经网络是非线性理论的中要研究方向,近年来,它在通信信号处理中取得了重大的突破。本文将主要介绍细胞神经网络的基本理论、结构和在通讯信号处理中的应用,指出它的发展方向。     

神经网络方法及其在通信信号处理中的应用

在介绍人工神经网络基本原理的基础上,结合通信信号处理应用实例,讨论了神经网络技术在非线性特征提取和信号识别分类中的应用.     

光纤传感信号的神经网络处理

本文简述了光纤智能结构及系统中应用神经网络对其信号进行处理的必要性,重点对偏振光纤传感、少模光纤传感及光纤传感阵列信号的神经网络处理原理与技术进行了分析,指出了光纤传感信号引入神经网络处理的优点。     

复数Hopfield神经网络盲均衡QAM信号

为了解决复数多值信号的盲均衡问题,本文提出了基于复数Hopfield神经网络盲均衡多值信号的方法:将基于Hopfield神经网络的盲均衡算法从实数域推广到复数域.在复数域成功构造了复数Hopfield神经网络,重点针对16QAM信号进行盲均衡.并验证了此系统可以处理非统计量字符,即处理16QAM信号的Hopfield神...     

基于BP神经网络的模拟电路诊断系统研究

以现代测试技术、信号处理、信息融合等理论为基础,以神经网络在模拟电路故障诊断中的应用为主线,详细讨论BP神经网络在模拟电路故障诊断中的应用和故障特征提取方法.采用多频组合法建立了故障样本集.对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性.     

一种针对拖尾噪声的鲁棒神经网络信号检测算法

与高斯噪声相比,拖尾有更多的异常值,利用传统的神经网络不能有效的检测信号。该文提出一种基于中值滤波的鲁棒神经网络进行处理,首先利用中值滤波抑制异常值,进一步利用BP (Back Propagation) 神经网络消除残留噪声,检测目标信号。基于误差分析的实验结果表明,与传统神经网络相比,所提出的方法不仅能更好地消除拖尾噪声,有效检测信号,而且能有效检测高斯噪声中的目标信号,具有很好的鲁棒性和自适应特性。     

BP神经网络在汽车动态称重中的应用

公路动态称重仪器测量精度受外界各种因素的影响较大,称重信号与各个影响因素的关系不明确,该文提出了利用神经网络的算法来处理动态称重信号的理论.利用神经网络建立的模型能够将输入的各种信息很好地进行数据融合,能够大大降低外界干扰对输入信号的影响.实验表明,利用神经网络对动态称重信号进行处理,能够满足精度要求.     

基于深度学习的通信信号调制方式识别

针对采用传统机器学习算法对通信信号调制识别方法中的计算复杂度高、准确率低以及人工提取特征步骤繁琐等问题,提出一种基于深度神经网络通信信号调制识别模型。模型可以直接识别经过采样之后的通信信号类别,且具有识别准确率高、通用性强、抗噪声性能好及处理流程简便等特点,有效解决了传统算法无法实现自动提取特征的缺陷。通过大量实验以及对通信信号特征的准确分析,采用卷积神经网络和循环神经网络等网络的组合设计,构建了一个识别准确率较高且端到端的通信信号识别模型。     

有序聚类方法及其在神经网络语音识别中的应用

本文提出了一种新的网络结构,我们称之为有序聚类网络。这种网络能够对语音信号进行特征提取,很好地解决神经网络语音识别中的时间规整问题。有序聚类网络从输入语音信号的特征矢量序列中撮出一组固定数目的特 矢量,然后将这组特征矢量馈入神经网络分类器进行识别。和其他的神经网络语音识别方法相比较,用这种网络进行前端处理,可以缩短后端神经网络分类器的训练和识别时间,简化经分类器的网络产高的识别率。根据该 们建立了     

DRNN在激光多普勒测振仪测声系统中的应用

为了降低激光多普勒测振仪在测声过程中给语音信号中引入的噪声，采用深度循环神经网络语音信号去噪的方法，对从激光多普勒测声系统采集回来的语音信号做降噪处理，并进行了理论分析和实验验证。结果表明，利用层数为1层~3层、每层神经元个数为1024的深度循环神经网络，对-6dB~6dB信噪比的语音信号进行处理，随着层数的增加，语音信号的质量在多项评价指标上达到8dB~12dB的提升; 深度循环神经网络可以有效对激光多普勒测声系统采集的语音信号进行降噪处理。该研究对提升语音信号的质量有着实际意义。     

神经网络在雷达对抗与反对抗中的应用

本文从神经网络应用于雷达对抗与反对抗中的潜在优势出发，论述了将其应用于雷达信号分选和识别、自适应信号处理，识别反辐射导弹，探测隐身目标和抗人为干扰等方面的广阔前景。     

用于信号逼近和分类的自适应周期小波神经网络

小波神经网络是一种新的信号逼近和分类工具.对小波基函数的选取、参数初值确定、参数的计算方法以及在信号逼近和分类中的应用等问题已经有大量研究.小波神经网络应用于信号分类仍有不少具体问题.本文针对模板和样本信号周期不同时网络参数差异较大的问题,对网络结构进行了修正,提出了自适应周期小波神经网络(APWNN,AdaptivePeriodWaveletNeuralNetwork),给出了计算方法.以特定人元音识别试验为例,给出了APWNN在信号分类中的具体应用.     

一种信号源盲分离的神经网络算法

本文提出了一种新的盲信号分离的神经网络算法。神经网络的第一层使用奇异值分解(SVD)方法对观测信号进行预白化处理。在传感器的数目不少于源信号的情况下,预白化处理能够估计出源信号的数目,同时压缩掉冗余信息。神经网络的第二层是分离层。分离层的权值矩阵应该是正交矩阵。本文应用一个正交严格受限(SOC)算法调整分离网络的权值。其中,用恢复信号的四阶互累积量的平方构造代价函数。仿真实验验证了算法的有效性。     

光纤智能材料与结构的神经网络处理

简述了光纤智能材料与结构中偏振调制型光纤传感，强度调制型光纤传感，少模光纤传感及光纤传感阵列信号的神经网络处理原理与技术，指出了采用神经网络处理智能材料与结构中光纤传感信号的优点及今后发展趋势。     

基于神经网络在超声液位检测中的应用

针对超声波液位检测中的信号识别问题,通过调用Matlab神经网络工具箱函数,开发了神经网络程序,对液面上下各30个信号进行了训练,训练后的网络较好地区分出了信号所属类型,从而说明神经网络的分类识别方法能有效地应用于超声波液位检测。     

巴克码多普勒容限带宽扩展的神经网络法研究

研究了人工神经网络在二相编码信号距离旁瓣中的应用。针对巴克码脉压技术多普勒容限带宽小的问题 ,在H .K .Kwan等提出的将多层感知器网络用于二相编码信号距离旁瓣抑制问题的基础上 ,根据G .Galati的时域非相干旁瓣处理方法 ,提出了一种非相干旁瓣处理的神经网络方法 ,实现了多普勒容限的扩展 ,并经计算机模拟得到证实。     

雷达信号综合分选方法研究

本文介绍了一种基于自组织概率神经网络的信号分选方法，主要讨论了这种神经网络在雷达信号分选中的应用，提出了针对特殊雷达信号的综合分选方法，通过大量仿真实验验证了这种方法的可行性。     

高频地波雷达中断信号恢复方法研究

信号中断是造成高频地波雷达回波谱信噪比下降的主要原因之一.在传统的中断信号恢复方法-自回归(Autoregressive,AR)模型的基础上,提出了基于反向传播(Back Propagation,BP)神经网络的信号恢复方法.通过实测数据验证了两种方法的处理效果,结果表明:BP神经网络的预测误差小于AR模型的预测误差,随着预测点数的增加,误差增长率小于AR模型,同时BP神经网络恢复方法对海洋回波信号能量损失较小.     

基于时空神经网络的AM调幅波解调方法研究

AM调幅信号在通信领域有着极为广泛的应用。传统的AM调幅信号解调方法是同步检波和包络检波法。对时空神经网络的研究提出了一种新的对基于时间的信号处理方法,在具体操作时改变权值就可对不同类型信号进行解调。用时空神经网络方法对AM调幅波进行解调的Matlab仿真结果表明,此方法是可行的。