基于神经网络的宽带功放动态非线性行为建模

文章主要讨论了如何利用神经网络对宽带功放进行动态非线性行为建模的问题。首先简述了功放的动态非线性特性及行为建模的方法。然后回顾了基于实数时延前馈神经网络、径向基函数神经网络等浅层神经网络构建的功放动态非线性行为模型。在此基础上,针对5G/6G宽带功放具有更强的记忆效应的问题,重点分析了如何使用长短期记忆(LSTM)神经网络对功放的动态非线性进行精确的行为建模。最后展望了构建具有普适性的功放非线性行为模型将是5G/6G通信时代功放非线性建模的一个重要发展方向。     

基于广义径向基函数神经网络的非线性时间序列预测器

该文对传统的径向基函数（ＲＢＦ）神经网络的结构和学习算法进行了总结,并在此基础上提出了广义径向基函数模型概念,使这种网络具有更好的应用灵活性与可扩充性。文章基于Ｍａｃｋｅｙ－Ｇｌａｓｓ造血模型方程的数值解数据,对此广义模型与现有的ＲＢＦ模型和梯度径向基函数（ＧＲＢＦ）模型对一笥时间序列预测问题的应用结果进行了比较与讨论,显示出这种广义模型的应用有效性。     

一种接收机非线性行为建模方法

提出一种基于多项式的接收机行为建模方法。采用Hammerstein模型构建接收机行为模型,分别用非线性模块与记忆线性模块表征接收机非线性特性和记忆效应;利用傅里叶级数和最小二乘法分别辨识行为模型的非线性模块参数与线性模块参数;最后通过接收机ADS模型仿真数据,验证所提出的接收机非线性行为建模方法。对比分析了ADS仿真和行为模型的AM-AM特性及单音时域波形,实验结果表明,接收机行为模型的AM-AM特征曲线及时域波形与ADS仿真数据吻合程度较好。本文方法可预测接收机的非线性响应,对在复杂电磁环境下的接收机非线性效应评估具有理论价值。     

基于广义径向基函数神经网络的非线性时间序列预测器

该文对传统的径向基函数(RBF)神经网络的结构和学习算法进行了总结,并在此基础上提出了广义径向基函数模型概念,使这种网络具有更好的应用灵活性与可扩充性。文章基于Mackey-Glass造血模型方程的数值解数据,对此广义模型与现有的RBF模型和梯度径向基函数(GRBF)模型对非线性时间序列预测问题的应用结果进行了比较与讨论,显示出这种广义模型的应用有效性。     

一种新型径向基函数神经网络的非线性系统逼近

讨论了一种新的、正弦型径向基函数(SRBF)神经网络，并用来逼近n堆连续函数。该SRBF所采用的n堆正弦型的基函数是光滑的,并且是致密的。该SRBF网络的权因子是输入的低阶多项式函数。本文给出的一种简单计算程序，显著地降低了网络训练和计算时间。并且由于SRBF的基函数可以非均匀的量化格点为中心。因而降低了网络所需存储的样本数，网络的输出及其一阶导数都是连续的。对于非线性系统。该SRBF网络在系统定义城内的逼近是精确的。并且在存储参数的个数上是最优的。通过实例仿真，证明该方法步骤简单,训练速度快，精度也很理想。     

基于神经网络的非线性电子器件的建模方法

针对当前电路仿真中复杂非线性电子器件的建模问题,提出了先由神经网络学习器件的输入输出特性,再将得出的网络结构用Pspice中的电路描述语言描述的建立非线性电子器件模型的新方法,并通过实验验证了这种方法的有效性。这一方法可作为一种通用方法,用于其它器件的建模。     

非线性对象神经网络建模的广义自组织学习

本文提出了非线性对象神经网络建模的广义自组织学习算法,该算法采用多个局部模型进行建模,扩展了Kohonen自组织学习算法中的局部模型划分机制,且多个局部模型的划分兼顾了输入样本的分布和模型匹配特性.仿真结果表明,广义自组织学习算法明显地提高了建模精度和收敛速度.     

基于RBF神经网络的压电执行器迟滞建模

针对压电陶瓷执行器的迟滞非线性特性问题,该文提出了一种最小二乘法与径向神经网络相结合的建模方法。首先,通过搭建压电执行器位移测试系统,得到执行器输出位移与输入电压的对应曲线关系,然后用最小二乘法对该曲线进行多项式拟合,得到压电执行器的迟滞数学模型,在此基础上再用径向基函数神经网络方法对该模型进行优化。最后对建立的模型进行分析发现,用最小二乘法拟合的多项式数学模型,其最大误差Emax=0.244 7 μm,标准方差δ=0.059 02 μm,而利用径向基函数(RBF)神经网络优化建模后,Emax=0.079 89 μm,δ=0.016 04 μm。实验证明该模型有较高的准确性, 该文为压电执行器迟滞建模提供了一种新的方法。     

一种射频宽带接收机的设计

介绍了一种高分辨率、宽频段接收机的设计方案,对其中的关键技术--宽带频综的实现方式进行了论述,并着重对非线性失真问题进行了分析,给出了在工程中实用的设计方法.     

基于软件无线电宽带接收机研究与仿真

针对软件无线电系统的灵活性,要求射频前端接收机能够工作在相当宽的频率范围.提出了一种应用在软件无线电电台的宽频段接收机的设计方案,分析了3次混频方案的合理性,详细描述了方案中各模块的作用,并对整个系统进行了建模和仿真验证.系统仿真性能显示该方案具有良好的选择性、中频增益和小于5 dB的噪声系数.     

基于径向基函数神经网络的内模控制

文章用径向基神经网络设计内模控制系统,径向基神经网络是通过调整隐层与输出层间的连接权系数来逼近函数,如果隐层神经元数目过少,难免会出现收敛时间长,控制质量差,甚至发散的现象。为此,本文提出了增加调整基函数形状参数和中心向量的方法予以避免,并证明了网络不同调整参量收敛于目标函数极小点的性质。     

基于改进RBFNN算法的瓦斯传感器非线性校正

为了提高瓦斯传感器的精度和灵敏度,提出将改进的径向基函数神经网络(RBFNN)算法应用于瓦斯传感器系统中,对瓦斯传感器的非线性进行校正,同时分析了温度对瓦斯浓度预测的影响,然后利用RBFNN进行离散训练。实验结果表明,经过改进径向基函数神经网络(RBFNN)后,得到的数据比实际测量的瓦斯浓度要更接近于真实值,所产生的平均误差≤±0.1%。预测效果很好,达到了预期的技术指标,提高了瓦斯检测的灵敏度和精度。     

宽带便携式接收机的研究

随着无线电技术的发展需要,传统接收机体积庞大、不易携带的缺点越来越突出。本文选择了某小型宽带手持接收机进行研究,该接收机能够提供IQ数据输出及计算机软件控制选件,本文首先对该接收机的参数控制进行了介绍,并对比了三款SDR(Software Defined Radio)软件的功能与特点,最后说明了正确获取IQ数据的方法。     

基于宽带射频接收机功能电路的虚假响应分析

虚假响应是衡量宽带射频接收机性能的一项重要指标。从频率变换角度对宽带射频接收机的架构进行分类,并以组成宽带射频接收机架构的功能电路为载体,把虚假响应类别归纳为频率设计、非线性失真和电磁兼容3个方面。从宽带射频接收机的方案设计和模块电路设计对这3类虚假响应的机理进行分析,给出了在工程实现上避免或减小射频宽带接收机虚假响应的具体措施。     

优化RBF神经网络在压力传感器中的应用

针对压力传感器在应用中出现温度误差大这一缺点,提出了通过采用径向基函数(RBF)神经网络较强的非线性逼近能力,实现其非线性校正和温度补偿的网络方法,并对该法进行改进。通过仿真可看出,改进方法校正的系统能自动补偿非线性误差,具有误差小,精度高等优点。因此,提出的改进的RBF神经网络法对压力传感器的非线性补偿是可行的。     

基于径向基神经网络的锅炉控制

本文基于不同扩展中心的径向基神经网络（RBF）,对锅炉的燃烧状态进行了分析,从分析的结果来推测锅炉的用煤量,将此方法应用于工厂的锅炉控制上;通过对燃煤量的预测,找出燃烧率高的方法来对锅炉控制,从而减小了煤炭的损耗,节约了能源。     

RBF神经网络在视频业务建模及预测中的应用

ＡＴＭ技术在关键在于业务控制,能否有效地实施业务控制则取决于对业务特征的了解和预测能力。传统的解析方法对视频业务进行预测的局限性较为明显。本文采用径向基函数神经网络对视频业务进行建模和预测,并提出了分别采用ＬＢＧ算法和Ｈｅｓｔｅｎｅｓ奇异值解进行隐含层神经元中心选择和输出神经腱权值计算的改进方法。     

基于神经网络的雷达目标识别

本文讨论了基于径向基函数网络（ＲＢＦＮ）的雷达目标识别问题，在分析了一维距离象特点的基础上，提出了采用非相关幅度平均一维距离象以获取稳定模式这一有效方法，在指出传统经验公式局限性后，给出了一种基于训练样本空间分布来估计高斯函数形状参数的方法，用微波暗室试验数据进行转台成象并对一维距离象三种模式进行识别分类的结果表明，本文所提出的方法用于研究雷达目标识别是有效的。     

基于时频分析和RBF神经网络的调制识别

提出了利用Wigner-Ville分布区分FSK、PSK、FM和BSS信号的自动调制样式识别方法，利用Wigner-Ville分布提取调制信号的瞬时频率特征，用径向基(RBF)神经网络根据提取的特征参数识别这四种信号，计算机仿真结果证实了该方法的有效性和正确性。     

用于语音信号非线性建模的RBF神经网络的训练方法及其性能

语音信号非线性建模符合语音信号的性质,可以提高语音信号处理的性能.神经网络是信号非线性建模的有效工具之一.本文深入研究了应用于语音信号非线性建模的RBF神经网络的训练方法,即k-均值法、OLS算法和梯度下降法.实验结果表明,在RBF神经网络的结构已定情况下,不宜使用k-均值法及OLS算法,而应该使用梯度下降法.文章阐述了各训练算法性能差别的原因,并讨论了语音信号非线性及线性建模的性能比较.