基于复合余弦基神经网络的图像去噪滤波器

针对图像受噪声干扰问题,提出了一种基于复合余弦基神经网络的图像去噪低通滤波器,以及保证该神经网络算法收敛的收敛定理,并给出了证明.该方法通过复合余弦基神经网络对幅频响应训练,调整网络权值,控制总的能量函数在给定的极小范围内,使得实际滤波器特性逼近理想图像去噪低通滤波器特性,从而达到满意的去噪效果.仿真结果显示,复合余弦基神经网络图像去噪滤波器各项特性接近理想滤波器.与传统的图像滤波器去噪方法比较,该方法设计的图像去噪滤波器具有更好的去噪效果.     

球域Bézier曲面的精确边界及其多项式逼近

为全面控制产品表面与理论曲面之间的偏差,引入球域Bézier曲面的定义,作为圆域Bézier曲线在三维空间的推广形式.根据经典微分几何中双参数曲面族的包络原理,运用球面参数坐标和Cramer法则,给出了球域Bézier曲面边界的精确数学显式表达式.依据函数逼近论中Legendre多项式的正交性,得到了采用多项式形式表示的球域Bézier曲面的精确边界的最佳平方逼近.进一步利用Legendre基与Bernstein基的转换公式,采用计算机辅助设计（CAD）系统中常用的Bézier形式表示球域Bézier曲面的近似边界.该算法表示简单,易于实现.通过具体实例对逼近效果进行演示与分析,结果表明该算法的逼近误差小,效果好.     

视频处理器软硬件协同设计

为了提高视频图像处理速度与硬件资源利用,针对一种基于精简指令集处理器与数字信号处理器（RISC/DSP）混合体系结构的媒体处理器：浙大数芯（MD32）,给出了一种软硬件协同设计策略.所给策略结合视频处理核心算法,研究分析MPEG视频编码标准的处理过程,进行了视频处理指令扩展设计,提高了数据的并行处理能力,利用了指令内并行执行特性.为有效实现扩展指令,处理器执行级采用了可扩展流水级技术.实验结果表明,指令扩展硬件成本仅占MD32的2.7%,逆离散余弦变换实现性能比MMX/SSE指令集实现的性能分别提高31%和23%,运动补偿性能比MMX指令集实现的性能提高了40%.     

一种新的基于多信息测度融合的边缘检测方法

针对高强度噪声图像, 提出了一种新的基于信息测度概念和Dempster Shafer(DS)证据理论的边缘检测算法. 利用邻域一致性、方向性和结构性3种信息测度定量描述边缘特征; 引入检测不确定性, 根据各信息测度响应分布设计基本可信度分配函数, 并利用DS合成规则加以融合; 融合后根据组合决策规则将像素分类成边缘与非边缘. 实验通过检测结果以及Pratt品质因数的分析比较, 表明该算法能够有效地区分边缘点和噪声点. 在低噪声情况下, 检测性能与传统检测方法相近; 而对于高强度噪声图像, 该方法具有较强的噪声免疫力.     

连续相位调制的定时-频偏联合估计方法

针对连续相位调制信号的同步问题,研究了一种定时-频偏联合估计算法.算法分3步实现：(1）对接收基带信号差分并平方,得到四阶非线性变换值;（2）求其二阶统计量;（3）基于该统计量联合估计定时偏差和载波频偏.通过改变载波频偏值及参与二阶统计量计算的符号数,对定时同步及频偏估计性能进行研究.在加性高斯白噪声信道及Rice慢衰落信道下分别进行仿真.加性高斯白噪声信道仿真表明,算法在载波频偏达到15%符号率条件下仍有出色同步性能,当参与估计的符号数等于64时,定时偏差和频偏均方误差分别达到10－6及10－5以下;低信噪比不影响算法定时恢复性能.Rice慢衰落信道仿真表明,算法具有一定的抗衰落能力,适当改变Rice信道模型参数能提升其性能.算法采用非数据辅助方式及前馈结构,同步捕获快速,实现简单,适合于突发通信.     

4天线连续相位调制信道参数估计算法

针对准静态瑞利衰落信道提出了一种适用于4天线连续相位调制（CPM）的信道参数估计算法.算法通过改进空时编码算法的辅助矩阵,实现了相位归零的CPM训练序列设计,适用于OSTC-CPM、OSTBC-CPM等4天线CPM系统.提出了采用部分采样点估计和部分矩形（α-REC）成形函数相结合的方法.仿真结果表明,在获得相同性能条件下,“0”采样点估计方法能够有效抵抗1/2采样周期的定时误差;全采样点估计方法可以减少训练序列长度;部分采样点估计和α-REC成形函数结合方法,既可以减少训练序列长度,又可以有效抵抗2倍采样周期的定时误差.在训练序列长度为16编码块、8倍采样率条件下,与理想信道状态信息（CSI）相比,OSTC-CPM、OSTBC-CPM系统的误比特性能差距均小于0.3 dB     

大规模环境下基于激光雷达的机器人SLAM算法

为解决大规模环境下机器人的同时定位和地图构建(SLAM)问题,提出一种基于Rao Blackwellised粒子滤波器的SLAM算法. 通过选取稳定且易于区别的特征点,发展了一种基于全局约束的数据关联方法,有效地减少了误匹配的概率;采用改进的粒子分布预测函数,提高了粒子滤波器的性能.实验结果表明,该算法具有较低的计算复杂度,精度也比较高,能够有效地解决大规模环境下的机器人SLAM问题.     

窄带MIMO信道最大似然估计的误差

采用最大似然估计（MLE）准则求解窄带多入多出（MIMO）信道矩阵,并对码同步和最大似然估计进行了严格的推导.基于Matlab/Simulink信道测量仿真系统搭建了MIMO仿真平台,并给出了软件仿真系统的信道测量结果.误差分析结果表明,由硬件采样率决定的码同步误差制约信道估计的精度;为保证相位估计的精度,中频提取的频率误差必须限制在一定的范围内;当信干噪比性能较好时,码同步误差超越信干噪比成为制约信道估计性能的主因     

基于CLIPS的故障诊断专家系统开发环境

为了缩短故障诊断专家系统的开发周期,增加开发过程的灵活性,提出了一种基于Protégé+CLIPS+Eclipse工具链的运行于Linux操作系统下的故障诊断专家系统开发环境搭建方法.利用Protégé实现故障诊断专家系统构架模型,并对其进行了本体语言描述.结合C语言集成产生式系统（CLIPS）的应用程序接口,设计实现了系统的推理机与知识库,进行了相关规则的推理与判断,缩短了专家系统核心框架的开发时间,增加了系统柔性.基于构件化思想,将各系统模块以Eclipse插件的形式进行封装集成,根据用户的具体需求进行配置、重构,统一编译生成了专家系统应用实例.实验结果表明,该开发环境可移植性较好,能够在较短的时间内开发出有效的故障诊断专家系统.     

基于正交补空间的人脸识别

为了实现人脸识别免于特征提取,提出了一种基于正交补脸(OC-faces)的人脸识别方法.该方法基于空间正交分解理论,对不同类的原始训练样本进行Gram-Schmidt正交化,以正交化后的基张成各个不同的子空间,将测试样本分解为子空间投影及子空间正交补两部分.正交补的范数体现了测试样本到各类子空间的距离,并以此作为分类的依据.在Yale库和AT&T库上的实验结果表明,与主成分分析(PCA)、线性判别分析(LDA)两种经典识别手段相比,该方法有更好的识别效果.     

智能故障诊断技术在核动力装置中的应用研究

核动力装置对系统的安全性能要求较高．为了让操作员在发生故障时,避免产生错误的判断及操作,一种较好的方法是将智能故障诊断技术应用到核动力装置故障诊断系统中．利用粗糙集的数据约简技术提取精简的规则,基于这些规则建立的模糊神经网络具有更好的拓扑结构,学习速度大大提高,容错能力强;RBF神经网络有着良好的局部性能,诊断单个故障的能力要优于模糊神经网络,且网络不用训练,诊断实时性好．将粗糙集理论所构建的模糊神经网络与RBF神经网络相结合,能充分发挥各自的优点．为了验证该方法的有效性,以核动力装置蒸汽发生器U形管破裂等故障为例,进行了仿真实验研究．研究结果表明该邦联网络具有良好的诊断准确性、实时性和可扩充性,得到了预期的效果．     

基于RBF神经网络的交通生成预测模型

针对交通生成预测中传统集计预测模型缺少行为基础这一重要数据源,以及普通离散模型建立对数学推导依赖性高和预测中存在多个预测值,导致预测结果精度不理想的问题,建立了基于RBF神经网络的交通生成预测模型,该模型将以行为基础为前提的离散数据作为数据源,模型的建立不需要进行数学推导,利用输入和输出数据自动建立,再结合RBF神经网络收敛速度快和具有唯一最佳逼近点的特点,对交通生成进行预测。通过实例进行仿真和分析,结果表明,该模型最终获得的交通生成预测结果与实际值误差在允许范围内,RBF神经网络交通生成预测效果好,能在实际中应用。     

改进型火灾报警系统网络传输软件的设计

目前流行的火灾报警系统的传输与控制形式有两种：非智能型的模拟信号输出输入与智能型数字信号输出输入．文中拟对某大型工厂的传统火灾报警系统进行改造，用单片机实现串口通讯，并由客户端（PC机）利用内联网完成火灾报警控制信号的发送，服务器端以电子邮件向各个分区用户发送预警信号，同时存储报警数据．服务器端发出最终控制信号，控制报警系统．     

基于RBF神经网络的电容层析成像图像重建算法

针对目前电容层析成像系统图像重建分辨率不高,精确度低的问题,提出了一种新的采用RBF神经网络对电容层析成像系统进行图像重建的方法.该神经网络采用改进的自适应遗传算法,优化选取隐层神经元的中心和宽度,用Tikhnov正则化方法训练网络权值.12电极的电容层析成像系统的仿真实验结果表明,该方法能明显改善成像质量,成像精确度较好,证明了该方法的有效性.     

旋转机械运行状态优化组合模型变权重RBF预测方法

针对现有各种非平稳非线性特征旋转机械运行状态预测方法适用性差、精度不高的难点问题,提出一种旋转机械运行状态优化组合模型变权重RBF预测方法,该方法通过对单一预测模型进行优选,对输入样本进行加权处理,采用径向基神经网络进行变权重组合模型动态建模,从而充分利用了已知的有效信息,强调了新旧信息对设备未来运行状态发展产生的不同影响.经实测数据验证,获得了比单一预测模型及定权重RBF组合预测方法精度更高的预测结果.该方法程序实现简便,预测精度高,对预测问题的适用性广.     

基于改进径向基函数网络的电力系统短期负荷预测

电力系统短期负荷预测是电力生产部门的重要工作之一,本文利用径向基函数网络（RBF）进行负荷预测,针对RBF在负荷预测中隐含层节点数难求问题,提出了一种改进的最近邻聚类学习算法即可解决该难点,又可提高RBF神经网络收敛速度和负荷预测精度．根据某地区电网的实例进行研究,结果发现本文算法比改进前的算法预测的最小、最大相对误差分别减小0．14和1．12,证明了改进后算法有效性和可行性,为电力系统负荷预测提供了一种新途径．     

个人信用评估的Logistic-RBF组合模型

针对个人信用评估中单一模型存在的不足,提出了利用组合预测模型进行个人信用评估的方法.基于不同单一模型在个人信用评估中所体现的优势,选择具有代表性的Logistic回归和径向基函数神经网络方法,建立了2种单一评估模型,在此基础上构建了基于二者的组合模型.利用某商业银行的数据进行2类模式的分类,应用结果表明,组合模型有效地提高了预测的精确性和模型的稳健性,对于商业银行控制消费信贷风险具有更好的适用性.     

一种基于RBF神经网络的非线性PCA故障检测方法

针对传统PCA(主元分析)故障诊断方法在非线性过程应用中存在的缺点,提出了一种基于RBF(径向基)神经网络的非线性PCA故障检测方法。首先,提出一个由两个RBF网络构成的非线性统计模型,其中第一个网络用于建立输入变量到主元的非线性映射,第二个网络实现逆映射来重构原始数据。其次,用主元曲线算法来解决网络训练数据的获取问题。最后,给出了使用基于RBF网络的非线性PCA方法进行故障检测的步骤,并通过一个三阶非线性系统的仿真实例验证了该方法的有效性。     

Research on regional ionospheric TEC modeling using RBF neural network

Machine learning techniques which are about the construction and study of system that can learn from data are combined with many application fields.A method on ionospheric total electron content(TEC)mapping is proposed based on radical basis function(RBF)neural network improved by Gaussian mixture model(GMM).Due to the complicated ionospheric behavior over China,GMM is used to determine the center of basis function in the unsupervised training process.Gradient descent is performed to update the weights function on a sum of squared output error function in the supervised learning process.The TEC values from the center for orbit determination in Europe(CODE)global ionospheric maps covering the period from 2007to 2010 are used to investigate the performance of the developed network model.For independent validation,the simulated TEC values at different latitudes(20°N,30°N and 40°N)along 120°E longitude are analyzed and evaluated.The results show that the simulated TEC from the RBF network based model has good agreement with the observed CODE TEC with acceptable errors.The theoretical research indicates that RBF can offer a powerful and reliable alternative to the design of ionospheric TEC forecast technologies and thus make a significant contribution to the ionospheric modeling efforts in China.     

基于多传感器融合的鸡肉新鲜度检测方法

为了快捷、无损检测鸡肉新鲜度,建立了一套基于电子鼻和力学参数两种传感器以及神经网络识别技术的智能检测系统。根据鸡肉腐败机理,合理选择传感器。采用RBF神经网络作为模式识别方法。经理化试验证明系统检测鸡肉新鲜度准确率达93.65%,结果表明设计的融合系统检测鸡肉新鲜度是可行的。