高阶FIR多带阻数字滤波器优化设计研究

研究了FIR线性相位滤波器的幅频特性与余弦基函数神经网络算法之间的关系,给出了FIR高阶多带阻数字滤波器的优化设计实例,提出并证明了神经网络算法的收敛性定理.仿真结果表明,算法不仅是有效的,而且在FIR高阶数字滤波器优化设计领域具有很大的优越性.且算法不涉及逆矩阵的计算,有效解决了国内外其它优化设计方法无法设计高阶FIR线性相位滤波器的问题.     

3型FIR带通滤波器优化设计

研究了3型FIR线性相位滤波器的幅频特性与神经网络算法之间的关系,提出了该神经网络算法的收敛性定理,为神经网络训练中学习率大小的选择提供了理论依据.该算法有效避免了FIR高阶数字滤波器优化设计中求高阶矩阵逆的困难,为高阶FIR数字滤波器的优化设计提供了一种快速有效的设计方法.最后给出了FIR高阶数字滤波器的优化设计实例.计算机仿真结果表明了该神经网络并行算法在3型FIR高阶数字滤波器优化设计领域的有效性.     

ⅡR DF设计的高阶关联神经网络优化方法

基于全反馈高阶关联神经网络优化理论,提出了一种ⅡR数字滤波器神经网络优化设计方法(ⅡR-NNO)的理论框架。表征设计质量的加权均方误差当作神经网络能量函数,导出了ⅡR-NNO的Lyapunov方法。简要说明了该方法计算机实现的基本原则,通过设计实例及与其他方法的比较,证明了它的有效性。     

基于高阶神经网络扩展卡尔曼滤波器算法的非线性动态系统辨识

针对非线性动态系统辨识 ,采用高阶神经网络和径向基函数网络相结合的方法 ,神经网络的连接权值可作为系统的未知参数 ,用扩展卡尔曼滤波器 (EKF)算法来估计 ,确保了该方法的快速收敛 .具体模型的仿真结果表明该方法能快速收敛 ,并能方便的用于在线辨识 .     

Ⅲ型FIR滤波器优化设计研究

提出了一种正弦基函数神经网络模型和该模型算法的收敛性判据,给出了Ⅲ型FIR滤波器优化设计实例。计算机计算结果表明了该网络模型的有效性和快速性。     

基于多层感知器的3型多带通FIR滤波器设计

利用多层感知器神经网络设计了3型多带通FIR滤波器,其基本思想是该神经网络利用总误差的能量函数,使能量函数递减,然后根据给定的幅频响应以及通带和阻带误差设计滤波器。提供了有效的训练方法,克服了传统方法的主要缺陷,改进了滤波器的设计。该方法设计滤波器收敛速度很快,适用于高阶系统。仿真结果表明该方法设计的3型FIR线性相位多带通滤波器的性能接近于理想滤波器。     

一种新颖的SAW带通滤波器设计方法

提出了一种新的声表面波(SAW)滤波器设计方法。先对设计目标函数采样减少变量数,用Z变换零点分开并通过内插重构得到两组加权初值。假定其中一个固定而对另一加权系数利用标准的雷米兹交换算法进行优化。对Blackman谱成形成滤波器的模拟设计表明,该方法计算精确方便,简明实用。     

Ⅲ型FIR滤波器优化设计研究

提出了一种正弦基函数神经网络模型和该模型算法的收敛性判据，给出了Ⅲ型FIR滤波器优化设计实例。计算机计算结果表明了该网络模型的有效性和快速性。     

高阶模糊BP神经网络及其在滚动轴承故障诊断中的应用

将模糊逻辑理论与高阶BP神经网络结合起来,讨论了高阶模糊BP神经网络的结构、特点、二阶算法以及隶属函数的确定。并将该神经网络模型用于滚动轴承的故障诊断中,试验表明高阶模糊BP神经网络对轴承故障模式具有稳定、准确的识别能力,是一种行之有效的诊断方法。     

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.     

线性相位FIR滤波器约束Chebyshev设计的增广Remez算法

主要讨论线性相位FIR数字滤波器的约束Chebyshev设计问题 .Remez算法是一种高效的Chebyshev逼近算法 ,而其理论基础是交错点组定理 .针对约束Chebyshev逼近问题提出一个增广交错点组定理 ,并根据此定理提出了一个增广Remez算法 ,用于求解带不等式约束的线性相位FIR数字滤波器的Chebyshev设计问题 .如果问题的解存在 ,此算法一定收敛到问题的解 .与现有其它方法的比较表明 ,此算法有很高的效率 .     

基于神经网络与遗传算法的结构优化设计方法

从神经网络和遗传算法的原理出发,利用遗传算法和神经网络相结合的策略对结构参数进行优化.在确定结构优化的目标函数和设计变量集合的基础上,用神经网络学习算法建立货架结构设计参数与结构重量、结构最大应力、最大位移等的非线性全局映射关系,获得遗传算法求解结构优化问题所需的目标函数,用遗传算法进行优胜劣汰的寻优搜索运算,从而求出所需最优解.以货架结构的优化为例说明了上述方法的应用.遗传算法和神经网络的优化结果是在正交设计法确定的训练样本足够大的基础上得出的,具有较强的可靠性.     

一种改进的FIR数字滤波器自适应设计方法

提出了一种迭代算法，在FIR数字滤波器的自适应设计过程中自动改变各个频率指标上代价因子的值，最终实现代价因子的最优取值。利用这种改进方法，可以实现FIR数字滤波器和设计指标之间的最佳拟合。给出了两个设计实例，其中幅度响应每倍频程衰减6dB的滤波器，可以用于模拟水声陈列接收的宽带海洋噪声，而高精度时延的滤波器，则可以实现滤束形成中所需要的非整数倍采样间隔的时延。     

基于NFI-CMAC的机器人分布式智能控制

基于牛顿前向插值公式提出一种对多维函数可实现任意阶逼近的新型CMAC神经网络———NFI CMAC,详细讨论了其插值算法、训练规则及寻址机制.与传统CMAC相比,NFI CMAC具有学习精度高、学习速度快及占用内存单元少等优点.基于NFI CMAC设计了一种高性能的机器人轨迹跟踪分布式智能控制方案,仿真研究表明了该方案的可行性与有效性.     

求逆矩阵的一个递推公式

本文由解微分方程组K(t)=AX(t),求A的特征矩阵之逆(SI—A)~(-1) 的过程,导出求n阶矩阵A之逆的一个递推公式.利用本公式求n阶矩阵的逆,只要简单地计算n次两个矩阵之积和n次两个矩阵之差即可,避开了计算伴随矩阵和行列式的麻烦。方法简单,运算过程规律,和其它求逆方法比较还具有精度高的特点,适合于高阶矩阵之逆,更便于上机计算。     

Four optimal design approaches of high-order finite-impulse response filters based on neural network

Four optimal approaches of high-order finite-impulse response(FIR) digital filters were developed for designing four types filters using neural network algorithms. The solutions were presented as parallel algorithms to approximate the desired frequency response specification. Therefore, these methods avoid matrix inversion, and make a fast calculation of the filter’s coefficients possible. The convergence theorems of these proposed algorithms were presented and proved to illustrate them stable, and the implementation of these methods was described together with some design guidelines. The simulation results show that the ripples of the designed FIR filters are significantly little in the pass-band and stop-band, and the proposed algorithms are of fast convergence.     

基于神经网络的滚动时域优化控制

将神经网络逆模型控制方法与滚动时域优化控制技术相结合,提出了具有预测能力的基于神经网络的滚动时域优化控制方案。给出了控制器的结构设计及实现算法,并将其用于非线性不确定系统的控制,仿真实验表明,该控制器具有良好的非线性控制性能。     

基于克隆选择算法的FIR滤波器的设计

将改进的克隆选择算法用于FIR数字滤波器的设计中,以确定频率过渡带样本的最佳值。设计的FIR数字滤波器的仿真实验结果表明,与传统的查表方法相比,该免疫算法性能更优,滤波器通带波动更小,阻带衰减更大,能够很好地解决FIR滤波器优化问题。