基于PSO和RBF神经网络的水声信号建模与预测

为构建径向基函数神经网络模型,以相空间重构理论为基础,提出基于粒子群的自动搜索算法,并以Logistic映射和水声信号作为研究对象,把该算法与同类算法进行比较。实验结果表明,该算法在训练准确率和收敛速度方面体现出一定的优越性,能够为水声信号的建模、预测以及动力学分析提供支持。     

一种基于神经网络的跳频信号频率预测方法

对跳频通信进行有效干扰的关键在于对跳频信号的频率进行较准的预测,本文就此提出了一种基于神经网络的对跳频信号频率进行预测的新方法,该方法利用了神经网络的非线性映射能力,能够较好的对目标进行预测,仿真实验的结果表明该方法有限强的实用性,值得进一步研究。     

基于DDS的水声通信信号发生器的研究

为了满足UUV间实时通信的需要,设计了一种基于DDS技术的水声通信信号发生器.该信号发生器以ADSP-TS101和FPGA为核心,配以外围扩展电路,能够实时产生4FSK和QDPSK通信信号,具有较强的灵活性和可扩展性.硬件试验结果表明该信号发生器精度高,能够获得很好的数字调制波形,证明可以应用于水下无线通信.     

基于IP互连的DSP水声阵列信号并行处理实现方法

设计并实现了一种基于IP网络互连的、可扩展的声纳阵列信号并行处理系统。该系统采用二片TI公司高性能网络多媒体处理器TMS320DM642组成的板上流水线并行结构作为一个处理节点,并借助IP网络实现板间互连并行处理,可根据换能器阵元和处理速度的要求适当增减处理节点的数目。声纳系统的每个处理节点与数据采集转换部分采用TCP/IP网络连接,可以通过物理上添加一个或多个处理节点,提高系统的数据处理能力。     

基于接收端信号的水声网络MAC协议

水声网络的信道具有数据速率低以及传播时延长的特点,如果采用握手机制减少数据冲突,将降低信道利用率和网络的吞吐量。提出了一种基于接收节点发送短信号告知邻居节点其接收状态的水声网络MAC协议,即当接收节点接收数据时,向邻居节点发送短信号通知其当前时刻不要发送数据,解决了隐藏终端和暴露终端的问题,并提高了网络吞吐量;除此之外,使用短信号还能够降低能量损耗。仿真结果表明该协议能够实现上述目的。     

舰船水压信号的预测方法研究

提出了一种能从海浪水压信号背景下提取舰船水压信号的预测异常检测(PAD)法。模型预测值与测量值相比较所得的差值被作为检测舰船水压信号是否存在的判据。讨论了作为PAD中预测模型的线性的自回归(AR)模型和非线性的神经网络(NN)模型，并用模拟数据和实测数据对二者进行了比较。仿真结果表明，PAD效果良好，预测模型中，NN模型要优于AR模型。     

RBF神经网络在跳频信号频率预测方面的应用研究

提出了一种跳频信号频率预测的解决方案——RBF神经网络。应用MATLAB针对一伴有随机噪声的信号进行了仿真实验 ,证明了该方法的可行性。     

基于遗传神经网络的负荷预测方法

针对遗传算法早熟的缺陷,提出了改进的交叉,变异策略,采用移民算子等方法改善遗传算法的性能.并把此方法应用到神经网络的训练中,对电力系统短期负荷进行预测取得了较为理想的效果.     

基于神经网络和混沌特征选择的短期负荷预测方法

在激烈竞争的电力市场中,短期负荷预测(Short-term Load Forecasting,STLF)是电力系统高效运行的主要研究热点.针对具有高度波动性非线性信号的电力负载,提出了一种基于神经网络和混沌智能特征选择的预测方法,通过选择最佳候选输入集作为特征参数,将其作为预测输入数据.预测引擎采用一种多层感知层,具有...     

基于FPGA的水声信号高速采集存储系统设计

介绍了一种基于FPGA的水声信号数据采集与存储系统的设计与实现,给出了系统的总体方案,并对各部分硬件和软件的设计进行了详细描述。系统以FPGA作为数据的控制处理核心,以存储容量达2 GB的大容量NAND型Flash作为存储介质。该系统主要由数据采集模块、数据存储模块和RS-232串行通信模块组成,具有稳定可靠、体积小、功耗低、存储容量大等特点,实验证明该系统满足设计要求。     

Prediction of Road Traffic using a Neural Network Approach

A key component of the daily operation and planning activities of a traffic control centre is short-term forecasting, i.e. the prediction of daily to the next few days of traffic flow. Such forecasts have a significant impact on the optimal regulation of the road traffic on all kinds of freeways. They are increasingly important in an environment with increasing road traffic problems. The present paper aims at presenting the effectiveness of a neural network system for prediction based on time-series data. We only use one parameter, namely traffic volume for the forecasting. We employ artificial neural networks for traffic forecasting applied on a road section. Recurrent Jordan networks, popular in the modelling of time series, is examined in this study. Simulation results demonstrate that learning with this type of architecture has a good generalisation ability.     

级联网络的软件可靠性预测

研究软件可靠性准确预测问题,软件存在动态失效性,且引起软件运行失效的原因具有随机性,不同可靠性模型预测相同软件得到的结果不一致,通用性比较差,导致预测精度低。为了提高软件可靠性预测精度,提出一种级联网络的软件可靠性预测模型。采用4种经典软件可靠性模型的输出作为BP神经网络模型的输入,利用各种单一预测模型的优点,建立一种新的级联软件可靠性模型。仿真结果表明,级联网络模型具有更高的预测精度和通用性,验证了级联网络预测模型对软件可靠性预测的有效性和良好的应用前景。     

基于复合天气及时间因素的神经网络气温预测

本文提出一种基于复合天气及时间因素的组合神经网络预测方法以预测气温，即根据前一段多个天气因素的值预测下一时的气温，并将时间因素作为独立神经元参与神经网络预测。经采用2000年南京站的天气数据与标准BP网络对比实验，证明本文算法更快收敛到更小误差，预测效果，尤其是短期预测，较标准BP算法更好。     

基于改进BP的GDP预测研究

GDP时间序列具有线性和非线性的双重特征,所以传统统计预测方法、神经网络方法和集成预测方法都在预测分析时准确性不高,误差较大。文章提出由GDP时间序列,找出只具有非线性特征的GDP年增量百分比序列,以此建立基于BP的预测模型,对我国的GDP进行预测,仿真实验表明,改进的BP模型预测准确率明显优于目前的ARIMA-BP集成模型及单一BP模型的预测准确率,从而证实了改进的BP模型用于GDP预测的有效性。     

基于BP神经网络干扰器反鱼雷对抗效果评价

反鱼雷对抗效果是水声对抗装备效能评估的核心和难点,运用神经网络进行效果评价具有一定的优势,但由于单纯采用专家评分的方法.使得训练样本集的可靠性不高,降低了网络权值的可信度.为此分析了影响干扰器对抗效果优劣的几类指标,结合仿真试验技术,提出了运用改进算法的BP网络来进行效果评价的方法,合理地构建了由专家评分及仿真试验的指标值共同组成的混合训练样本集,提高了训练样本的充分性和可信性,最后通过对两型干扰器的对抗效果评价比较,验证了方法的有效性.     

一种基于水声信道的无线传感器网络路由协议

以无线传感器网络的水下应用所面对的挑战为背景,针对水声信道的传输特点,在最小代价算法和目的节点序列距离矢量DSDV(Destination-Sequenced Distance-Vector)路由协议的基础上,提出了一种均衡节点能耗的路由协议算法.该协议按照最小能量代价建立多跳路由表,从而在数据传送时能够均衡各节点的能量消耗,达到延长网络生命周期的目的.仿真结果表明,相对于DSDV协议,本文提出的协议能够实现能量均衡,有效的延长网络生存周期.     

灰色神经网络在股票价格预测中的应用

研究股票价格预测问题,股票价格具非线性和不确定性变化规律。传统单一模型只能反映股票价格部分信息,预测精度不高。为了提高股票价格预测精度,在分析股票价格变化特征基础上,提出一种灰色神经网络的股票价格预测方法。首先采用GM(1,1)模型对股票价格进行预测,捕捉其线性、灰色变化规律,然后采用BP神经网络对GM(1,1)预测残差进行建模预测,捕捉其非线性和不确定性变化规律,最后两者结果相加得到股票价格最终预测结果。将灰色神经网络用于浦发银行(60000)股票收盘价为例预测,结果表明,相于传统预测模型,灰色神经网络提高了股票价格预测精度,更能全面挖掘股票价格变化规律,在股票价格预测中具有广泛的应用前景。     

基于通信网络算法在水下通信中仿真研究

研究通信网络在水下通信效率优化问题,由于海洋的复杂环境、水声不稳定以及水声受到介质噪声的干扰,造成水下通信率低。为了解决上述问题,建立了一种H∞滤波器节点移动预测算法的资源预留机制,为节点在水声网络中提供基于移动IP的QoS保障。根据移动节点的移动方向判断其即将加入的子网,在子网中提前预留资源,其它子网不再为移动节点提前预留资源,从而节约水声无线通信网络有限的带宽、能量等资源,并进行仿真。仿真结果表明,改进的方法能够为水声网络提供较高的资源利用率,在时延、吞吐量等方面提供有效保障。     

基于GRBF神经网络的脱硫预报模型

脱硫过程是一个复杂的非线性系统,文章建立了一个基于RBF神经网络的脱硫预报模型,并提出使用GRBF算法,从而较好地解决了传统RBF神经网络中心难于确定,存在过拟合的缺点。实践证明,该算法应用在脱硫预报模型的建立中是合理的、可行的。