复交替投影神经网络

首先对ＭarksII等人提出的交替投影神经网络进行了研究,将其应用范围从实数域拓广到复数域,并证明了其稳态收敛性,接着研究了复数域的中替投影神经网络（不妨称此情形下的网络为复交替投影响神经网络）,得到了几个有用结论,并从数学上对这些结构进行了严格证明,最后,为了验证文中物理分析的正确性,设计了一个仿真实验,仿真实验结果表明文中的理论与验结果完全吻合,实际上,复交替投影神秒仅可用于信号处理中的带限信号外推,还可用于选频,陷波等场合。     

基于GUIDE的陷波器设计

在并网型风力发电机组的控制系统设计中,需面对3P和6P频率对机组的影响。陷波器就成了数据处理的重要方法。采用对应频率的零点和极点配置算法,可以得到陷波器的传递函数,并在GUIDE环境中开发了陷波器的设计与分析界面。只需在此界面中输入陷波器的参数,不仅可以就得到相应的幅频和相频特性曲线,还可以显示Simulink仿真的结果。实现了从设计到仿真验证的整个过程,方便了风力发电机控制系统中陷波器的设计与开发。     

一种基于扩展交替投影神经网络的弱信号分离方法研究

Aiming at a kind of specific situation encountered in practice, the paper proposes a weak-signal separation algorithm based on Extended Alternating Projection Neural Networks (EAPNN) by combining the time-domain features of the signal with the frequency-domain features of the signal and taking advantage of conclusions on EAPNN. Simulation results demonstrate that the algorithm is effective and that the EAPNN-based signal separationalgorithm is better than the RLS-based signal separation algorithm. Although the EAPNN-based algorithm isdesigned for the specific situation, it is also applicable to the other situations and a basic frame of the EAPNN-basedsignal separation is presented. Owing to adopting neural network structure, the EAPNN-based algorithm is prone toparallel computation and VLSI design, consequently can satisfy real-time processing needs.     

基于陷波器的伺服系统共振抑制的研究

为了有效解决伺服系统中由于机械刚度低产生的机械共振,利用Matlab对伺服驱动模型进行仿真,借助FDAtool设计了2阶直接Ⅱ型陷波器,消除了伺服和负载组成的双惯性系统之间的共振频率.发现并分析了通带衰减参数对共振抑制的影响,在DSP上实现了双惯性系统的机械共振抑制控制程序,提出了陷波器在实时系统上的实现算法,并用永磁同步电机与丝杠进行实验验证,实验结果表明共振得到了抑制.     

电子束机束流测量中的工频陷波器

介绍了一种其中心频率准确跟踪工频的陷波器，叙述了其工作原理，提高跟踪精度精度的设计要点及调试方法。     

基于免疫算法的LMS自适应陷波器μ参数优化

对LMS自适应陷波器中的参数μ进行了分析,并根据免疫算法本身具有的寻优能力,对该参数μ进行优化.同时结合一个具体的优化例子,给出了算法实现的具体操作步骤和实验结果.结果表明,本文提出的算法能够得到理想的参数μ的优化结果,使LMS稳态失调控制在较好范围内,并且其收敛速度也比较快.     

基于改进粒子群算法的自适应陷波器设计

在信号处理中,接收信号常伴随着干扰和噪声,这就需要最优滤波器来实现,其中工频干扰的消除则以自适应陷波器为最优。利用粒子群算法自适应地调节其权值,得到与干扰信号接近的期望信号,最终达到消除干扰得到有用信号的目的。同时,针对此算法存在局部收敛和收敛速度不高的问题,提出了改进方法。计算机仿真结果表明了该改进粒子群算法在自适应陷波器设计上的有效性,并取得了较高的效率。     

自适应陷波器在远场涡流检测中的应用

远场涡流中干扰对有用信号的影响极大 ,因此消除干扰便成为远场涡流检测的关键。提出一种用数字信号处理的技术来实现干扰的消除。同原有的模拟处理方式相比 ,具有更准确跟踪频率和可控带宽等优点。     

基于不对称陷波器的谐波电流检测方法*

为了克服常规自适应算法由于权值是一个含有二次谐波的波动量导致基本自适应算法不能准确提取出谐波电流的缺点,提出了一种基于不对称陷波器谐波电流检测方法。该不对称陷波器的实质是通过加入一个低通滤波器改变了陷波器参考频率附近的带宽,从而在保证动态相应的前提下兼顾系统的检测精度;验证了该系统是一个稳定系统,证明了改进后的不对称性,给出了参数选择的依据。通过仿真实验表明,该系统可以在一个周期内就能稳定跟随,系统的畸变率可以控制在1.7%以下。     

基于神经网络的滤波器

利用函数连接型网络理论,提出了一种新的基于神经网络的非线性滤波器(NNNF),证明了NNNF的无偏性和最小方差性.将NNNF用于谷氨酸和红霉素发酵过程的状态估计,结果表明,NNNF滤波估计值与实验结果吻合得相当好,对噪声特性无特殊要求,对初始状态估值具有一定的鲁棒性,NNNF可利用有限的状态量测信息在线推算其它不可测量的状态变化,为非线性生化过程的在线优化奠定了基础.     

Target Recognition Based on Directional Filter Banks and Higher-Order Neural Networks

Park, Sang-il, Smith, Mark J. T., and Mersereau, Russell M., Target Recognition Based on Directional Filter Banks and Higher-Order Neural Networks, Digital Signal Processing10 (2000), 297–308.A new approach for the classification of SAR targets is presented here, which combines maximally decimated directional filter banks with higher-order neural networks (HONNs). HONNs are neural networks that can achieve performance similar to that of standard multilayered neural networks, but without the hidden layer. Their performance can be made invariant to geometric transformations of the input imagery in the design process, while their computational complexity can be reduced by employing a preprocessor to reduce the dimensionality, such as coarse coding. Most past image classifiers using HONNs have been designed for carefully thresholded binary images. However, generating useful binary representations that can be used as inputs can be difficult for modalities such as SAR. As an alternative, we use a novel HONN implementation that accepts gray-level input pixels using directional filter banks. In order to do this, a new modified tree-structured directional filter bank structure in a very computationally efficient form is introduced. The performance of the proposed approach is demonstrated and compared in imagery taken from the public MSTAR database. The new approach is shown to be effective in enhancing the discrimination power of the HONN inputs, leading to significantly improved performance.     

基于全通滤波器的IIR陷波器抑制信号中的周期性干扰

从滤波器的系数敏感度角度 ,提出一种基于全通滤波器的 IIR陷波器来抑制信号中的周期性干扰。该滤波器是由全通滤波器的级联构成的 ,因为全通滤波器传递函数的分子和分母多项式之间的镜像对称关系 ,该滤波器可以用高效的格型运算结构来实现 ,并且具有很低的系数敏感度 ,使得系数量化后的陷波频点偏移量最小。本文详细论述了该陷波器的设计方法 ,并深入分析了其在低频段的系数敏感度问题。通过实际数据验证了这种滤波器能够有效的抑制电力线通信信号中的谐波干扰。     

基于自适应陷波的干扰抵消技术分析

基于自适应滤波技术,从中频和射频两方面分析了干扰抵消技术的基本原理,给出了仿真结果,验证了算法的有效性,并对射频和中频两种干扰抵消技术进行了比较。自适应滤波技术在语音信号处理、噪声抵消,系统模型识别和医学信号处理等领域已得到大量应用,它是以最小均方误差为准则的最佳滤波器。在滤波过程中,它能自适应地调整滤波系数,其计算量小,算法简单,尤其适合于对实时信号要求较高的场合。     

基于卡尔曼滤波的神经网络修剪算法研究

传统的BP神经网络在应用的过程中,常常面临无法确定合适的网络节点问题。网络规模小,则运算时间长;而网络规模过大,容易产生过学习现象,影响泛化能力。在传统的BP神经网络学习的基础上,采用卡尔曼滤波算法对神经网络中的权值向量进行修剪,实现对神经网络结构的简化,提高泛化能力。它不同于以往的边修剪、边训练,而是在神经网络一次完整的学习完成之后,一次性修剪。方法在入侵检测数据集测试中表明,修剪比例较高,精确度好,修剪完成的网络能够很好地保持修剪前的测试识别率,提高了学习速度和泛化能力。     

基于陷波器和小波变换去除自发脑电信号噪声的方法

提出了一种将小波变换与陷波滤波器相结合消除自发脑电信号噪声的方法,实验结果显示,两种算法的结合可以产生很好的消噪效果,为后面信号的进一步分析和处理提供了较好的结果.     

BP网络在复杂系统建模中的应用

本文介绍了在利用ＢＰ网络进行系统的仿真时，所采用的一种时间相关数据组织方法和一种对网络训练结果交叉确认的误差检查方法，作者将两者结合起来，完成了一反应器系统的仿真实例。并给出了仿真结果。     

基于自适应陷波的非均匀采样信号处理系统

非均匀采样可以突破奈奎斯特采样定理的限制,检测出超过采样频率的信号频率,但非均匀采样引起信号的频谱噪声,使得非均匀采样的小信号检测难于实现。研制了一种实时非均匀采样信号处理系统,采用自适应陷波方法计算非均匀采样信号的频率,逐步滤除幅度较大的信号,从而检测出小幅度信号。详细说明了自适应陷波方法的原理和实现方法,并介绍了基于数字信号处理器(DSP)的非均匀采样信号处理系统。