基于BP神经网络与数据拟合的接收信号强度测距算法比较研究及算法实现

文章采用数据拟合,对路径损耗测距模型中的参数A和n进行求解,实现数据拟合测距;再建立BP神经网络结构,将信号强度值作为输入,距离作为输出,进行训练;并比较两种测距方法的效果。通过分析,BP神经网络测距精确度更高。最后,文章以Matlab2020b为平台,实现测距的程序化、自动化。     

一种飞参数据的野值剔除和平滑方法研究

针对飞行参数数据量大,剔除野值和补偿缺失的数据困难的问题,提出了一种基于可变阚值的方差的飞参数据野值识别,基于牛顿插值法的野值补偿的软件实现算法。通过该算法对某型飞机飞参进行野值剔除和数据补偿,取得了较好的效果。     

一种随机干扰数据的快速抛物线拟合算法

提供一种干扰数据的抛物线波形拟合方法,利用该方法在对接收的数据进行抛物线波形拟合的过程中,无需进行复杂的逆矩阵计算,因而可以提高信号处理的效率,满足探测器对数据处理的实时性要求。     

一种锂电池电压检测的拟合方法

该设计给出一种电路实现简单、精度高、微功耗的隔离锂电池电压检测方法。该锂电池电压检测方法是采用电池电压镜像检测原理,基于电磁开关技术,得到原始数据并对其进行拟合,数据的拟合方法决定了该电路的优势。实践表明该方法电路简单实用、检测精度高、适用范围广,具有很高的实用价值。     

基于MATLAB的CPMS多通道数据拟合系统

本文基于实验室自行研制的海上钻井平台导管架阴极保护监测系统(CPMS),针对单片机采集到的AD值通过已有函数转换后误差较大的问题,利用MATLAB的图形用户界面系统开发了一套多通道电压电流采集数据的拟合系统,解决了单片机在采集多路电压通道时AD值与真实值之间校准的问题.     

一种新型模糊神经网络结构确定的研究

本文给出了生种改进的模糊神经网络模型。这种模糊神经网络结构的建立只需要根据系统的输入输出数据来得到，且含义非常明晰。通常网络神经元的个数据根据经验来推，而我们通过糊数据曲线来确定网络模型，具有更高的准确度和优化性。     

一种拟合曲线的新拟合算法

非线性测量中对测量结果进行曲线拟合通常采用最小均方误差的标准进行系统参数的辨识,该方法未考虑输入样本的随机性。基于此,提出了一种新的拟合算法:考虑输入样本的随机性所采取的一种加权的最小均方误差拟合方法,利用已知的输入样本的统计特性对权值进行估计,对算法概率为1的任意逼近性给出证明,并对区间半长作出估计。实验表明,该算法有较理想的逼近效果。     

基于数据拟合的OFDM时变信道估计方法

利用周期伪随机(PN)序列频域能量集中在某些点上的特点,提出一种基于数据拟合的时变信道估计算法.该方法利用周期性PN序列的自相关特性,降低噪声和未知数据对导频的干扰;同时利用其周期性,实现对信道变化趋势的多点拟合;并在此基础卜利用信道时间平均值对估讣参数进行修正,以进一步提高估计精确性.仿真结果表明:与传统方法相比,该方法具有较优的误码率(BER)和均方误差(MSE)性能,尤其在低信噪比环境下性能改善显著.     

基于数据拟合的航迹关联方法

航迹关联对航迹融合结果具有决定性影响。为了解决组网雷达存在系统误差情况下的航迹关联问题,以不同雷达的量测位置偏差建立粗关联门限进行航迹粗关联。对仍存在歧义的航迹,运用最小二乘法进行数据拟合,得到量测序列的对应系数,建立局部关联门限,仿真结果显示了该算法的有效性。     

基于神经网络的数据融合方法

作为一种新的方法体系,人工神经网络具有分布并行处理、非线性映射、自适应学习、较强的鲁棒性和容错等特性,这使得它在模式识别、控制优化、智能信息处理以及故障诊断等方面都有广泛的应用。本文对BP神经网络模设计、建立及训练进行了深入的讨论,研究了基于BP神经网络的数据融合的优缺点。     

基于数据场的概率神经网络算法

提出基于数据场高斯势约简概率神经网络结构,基本思路:引入数据场估计训练集各类概率密度,选择局部极大密度估计样本构造网络;对初始网络迭代训练,依次扩展各类具有最大密度估计值的误分样本至模式层并调整权重参数,直至满足指定精度.采用增量密度计算,保证快速迭代和高概率收敛.基于重采样技术进一步提升泛化精度.实验表明,提出的算法...     

一种基于神经网络的医学数据场体分割新算法

直接体分割是三维医学数据场处理的难点和研究热点之一.利用BP神经网络的聚类技术,提出了一种新的三维医学数据场的聚类分割算法.首先,根据医学数据的物理意义,对数据场进行预处理,以加快后继处理速度;随后分析推导了基于神经网络的聚类分割算法,并提出了若干加速算法收敛速度的方法.实验结果表明该算法不仅能够提高三维医学组织的聚类分割精度,而且能够模型的处理速度.     

基于BP神经网络的飞行参数估测方法

对传统BP神经网络算法中收敛速度慢和存在局部极小点的问题进行了研究，提出了网络结构的改进方案和优化算法，提高了网络学习速度和预测精度；应用到飞行参数估测问题中，具有算法稳定、估测精确和动态自适应的特点。     

一种基于神经网络的数据融合方法在遥感图像处理中的应用

用一维自组织特征的神经网络数据融合算法，对分别从3个传感器采集的同一遥感对象的3幅数字灰度图像进行了融合，生成出了高质量图像，为人工判读和下一步特征层和决策层融合处理提供了更佳的输入信息。     

有教师指导细化拟合的ART2神经网络的研究

ART2神经网络广泛应用于模式识别问题,但有时具有某一属性的模式在模式空间中不一定聚集紧密.当几个模式由于发散而在空间互相交错时,要用ART2神经网络产生复杂的模式空间分类曲面将它们分开则相当困难.另外,ART2对所分的类型并没有任何先验知识,也就是说,ART2本身无法指明所得各类模式的归属.本文提出一种新颖的ART2神经网络,使用先细化后拟合的方法解决了复杂交错的模式分类问题.将这种ART2神经网络用于高频心电图特征数据分类,结果显示大大提高了分类的正确率.     

基于GA-BP神经网络的VOD代理节目预取模型

VOD代理服务器的节目预取方法决定了园区网VOD系统的整体运行效率。提出一种节目预取模型,采用BP神经网络构建分类器并对VOD节目进行分类,再根据分类结果采用基于分组的方法实现代理服务器的节目预取。模型中引入遗传算法对已建立的分类模型进行改进,以克服局部极小值问题。仿真实验表明,该预取模型具有较高的命中率,能有效提高代理服务器的利用率。     

基于神经网络的分振幅光偏振仪的数据处理

分振幅光偏振仪(DOAP)是一种高速测量光波偏振态的传感器。提出了一种基于人工神经网络(ANN)的分振幅光偏振仪的数据处理方法,将分振幅光偏振仪中电路系统输出的电信号作为神经网络的输入,入射光的斯托克斯参数作为神经网络的输出,建立一个前向多层神经网络模型。通过网络训练,使该网络确立了电路系统输出电信号与入射光斯托克斯参数之间的映射关系。由测量时得到的电信号,利用训练后的神经网络可以计算出待测的入射光的斯托克斯参数。测试结果表明,在测量精度方面,该方法获得的斯托克斯参数的总均方根偏差为1.9%,略优于基于矩阵运算的数据处理方法。     

基于一维自组织神经网络的图像数据融合算法研究

多传感器数据融合技术最近在图像处理领域得到广泛的重视和应用.传统图像处理是典型的二维信号处理,图像数据融合也属此范畴.为了融合来自同一景物的多幅带有不同噪声的图像,本文提出了一种基于一维自组织特征映射神经网络的图像融合算法,利用等灰度图法来确定自组织映射神经网络的聚类数,并用一维的像素特征量直接进行二维图像信号处理. 仿真试验给出的详细结果表明了该图像融合算法的有效性.     

基于RBF网络的照明定量计算应用研究

介绍RBF神经网络的基本理论、特点以及怎样选择样本、处理数据和训练网络的过程,利用RBF神经网络对照明定量计算数据进行存储和非线性拟合,通过测试样本进行仿真实验,对查询的输入数据产生合理输出结果,减少了重复计算、方便了查阅大量数据表格,实际的工程使用表明该方法简便且行之有效。