共查询到18条相似文献,搜索用时 140 毫秒
1.
2.
3.
混沌背景下基于RBF神经网络的弱信号检测 总被引:2,自引:0,他引:2
弱信号检测问题是目标检测中一个重要的研究内容。通常,采用贝叶斯(Bayes)方法来检测目标信号的存在。在本文中利用背景信号为混沌这一先验信息,采用了RBF神经网络对模拟产生的淹没在混沌背景中的暂态信号进行检测,并将该方法与采用BP神经网络时的检测性能进行了比较。仿真实验结果表明,基于RBF神经网络的检测性能优于BP神经网络。 相似文献
4.
蒋国平 《南京邮电学院学报(自然科学版)》2000,20(3):5-10
研究了四阶细胞神经网络超混沌系统同步方法,分析了系统存在参数失配和信道噪声时的同步性能,提出了一种基于细胞神经网络超混沌同步系统的扩展频谱保密通信设计方法。提出的扩频保密通信方法不仅只需传递一个标量信号,而且由于采用了超混沌系统,所设计的扩频通信系统具有更高的保密性。 相似文献
5.
细胞神经网络超混沌系统同步及其在保密通信中的应用 总被引:22,自引:2,他引:20
本文研究四阶细胞神经网络超混沌系统同步方法,提出了一种基于细胞神经网络超混沌同步系统的扩展谱保密通信系统;这个保密通信系统不仅只需传递一个标量信号,而且由于采用了超混沌系统,所设计的保密通信系统具有更高的保密性。 相似文献
6.
目前语音信号的分析与预测都是采用线性理论和线性预测技术,而语音信号的产生系统是一个复杂的非线性时变系统,而且具有混沌性,所以采用线性方法是不够的.深入研究了汉语语音信号的非线性特性,包括相空间重构理论及延迟时间、嵌入维数等相空间重构参数的确定方法,并求解出汉语语音音素的李雅普诺夫指数、延迟时间、嵌入维数和关联维数,所得结果表明汉语语音信号既非确定性的信号,又非随机信号,而是具有混沌特性的信号;根据汉语语音音素的延迟时间及嵌入维数的均值确定RBF神经网络(Radical Basis Function Network)模型中三层网络的神经元个数,结合 RBF 神经网络分析方法构造了一个非线性预测模型.仿真结果表明:基于 RBF 神经网络构造的非线性预测模型与线性预测模型相比,预测误差明显减小,预测性能上有所提高. 相似文献
7.
8.
设计了一种限幅特性非线性三阶自治混沌保密通信电路系统.该系统利用串联同步三阶自治混沌电路进行信号混沌遮掩保密通信.有用信号隐藏在混沌参数中,混沌复合信号作为传送信号,在发送端和接收端之间传送.利用接收端响应系统与发送端驱动系统达到同步,可无失真地将有用信息信号检出.该方法设计简单,易于实现,并且同步速度快,实现了高质量的信息保密传送,具有很好的可行性. 相似文献
9.
10.
11.
针对工业控制领域中复杂非线性时变系统和传统RBF神经网络辨识PID控制的不足,提出了一种基于聚类结合算法的动态RBF神经网络在线辨识PID自适应控制方法.通过优化的动态RBF辨识神经网络更好地描述了控制对象的动态行为,获得PID参数在线调整信息,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比该方法具有较高的控制精度,较快的系统响应,较强的适应性和鲁棒性. 相似文献
12.
Yu Bin Liu Haibo 《电子对抗》2006,(5):21-25
针对阵元位置误差情况下RBF(radial-basis function)神经网络波达方向估计,提出一种直接数据域补偿算法。这种算法通过对神经网络的输入数据进行误差补偿来获得正确的训练样本,因而在无需对RBF神经网络测向系统作任何改进的情况下,可获得对波达方向的准确估计。文中给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。 相似文献
13.
陈水忠 《太赫兹科学与电子信息学报》2011,9(6):689-693
针对一类含保密信息的时延不确定Lorenz混沌系统,提出了基于径向基神经网络的同结构同步控制方案,在混沌系统同步的基础上,有效地恢复出隐藏的多路明文信号。利用神经网络的良好逼近能力对时延Lorenz混沌系统设计鲁棒同步控制器,实现了同步误差的收敛。当同步误差收敛时,混沌系统所传输的隐藏信号则可以正确恢复。仿真结果表明,文章所给出的同步控制器可以在5s内实现时延不确定Lorenz混沌系统同步,并能恢复出多路明文信号。 相似文献
14.
海杂波的短时非线性预测研究 总被引:2,自引:0,他引:2
海杂波预测是雷达信号处理和目标检测的研究热点。在海杂波具有混沌特性和非线性非平稳特点的基础上,研究了基于归一化RBF神经网络和最小二乘支持向量机(LSSVM)两种方法对海杂波时间序列进行非线性预测。考虑到海杂波是来自于移动海面的回波,预测应该考虑空间信息,因此提出一种基于LSSVM-耦合映像格子(CML)的海杂波时空预测,这样预测更具有物理意义。以实测海杂波数据作为预测的初始数据和预测效果比对,采用均方差和最大绝对误差作为预测效果评价标准。实验结果表明,由于LSSVM-CMI,算法考虑了海杂坡的时空信息,预测效果最优。 相似文献
15.
16.
17.
Adaptive filtering of evoked potentials with radial-basis-function neural network prefilter 总被引:7,自引:0,他引:7
Qiu W Fung KS Chan FH Lam FK Poon PW Hamernik RP 《IEEE transactions on bio-medical engineering》2002,49(3):225-232
Evoked potentials (EPs) are time-varying signals typically buried in relatively large background noise. To extract the EP more effectively from noise, we had previously developed an approach using an adaptive signal enhancer (ASE) (Chen et al., 1995). ASE requires a proper reference input signal for its optimal performance. Ensemble- and moving window-averages were formerly used with good results. In this paper, we present a new method to provide even more effective reference inputs for the ASE. Specifically, a Gaussian radial basis function neural network (RBFNN) was used to preprocess raw EP signals before serving as the reference input. Since the RBFNN has built-in nonlinear activation functions that enable it to closely fit any function mapping, the output of RBFNN can effectively track the signal variations of EP. Results confirmed the superior performance of ASE with RBFNN over the previous method. 相似文献