基于免疫RBF网络阵列的雷达信号分类识别方法

本文提出了基于免疫算法设计的径向基函数(RBF)网络阵列实现对雷达信号体制和用途的分类识别.同单个神经网络相比,这种方法克服了识别类型较多时存在的扩充、修改、维护等难点.在RBF子网络的训练中,采用结合记忆机制的递阶免疫算法确定RBF网络的隐层参数,有效折衷了系统性能和运算量之间的矛盾.实验结果表明,采用这种方法设计的雷达信号识别系统达到了很高的性能.     

基于时频分析和RBF神经网络的调制识别

提出了利用Wigner-Ville分布区分FSK、PSK、FM和BSS信号的自动调制样式识别方法，利用Wigner-Ville分布提取调制信号的瞬时频率特征，用径向基(RBF)神经网络根据提取的特征参数识别这四种信号，计算机仿真结果证实了该方法的有效性和正确性。     

基于RBF神经网络的相关干涉仪测向方法

提出了一种新的基于径向基(RBF)神经网络的相关干涉仪测向方法,实现了自组织学习选取中心、正交最小二乘法及基于遗传算法的进化优选算法等训练方法,经训练后的RBF神经网络可用于多源信号波达角(DOA)估计。仿真结果表明,在一定范围内,该方法对信道噪声不敏感,测向精度与传统相关干涉仪相当,且测向处理时间和测向设备的存储量大大降低。     

基于RBF神经网络的辐射源威胁评估

提出基于一种新的鲁棒性径向基(RBF)神经网络的辐射源威胁评估方法。此网络应用Log-Sigmoid函数作为基函数，避免了学习过程中的不稳定状态，并且比传统的RBF有更好的学习性能和函数逼近能力。并介绍一种新的归一化函数，通过归一化函数把不同类型、不同量纲的原始评估数值转换到[-1，1]区间，该归一化函数较好地体现了“奖优罚劣”的原则，同时又更有利于神经网络的训练。仿真实验证明了该方法的优越性。     

基于RBF神经网络的自适应均衡器研究

在研究基于径向基函数(ＲＢＦ)神经网络的均衡器结构以及传统自适应均衡算法的基础上,提出了两种新的基于ＲＢＦ神经网络的自适应均衡器,并给出了相应的自适应均衡算法。新的均衡器是将判决反馈引入到ＲＢＦ神经网络中以及将Ａｄａｌｉｎｅ网络与ＲＢＦ网络有机的结合而分别构成的,仿真结果表明这两种新算法比基于ＲＢＦ神经网络的自适应均衡算法都具有更好的收敛性能。     

基于径向基函数神经网络的CDMA多用户检测方法

径向基函数神经网络是一种三层前馈性神经网络,它具有较强函数逼近能力和分类能力,学习速度快等优点.本文根据径向基函数神经网络的这些优点提出了一种基于径向基函数网络的CDMA多用户检测方法(RMD).计算机模拟表明我们所提的算法具有能克服多址干扰,抑制噪声干扰和对"远-近"问题不敏感等优点,这为研究CDMA多用户检测器开辟了一条新的途径。     

基于改进RBF神经网络的电力负荷预测

为了提高电力系统负荷预测的精度与速度的需求,提出使用交替梯度算法改进径向基函数(RBF)神经网络,对天津市电网进行负荷预测。改进的算法与传统梯度下降算法相比,具有更快的收敛速度和更高的预测精度。仿真结果表明该算法具有可行性。     

基于RBF神经网络的空袭目标威胁评估模型研究

为了辅助作战指挥员对空袭目标威胁程度做出正确判断,对作战提供正确决策,将径向基函数（RBF）神经网络应用于防空指挥控制系统中,给出了涉及空袭目标威胁评估的因素及其数学模型,建立了基于RBF神经网络的空袭目标威胁评估算法。同时,通过专家给出的训练样本在Matlab环境下对该模型进行了仿真计算,结果表明该模型方法评估结果准确、快速。     

基于改进RBFNN算法的瓦斯传感器非线性校正

为了提高瓦斯传感器的精度和灵敏度,提出将改进的径向基函数神经网络(RBFNN)算法应用于瓦斯传感器系统中,对瓦斯传感器的非线性进行校正,同时分析了温度对瓦斯浓度预测的影响,然后利用RBFNN进行离散训练。实验结果表明,经过改进径向基函数神经网络(RBFNN)后,得到的数据比实际测量的瓦斯浓度要更接近于真实值,所产生的平均误差≤±0.1%。预测效果很好,达到了预期的技术指标,提高了瓦斯检测的灵敏度和精度。     

基于改进RBFN的信号调制识别方法

应用高阶统计量和RBF神经网络原理,针对数字调制通信信号提出了一种基于统计模式识别理论的信号调制类型识别新方法。采用信号四阶和六阶统计量提取信号特征,使用新设计的误差函数训练RBF神经网络,使得识别的效率和正确度得到了明显的改善。计算机仿真结果证明了此方法的可行性。     

RBF网络雷达天线扫描方式识别系统

采用一种基于免疫算法和最小二乘法的两级学习方法设计径向基函数(RBF)网络,并将其应用于雷达天线扫描方式识别系统。这种RBF网络学习方法通过引入免疫算法的多样性保持机制和免疫记忆机制提高了网络训练算法的优化效率,并在一定程度上抑制了未成熟收敛现象。仿真结果表明,基于这种RBF网络的雷达天线扫描方式识别系统达到了较高的识别精度。     

基于RBF网络的手势识别装置设计

针对已有手势识别系统准确度不高和响应速度慢的问题,设计了一款基于RBF网络的手势识别装置。该装置以STM32单片机为控制中心,使用电容传感器FDC2214进行容值数据采集;利用RBF网络对样本数据进行训练并抽取权值,将权值带入程序,输入乘权值得到输出,实现装置对手势的预测;按键实现装置判决模式与训练模式的切换;最终由TFTLCD显示容值数据和手势结果。实验测试表明:手势识别装置能够对任意测试人员进行多种手势的识别,并达到平均96. 25%的识别准确率和平均0. 6735s的系统响应速度,从而验证了本装置的有效性。     

基于深度学习的集装箱编号识别

针对集装箱编号图像存在光照不均、背景复杂、模糊、污损、断裂等问题,本文提出,先采用基于深度学习的目标检测算法(YOLOv4)来实现集装箱编号区域定位,接着对定位后的集装箱编号图像进行预处理,采用连通域分割法分割字符,然后把一个个的字符送入模板匹配算法中进行字符识别.通过理论分析以及实验证明了本文方法的有效性,识别准确率相比其他方法明显提高.     

基于独立分量分析和径向基网络的人脸识别方法

人脸识别是当前人工智能和模式识别的研究热点.基于小波分解和定点独立分量分析,提出了一种新的准正面人脸径向基网络识别算法.二维的小波分解具有对表情变化不敏感的特点,可以很好地压缩和表征人脸图像的特征.定点独立分量分析是一种基于高阶统计信息提取特征的方法,克服了一般ICA收敛慢的缺点;径向基网络作为分类器具有很高的推广性能,有利于大容量样本的分类.在对人脸库ORL和YEL的识别实验中,该算法的识别率达到98%以上,与传统算法相比,识别速度和识别率都明显提高.     

基于遗传优化RBF神经网络的声纹识别研究

提出了一种基于遗传优化RBF神经网络的声纹识别算法,该算法中采用遗传算法对传统的RBF神经网络基函数中心以及宽度进行优化处理,克服了传统RBF神经网络参数难以确定的缺陷。同时,算法结合心理声学模型,提取了能表现说话人个性特征的Mel倒谱系数为特征进行说话人识别,可较好地提升系统的抗噪性能。仿真实验结果表明,与传统RBF神经网络相比,该方法具有快速学习网络权重的能力,并且网络的全局寻优能力强,使得系统的识别率进一步提高。     

基于Gabor小波与RBF神经网络的人脸识别新方法

在人脸识别中,高维、小样本是一个问题.对此,提出了一种基于Gabor小波与径向基函数(RBF)神经网络的人脸识别方法.首先对人脸进行Gabor滤波,选取有效的Gabor组合.进行小波分解,获取低频图像,构造特征矢量,采用主分量分析降低特征维数.接着,提出了一种聚类方法用于确定RBF神经网络的结构和初值,采用混合学习法训练RBF神经网络.用ORL人脸库进行试验,结果表明本文提出的方法具有优秀的学习效率和识别效果.     

基于卷积神经网络的手写数字识别研究

随着科技的不断发展,卷积神经网络被广泛应用于各个领域之中,研究热点之一就是手写数字的识别。文章基于深度学习卷积神经网络,用MNIST数据集作为训练集和测试集,同时对卷积神经网络中的卷积层、池化层和全连接层以及激活函数进行介绍,并在Python的环境下输入手写数字图片,然后通过卷积神经网络经典模型运用到所提供的数据集进行效果识别,将卷积神经网络数据集进行训练,在训练好的卷积神经网络中取得了较好的实验效果,最终该手写数字识别实验准确精度可以达到99.1%。     

基于自然特征识别的纸面媒体移动增强现实系统

针对以智能手机为代表的移动平台在计算和存储方面的局限性,采用一种混合特征检测算法,对标准的SURF算法进行优化,改进其特征描述方法,大大减少了其所需存储空间,再通过分类器的特征匹配算法快速实现真实场景中目标物与样本数据之间的特征匹配。基于该算法实现的移动增强现实系统能快速识别传统纸面媒体上的图片特征信息,通过虚实融合的方式将三维模型或者视频信息"无缝"叠加在智能手机获取的真实场景中的相关目标物平面上。实验结果表明,基于本文算法的增强现实系统拥有较高的实时性和较好的跟踪配准精度。     

基于DSP平台的人民币编号识别系统的设计与实现

为了在嵌入式系统中实现实时视频图像人民币号码识别,提出了基于TI系列TMS320DM642的快速人脸检测系统设计方案,包括系统软件和硬件的方案。首先,详细介绍了人民币编号图像提取与识别,针对该算法实现原理阐述硬件平台上的算法移植和优化方案,最后,实现了嵌入式快速人民币号码识别系统的研制。通过分析测试结果,系统可靠运行,优化后系统运行速度提高,能够实现实时人民币号码识别。     

基于CPLD的清分机纸币图像采集系统

介绍了基于CPLD的清分机纸币图像采集控制系统.采用接触式传感器(CIS)SV233A4W对高速运行的钞票进行图像采样,并将采样数据缓存到CPLD内部RAM中,为后续的DSP等图像处理模块提供数据.该系统扩展性强,只需修改内部相关程序就可满足不同应用要求,并可移植到其他图像采集系统.