模拟调制信号的神经网络识别方法

首先介绍从信号幅度、相位、频率及功率谱等特性中提取的三种特征参数，应用这三种参数采用人工神经网络对模拟调制信号进行了识别。在基于网络输出最小均方误差和最佳正确识别率的原则下，提出识别CW、AM、SSB、FM信号的隐含层的神经元个数为10个时较佳；得出输出层采用log-sigmoid函数为激励函数时，可以达到较佳的识别效果的结论。     

基于小波神经网络的调制信号识别方法

为了克服神经网络识别类别较多时构建网络复杂、训练速度低的缺点,提出了一种小波变换和阵列式RBF网络结合的方法实现无线通信信号调制类别检测.利用小波变换对常用3种模拟信号和6种数字信号进行多层分解和特征提取,然后利用特征参数通过阵列式RBF网络进行信号调制类别检测.仿真结果表明,小波分析和阵列式神经网络相结合的设计,使无线通信信号调制类型的检测系统在信噪比为-10 dB达到平均辨识率90％以上的性能,同时提高了多类别情况下的检测率.     

基于RBF神经网络的车牌自动识别系统设计与实现

车牌自动识别系统分为图像预处理、车牌定位、字符分割、字符识别4步.车牌准确定位是LPR系统中的关键,本文利用形态学变换对图像进行滤波聚类,HOUGH变换方法对车牌图像进行水平校正,基于RBF网络的方法识别字符.在DELPHI 7.0环境下设计开发的车牌自动识别系统,经检验取得满意的效果.     

基于优化RBF神经网络的集成算法及其在调制识别中的应用

首先通过模拟退火算法对单个网络的隐含层高斯基函数中心值和标准化常数聚类算法进行了优化,进而提出了一种基于泛化误差性能跟踪的最优训练中止算法,避免了神经网络的过学习问题;最后通过基于最优权重的集成算法给出了模式所属类别的确定性衡量,提高了识别精度和系统的泛化能力。将该算法用于调制信号类型识别,取得了较高的识别精度。     

回归估计的一个改进

对于含参数线性约束的最小二乘法的回归模型的估计给出一个新的改进。     

基于决策树的调制信号自动识别算法及其DSP实现

通过DSP技术验证，提出了两种不同的、基于决策树的调制信号自动识别算法，论述了其原理．以Matlab软件仿真产生各种调制信号，在CCS集成开发环境下和TMS320LC549硬件平台上实现了这两种算法．由实验结果的性能分析可知，所提算法能够对各种模拟和数字调制信号取得较好的识别效果。     

基于AR模型谱估计的调制方式自动识别算法

使用现代谱估计技术估计出平滑的调制信号功率谱,从信号的功率谱和信号平方的功率谱中提取出谱峰个数和谱峰的峰态量两个特征参数.在不需要先验知识的情况下,可对常用的MPSK和MFSK信号进行自动识别.仿真结果表明,两个新特征值在信噪比较低时（-2 dB）仍然能有较高的识别率.     

一种基于证据理论和神经网络的调制分类器

文章提出了一种基于证据理论和神经网络的调制信号分类方法。利用4种不同的神经网络分类器对常用的10种调制信号的同一组特征分别进行训练、分类;利用证据理论对它们的分类结果(决策)进行融合;最后,把融合结果作为调制信号的最终分类结果。实验结果与性能比较表明,该方法是有效的,获得了较高的识别率。     

基于谱相关和分层结构神经网络的数字调制识别

本文提出了一种基于接收信号的谱相关函数和参数统计方法,提取出可用于数字调制信号识别的统计参数,该特征有效地抑制了高斯白噪声的影响,能实现对2ASK、4ASK、2FSK、4FSK、4PSK、8PSK等六种数字调制信号的识别。分类器采用了分层结构的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方面都有很大改进。仿真结果表明,在信噪比大于5dB时,系统的正确识别率可达95%以上。     

基于时频特征的卷积神经网络跳频调制识别

针对人工设计特征表征能力不足,提取难度大的问题,提出基于卷积神经网络（CNN）的跳频信号调制方式识别系统. 该系统通过训练学习跳频信号时频图特征,将调制方式识别问题转化为图像识别问题. 采用组合时频变换方法对跳频信号进行时频变换得到二维时频图;经过自适应维纳滤波算法滤除背景噪声,提高系统抗噪性;采用连通域检测和双线性插值算法提取跳频信号每跳时频图,对时频图大小进行重置调整;将已处理的时频图输入到设计的11层卷积神经网络中进行训练学习,通过在输出层增加Softmax分类器,实现跳频调制方式分类识别. 仿真结果表明,该系统在信噪比为–4 dB条件下,对跳频信号BPSK、QPSK、8PSK、SDPSK、QASK、16QAM、32QAM和GMSK共8种调制方式的平均识别率达到92.54%.     

Potential emotion recognition based on the fusion of the spatio-temporal neural network and facial pulse signals

(Micro) expression has a certain effect on emotion recognition,but in the case of artificial concealment,it is prone to misjudgment.Although the recognition effect of physiological signals is more accurate,the data collection is often complicated,which is not convenient for rapid personnel emotion checking.In response to the above problem,this paper adopts a non-contact chromatic model-based method to collect pulse signals,extract features based on the pulse signals,and integrate the proposed spatio-temporal neural network to realize potential emotion recognition.Experimental results show that the proposed two-way latent emotion recognition framework can well integrate the emotion information contained in micro-expressions and physiological signals,and that the effect in micro-expression recognition is improved to some extent compared with the current micro-expression recognition algorithms commonly used at this stage.     

RBF网络在通信信号自动识别中的应用

通信信号自动分类是一模式识别问题，通常用数字信号处理和模式分类的方法来求解．文中提出了将ＲＢＦ（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎ）网络方法应用于通信信号自动识别的具体方法．构造了运用ＲＢＦ网络的信号分类的神经网络结构．通过模拟实验表明，由于采用了将信号特征矢量降维的方法，该网络不仅能够很好地完成信号分类，而且具有比传统方法训练速度快、占用存贮空间少、容错性强和易子硬件实现等特点．     

基于全监督算法RBF神经网络的语音识别

利用RBF神经网络,采用全监督训练算法,实现基于RBF神经网络的抗噪语音识别系统。与传统的K-均值聚类算法相比较,采用全监督训练算法可避免隐含层节点中心容易对初始值敏感的缺点,且能使RBF网络具备更强的分类能力。实验结果表明,在不同的信噪比下,全监督训练算法比传统聚类算法有更高的识别率。     

基于LPMCC特征和小波RBF网络的语音识别

小波神经网络是结合小波变换理论与人工神经网络思想而构造出来的一种"新型的神经网络模型",融合了小波变换良好的时频局域化性质及神经网络的自学习功能。它通常可看作RBF网络的推广。本文构建了一个以Morlet母小波作为小波基,代替RBF网络中的激活函数的小波神经网络结构,并采用线性预测美尔倒谱(LPMCC)作为特征参数,进行了孤立词语音识别。实验结果表明此种方法抗噪性能好,识别效率高。     

基于Mel倒谱特征和RBF网络的孤立词语音识别方法

Mel谱失真测度是一种弯折频率谱失真测度,用Mel频率尺度可较充分地反映人耳对频率及幅度的非线性感知特性,以及人耳在听到复杂声音时所表现的频率分析和谱合成特性。本文针对孤立词语音识别,对常规LPC倒谱特征提取方法进行改进,即将LPC倒谱按符合人耳听觉特性的Mel尺度进行非线性变化,得到LPC Mel倒谱系数(LPCMCC)作为特征参数。识别网络使用RBF神经网络,进行了孤立词语音识别。实验结果表明此种方法抗噪性能好,识别效果高。     

基于RBF神经网络的人体动态姿态识别算法

利用三轴加速度传感器对人体姿态加速度信号进行采集和处理,通过径向等函数（RBF）神经网络算法对数据进行训练和分类,从而达到对人体基本动态姿态的识别。实验表明,该算法可以达到90％以上的识别率。     

基于Rough集和RBF网络的车牌字符识别方法

提出了一种基于Rough集和RBF神经网络结合的车牌字符识别方法。该方法针对车牌字符二值化图像,给出了基于粗糙集理论的知识获取方法,包括根据训练样本的特征向量建立决策表、离散决策表属性、约简决策表属性,然后由约简后的属性构造RBF网络识别器。试验表明该方法有效地减少了决策属性的个数,简化了神经网络识别器的结构,提高了泛化能力和抗噪声能力,在车牌字符识别中取得了较好的识别效果。     

RBF神经网络中心选取OLS算法的研究

介绍了RBF网络的基本原理，对RBF网络中心选取的算法进行了研究，探讨一种算法，以克服目前RBF网络中心选取算法中的一些缺点，文章给出了OLS算法及其应用函数逼近的实例，结果证明，由于教育处过程中应用了这一算法的正交化性质，所以网络调整时对已有模式的扰动最小，这说明OLS算法不仅简单有效，而且性能优越，并有较强的实用性，在许多领域有广泛应用。     

基于ICA和神经网络的手写体字符识别系统

探讨独立分量分析在字符识别系统中的应用.在分析图像处理及其特征提取的基础上,提出一种可有效提高字符识别精度、降低误识率的基于独立分量分析和神经网络的手写体字符识别系统.实验表明,提出的字符识别系统与单独基于神经网络的字符识别系统相比,其识别率和适应性优越,适合应用于对字符识别精度要求高的场合.