基于神经网络的多传感器自适应滤波及其应用

讨论了同一噪声源多传感信号神经网络自适应噪声抵消器的设计方法·利用神经网络自适应获取信息融合器LC的权系数,克服了采用基于平均法时可能失去部分信息造成信号估计误差太大的缺陷,较好地解决了多传感器信息融合的问题·该方法不仅能获得信号的最优估计而且能克服信号处理中存在模型扰动和噪声的不确定性等问题·为了检验该滤波方法的有效性,在输油管道的泄漏定位检测与诊断中,利用该滤波方法提高压力信号、流量信号等信噪比·结果表明,神经网络自适应噪声抵消器不仅实现简单,而且能快速、有效地消除流量、压力信号中的各种噪声·     

基于神经网络的自适应滤波研究

自适应信号处理在信号处理中占据主要地位,自适应滤波又是自适应信号处理中的主要应用.目前对自适应滤波的研究主要集中在算法上,但很难在收敛速度、稳定性和跟踪性能上同时取得最佳性能.综合考虑自适应滤波的各种性能,研究基于神经网络的自适应滤波方法,并通过实例应用来证明了该方法的有效性.该研究对拓展自适应滤波方法和神经网络的应用都具有重要的参考价值.     

基于自适应滤波法的静电传感器转速测量

为解决使用静电传感器进行信号自(互)相关转速测量中,因信号干扰大导致相关法时延计算易出错的问题,采用自适应滤波算法对相邻传感器的时延信息进行提取,从而达到测速的目的。实验结果表明,该方法能有效得出测速结果,并对叠加了强噪声的静电信号也有良好的表现。对异步电机转轴进行测试,转速测量的线性度达到1.29%,具备一定的应用价值。     

基于多传感器的神经网络模式识别方法

提出基于样本信息量不减少和减小误差的原则下，提取样本数据的综合指标的处理方法，从而克服传统识别方法中样本数据过大，而且存在误差和干扰，严重影响识别速度和效果的困难。改善了神经网络模式识别的效果。     

一种基于自适应粒子滤波的多层感知器学习算法

针对神经网络状态空间模型中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题,提出一种自适应的粒子滤波神经网络训练算法.该算法用粒子滤波估计网络的权时,利用序贯更新先验信息的序贯可信度最大化方法在线估计未知系统噪声方差.仿真结果表明:该自适应粒子滤波算法明显优于其他传统的神经网络训练算法,如扩展卡尔曼滤波、噪声可调的扩展卡曼滤波、普通粒子滤波等.     

基于小波变换的多传感器多分辨分布式滤波

用小波变换和多分辨分析的思想建立一个最优的和动态的多分辨分布式滤波算法,最优是建立在估计误差方差最小的意义下的,而动态是当新的测量数据到来时,根据已有的估计预测值的测量值获得新的估计值。介绍了离散小波变换,给出了动态系统的描述,建立了基于小波变换最优和动态的多分辨分布式滤波算法,最后用一个例子说明算法的有效性。     

具有多神经网络的自适应预测控制

提出了一种将多神经网络，自适应控制和预测控制相结合的方法，用以解决复杂系统的控制问题，并从数学模型、网络结构及算法进行了研究、最后给出了模拟结果。     

带干扰自适应滤波的互感式传感器测量电路

介绍了互感式传感器在位移测量中的基本原理.对存在的干扰进行了分析,提出了一种基于自适应滤波的测量电路方案.     

基于自适应RB F神经网络的连续压力波信号滤波方法

由于钻井液连续压力波信号与正脉冲压力信号检测原理不同,致使固定参数滤波方法存在检测特征点时间不准确、误码率高等问题.针对该问题提出一种小波包变换结合自适应变步长RBF神经网络非线性滤波器的滤波方法.该方法首先对输入的连续压力波信号进行小波包变换,运用分层阈值滤波算法和奇异值分解算法,分离出含噪声的有用连续压力波信号;对...     

神经网络在自适应滤波中的应用

利用神经网络对白噪声、红噪声和正弦波进行辨识，进而采用单片机对以上３种噪声和尖峰脉冲干扰进行自适应滤波处理，实验结果表明该方案正确。     

基于自适应神经网络的调频调幅信号预测

线性调频信号在雷达和声纳探测上有着广泛的应用,利用自适应神经网络理论对线性调频信号的预测进行了研究,建立了自适应神经网络预测控制模型．在Matlab里进行了仿真,从图上可以看出,尽管在预测的初始阶段误差较大,但经过一段时间后,误差几乎趋于零．结果表明自适应神经网络能较好地对线性调频信号进行预测．     

基于新型PID神经网络的自适应控制系统研究

提出一种新的PID型神经网络的自适应控制系统,该控制系统采用对角递归神经网络辨识对象的正向模型,采用一种新型神经网络控制器产生控制量,与常规PID控制不同的是,该控制量不再是误差信号的比例、积分和微分量的简单线性组合,而是这些信号的一种非线性组合,从而可以有效地解决常规PID控制器存在的快速性和超调量之间的矛盾.仿真实验表明,这种新型控制系统具有较强的自适应性和鲁棒性.     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。     

神经网络辨识的自适应逆控制

逆模型控制是一个新颖的控制方法．但在实现上会遇到很多困难,如被控对象的大滞后、时变性和不确定性等,使精确的对象数学模型难以建立．文中根据工业对象的特点及对控制系统高鲁棒性与高自适应性的要求,提出一种改进的神经网络的模型参考自适应逆控制系统．仿真试验表明,此系统具有良好的跟踪给定信号和消除对象干扰的作用．     

基于神经网络分类的自适应图象编码

介绍一种对图象特征系数进行分类的自适应图象压缩编码算法。利用子图象ＤＣＴ系数间的相关性，使用神经网络的方法对ＤＣＴ系数矩阵进行分类对具有相近频率分布的变换系数矩阵进行聚类，使得各频率分量的方差减小，并提出了自适应的比特分配算法。实验表明在相同的压缩比情况下，该图象编码算法较其他方法有明显的提高。     

基于神经网络的自适应噪声抵消器的研究

在系统阐述了自适应滤波器和自适应噪声抵消器基本原理的基础上,利用神经网络的特点,设计了基于四层神经网络的自适应噪声抵消系统,克服了传统自适应滤波器需要两路输入信号统计相关的特点。理论分析和计算机仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声消除能力和鲁棒性。     

基于自适应神经网络的电路系统故障诊断研究

针对人工神经网络的特点,对传统BP算法进行了全面改进,通过采用自适应学习率和动量因子修正等方法,有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以电路系统的故障诊断为例,引入了模糊数学中的隶属度函数,对故障特征量进行处理后作为自适应神经网络的输入,故障编码作为网络的输出。实验仿真结果表明,该系统对电路故障类型能够有效地进行诊断和识别。     

一种基于自适应滤波的系统辨识方法

采用自适应滤波技术，给出了系统辨识的一种方法。该方法具有计算简单、实用的特点，可以在理论模型不清楚的情况下，通过测量和学习，实现对未知系统的最佳拟合。