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.     

模糊神经网络系统的信号处理

简要介绍了一种可“自动”处理模糊信息的模糊神经网络系统,这是由神经网络和模糊控制相结合的智能信号处理系统。     

神经网络自适应控制的研究进展

关于人工神经网络与自适应结合的研究,近年来已成为智能控制学科的热点之一,已有大量的研究成果见诸各种学术刊物和会议论文.自适应具有强鲁棒性,神经网络则具有自学习功能和良好的容错能力,神经网络自适应控制由于较好地结合了二者的优点而具有强大的优势.本文较系统地综述了神经网络自适应控制的研究进展,讨论了神经网络自适应的主要模型和算法,并就其存在的一些问题、应用与发展趋势进行了探讨.     

神经网络自适应控制系统

提出了一种基于神经网络和自适应控制系统，其中一神经网络用辩识非线性系统，另一神经网络作为控制器，依据本文推出的自适应算法得出了满意的仿真的结果。     

自适应宽带稳健波束形成及神经网络算法

针对被动跟踪系统中阵处理的要求，建立了适应宽带稳健波束形成设计方法，用神经网络算法实现了自适应宽带波束形成，从理论上解决了自适应阵观察方向上的稳健设计问题，抛弃了自适应阵的时延补偿器，将正则网络应用于自适应宽带波束形成，解决了阵处理中求二次约束解的非线性规划问题，并能在毫微秒时间内收敛，不仅保持了二次约束自适应波束形成的干扰抵消能力，而且克服了软约束带来的阵指向性两端上的现象，所建立的阵处理器能抵消干扰达40dB以上，工作带宽达到2个倍频程。     

微小型自适应光学波前信号处理系统设计

针对微小型自适应光学系统中波前信号处理机处理数据量大,处理速度快的特点,设计了以两片DSP为核心处理器,以CPLD完成时序控制功能的波前信号处理机．讨论了该信号处理机的原理、特点和实现．结果表明,通过周密的逻辑设计,该处理机能保持高速的并行处理．能够保证自适应光学系统的带宽和稳定性要求．     

自适应信号处理在柴油机振动信号识别中的应用

介绍了信号自适应处理的基本方法和自适应对消原理，利用正弦合成信号和正弦与噪声合成信号的对消实例验证了该方法。在对PZ12V190B型柴油机缸盖振动信号的分析中，用非爆发段信号作为待消信号，对原信号进行了对消，抑帛了噪声及其他信号，突出了有效信号。     

自适应神经网络智能控制研究

本文提出用神经网络实现自适应智能控制，具有算法及结构简单的特点，在实际控制中有一定适用性     

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。     

模糊神经网络自适应控制

为实现复杂生产过程的自适应控制，设计了一类基于模糊神经网络控制器的自适应控制策略，仿真结果表明，该算法对复杂动态过程的控制具有良好的适应性。     

一类自适应神经网络控制的研究与设计

文章研究了一类自适应神经元网络控制结构和算法。仿真表明它有较好的控制性能。     

神经网络自适应模糊控制器设计与应用

把神经网与模糊系统相结合，提出一种基于神经网络的自适应模糊控制器，这种控制系统由模糊神经网络控制器和模糊网络组成，具有自适应学习能力，仿真结果以及应用于温度控制系统中，其鲁棒性明显优于一般Ｆｕｚｚｙ控制。     

神经网络与PID结合的机器人自适应控制

提出了一种基于神经网络与ＰＩＤ控制相结合的机器人自适应控制系统。为加快神经网络的学习过程，研究了有效的启发式学习算法。以二关节机器人为对象仿真表明，该控制系统能使机器人跟踪希望轨迹，其系统响应跟踪精度及鲁棒性优于常规的控制策略。     

基于神经网络的自适应控制器

提出了一种基于神经网络的控制系统,将传统ＰＩＤ工程整定法与神经网络相结合,采用直接自适应控制方法,使基于神经网络的控制器在ＰＩＤ控制的基础上实现自适应控制,更有效地改善控制品质．     

微小型自适应光学系统的信号处理

微小型自适应光学系统的信号处理机以PC机为主控机,以TMS320VC549为信号处理器,PC机功能强,便于实现阵列光斑图像图时显示,波面实时显示,变形镜响应矩陈测试等功能,TMS320VC549运算速度快,保证了控制系统的带宽,已完成的信号处理机与光机系统进行了联调实验,实验表明,信号处理机满足带宽及精度要求,且实时显示和变形镜响应矩阵测试功能极大地方便了实验。     

基于神经网络的自适应控制研究进展

综述了近年来神经网络自适应控制的研究现状,阐述了神经网络自校正、模型参考自适应控制和内模控制,并对其构成与特点进行了分析。在此基础上,指出了神经网络自适应控制研究中存在的主要问题,展望了神经网络自适应控制未来的研究方向。     

用自组织神经网络设计自适应调色板

本文提出了种新的、简单可行的方法设计自适应的调色板，用具有自组织特性的Ｋｏｈｏｎｅｎ神经网络，根据调色板的要求，设计了具有一维输出神经元的确定结构的网络，同时，为了使主观的显示效果更好，客观的映射误差减少，提出了修改的Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ算法，并对神经网络权值的初始化、输入样本的采样顺序提出了相应的方法。     

自适应小波阈值去噪在重力仪信号处理中的应用

为了有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响，提高重力异常测量值的精度，在分析了小波阈值及自适应小波阈值去噪算法的基础上，将其应用到高精度海洋重力仪系统数据处理中，并与自适应卡尔曼滤波做了对比，以处理后信号的信噪比作为衡量3种数据处理方法优劣的依据。理论分析和仿真实验表明，自适应小波阈值去噪方法、传统的小波阈值去噪方法和自适应卡尔曼滤波都能在一定程度上消除噪声信号对重力仪测量信号的影响，但在相同情况下，自适应小波阈值去噪方法具有明显的优越性。