基于Duckling应用集成框架的数据集成与共享工具DLM

虚拟科研应用环境中多源异构数据的集成和共享问题是个热点问题。本文基于虚拟科研环境协同工作套件duckling应用集成框架,实现了一个通用的数据集成与共享工具DLM。该工具使用Portlet技术,是BS架构的Web应用,提供通用的数据采集、数据处理、数据可视化展示和数据下载功能,解决了虚拟科研环境中数据的统一采集、处理和共享问题。该工具已经在大气、气象和生物等相关领域中的课题研究中得到了应用,取得了初步的成效。

神经网络自适应噪声抵消系统的性能比较与仿真

线性自适应滤波算法(LMS、NLMS、RLS)对非线性噪声抵消效果较差。针对这一问题,研究神经网络自适应噪声抵消系统中不同隐含层神经元节点数、不同隐含层传输函数、不同神经网络学习算法以及不同信噪比原始输入下系统的噪声抵消性能。建立结构为单层隐含层,且输入层、隐含层和输出层节点数为1-N-1结构的神经网络模型。通过仿真分析,优化神经网络自适应噪声抵消系统中,隐含层节点数经验公式的参数取值。结果表明该系统中噪声抵消效果受到神经网络结构的影响;对于原始输入信噪比在2～10 dB的信号,参考输入与原始输入中噪声非线性相关;选择传输函数为tansig,神经网络隐含层节点数使用优化后的参数取值,输出信号信噪比提高了1. 0～1. 5 dB。