改进的非数据辅助前向反馈符号定时恢复算法

针对非数据辅助前向反馈(NDA-FF)算法在低滚降系数的成形与匹配滤波器的条件下定时误差大,并且可能出现周期跳转的现象,提出了一种改进的NDA-FF符号定时恢复算法。在对平方定时恢复器的结果进行Kalman滤波的整体结构上,利用两次锯齿波调整,使得估计的延时结果可以直接用于插值。仿真结果表明该算法基本消除了可能出现的周期跳转现象,有效地改善了定时跟踪的性能。

深空大口径天线前向反馈型伺服系统设计

目前深空大口径天线伺服系统多采用传统的比例积分型控制模式,它在跟踪低速运动目标时可以满足任务要求,但在跟踪高速运动目标时会产生较大的指向误差。通过在伺服系统中引入前向反馈控制器,天线的反应速度和指向精度等多方面系统性能都得到了有效提升。仿真结果表明,加入前向反馈控制器后,伺服系统的闭环性能得到了极大优化,指令捕获时间有效缩短,高速跟踪时指向误差显著降低。

面向56 Gb/s高速SerDes接收机DSP设计

高速接口芯片是高性能互连网络通信中的一款重要IP,针对56 Gb/s四脉冲幅度调制信号在高性能互连网络背板通信中,由于传输距离长信道衰减严重导致误码率高的问题,提出一种面向56 Gb/s高速Serdes接收机DSP设计。该DSP采用64路并行结构,通过16抽头前向反馈均衡器,以及1抽头预判决反馈均衡器对接收端数字化后的信号进行处理;采用基于K-均值聚类算法生成动态变化的判决电平并结合最小均方误差算法,能够处理15~35 dB不同信道衰减下的均衡问题。为了验证算法的性能,还搭建了一个基于模拟前端芯片和现场可编程门阵列的实验验证平台。实验结果表明,在信道衰减为15~35 dB@14 GHz,速率为56 Gb/s的条件下,误码率均小于5e-10。

基于小波神经网络的六相永磁同步电机高阻连接状态感知策略

六相永磁同步电机具有缺相运行能力,因此必须对其高阻连接状态作出精准预判,以确保对故障线路实施有效切断,防止系统扰动引起保护误动作,并为容错控制提供可靠判据。基于矢量空间解耦方法建立了六相永磁同步电机完全解耦的数学模型,并建立其控制系统模型。采集正常状态与高阻连接状态下的电机信号,通过小波包分解提取其能量距特征,输入前向反馈神经网络进行离线训练,最后将其应用于剧烈变化工况下,在线感知高阻连接状态的发展态势。基于Matlab进行仿真,结果表明所提策略能够有效识别高阻连接状态,灵敏感知其发展态势,并在高阻故障发生前发出预警信号,同时对剧烈变化工况具有一定鲁棒性。

无人机辅助的基于前馈神经网络的节点定位算法

针对无线传感网络(WSNs)的节点定位问题,提出无人机辅助的基于前馈神经网络的节点定位(UAV-NN)算法。UAV-NN算法利用无人机(UAV)作为锚节点,并由UAV周期地发射beacon信号,利用极端学习机(LEM)训练单隐藏前向反馈的神经网络(SLFN),未知节点接收来自UAV发射的beacon信号,并记录其接收信号强度指示(RSSI),已训练的SLFN再依据RSSI值估计节点位置。仿真结果表明,相比于传统的基于RSSI定位算法,提出的UAV-NN算法无需部署地面锚节点;相比其他传统的机器学习算法,UAV-NN算法通过引用ELM,减少了定位误差。

多层前向神经网络建模及其在火电厂系统辨识中的应用

本文采用前向反馈型神经网络 ,建立了一个火力发电厂双输入双输出系统的辨识模型。利用MATLAB5 .3神经网络工具箱编程 ,以湖南湘潭电厂一台 30万千瓦机组的输入输出参数的实测数据作为学习样本训练网络模型 ,并在训练好的模型基础上给出了系统多步步长的预测结果及调门开度的单位阶跃响应曲线。结果表明这种方法收敛速度快、误差小、精度高 。

面向112 Gbps PAM4串行接收机的低误码协同自适应均衡器

高速串行接口是高性能计算机和数据中心芯片之间互连的核心关键IP。随着业界单通道速率由56 Gbps向112 Gbps发展,高速串行接口的误码率急剧增加,严重影响互连性能和系统稳定性。针对112 Gbps PAM4接收机误码率高的难题,首次采取一种协同自适应均衡器构架,提出了面向3种均衡器的自适应协同均衡算法,能在高插入损耗条件下取得较低误码率;提出了基于判决反馈均衡器的盲自适应均衡算法,能缩短链路训练时间,减少硬件开销。采用12 nm CMOS工艺完成了基于协同自适应均衡器的接收机设计。仿真结果表明,针对经过36.5 dB信道的去加重112 Gbps PAM4信号,采取协同自适应均衡器的接收机误码率小于1e^(-12),收敛周期约400 ns,功耗增幅仅约2.3%。

综合能源系统供热管网动态耦合模型研究

区域供热网络是综合能源系统中最关键、最敏感的组成部分。在以往对综合能源系统供热管网的模拟研究中,基于稳态水力特性的水热力耦合模型更为普遍,尚未考虑水热力耦合动态特性。文章提出一种考虑水力动态特性和热力动态特性的综合能源系统供热管网耦合计算模型,采用改进的前向反馈迭代法内嵌特征线法和前向迎风差分进行模型求解。通过算例可以看出,所提出的动态耦合模型可以体现综合能源系统供热管网水力瞬态过程以及其对供热管网热力传输的耦合影响,对综合能源系统调度优化过程中的管网安全性具有指导意义。

基于时间序列奇异谱特征的Φ-OTDR扰动检测方法

相敏光时域反射系统异常灵敏,对环境中声波、空气流动及瞬时高频噪音等干扰源同时敏感,环境干扰与入侵非线性混叠时,实际入侵检测与识别困难,容易频繁误报.本文提出一种基于时间序列奇异谱特征的扰动检测方法,对每个滑动时间窗内空间各点的纵向时间序列信号进行相空间重构,对重构后的相空间状态矩阵进行奇异值分解得到信号能量的奇异谱分布,然后将奇异谱特征向量输入后向传播神经网络进行扰动事件检测.实验结果表明,该方法能够有效排除声波及瞬时高频噪音等干扰信号的影响,在微风等有干扰的环境下,在14km处正确检测率为90%,误警率低于2%.

一种分区BP人工神经网络图像差值算法

为了提高图像插值质量,利用前向反馈人工神经网络(BP-ANN)的自学习、自适应和泛化能力,开展分区BPANN图像差值研究.将图像中待插值像素划分为光滑区和边缘区,每个区分别对应1个BP-ANN进行图像差值操作,并通过3组实验确定分区BP-ANN的网络结构、采点模式和插值流程.结果表明,采用8-16-1拓扑结构的BP-ANN算法可达到图像的可视化质量和时间之间的最佳平衡点;与经典线性均值(LA)图像插值算法相比,分区BP-ANN算法在保持最佳视觉效果的前提下,峰值性噪比高约0.593 8dB.

一种简化的BP神经网络图像插值算法

为进一步提高图像插值质量,丰富非线性图像插值算法研究,提出一种简化的神经网络插值算法。利用前向反馈神经网络(BP-NN)构造最佳的图像插值模型,通过2组实验确定该模型的BP网络最佳拓扑结构、最佳采样模型和采样点数量,并定量描述每组模型的耗时。实验结果表明,对512×512像素图像采用BP-NN训练点数量为50 000、拓扑结构为8-16-1的参数插值时,该算法平均插值时间约为0.7 s,且其峰值信噪比比线性均值方法平均高1 dB^2 dB,能够得到更佳的视觉感受。

基于BP神经网络的浙江省公路运输量的预测

本文在对浙江省公路运输量时序分析的基础上利用BP神经网络进行预测 ,得到了精确度很高的预测结果 ,改变了过去一直使用灰色预测、回归预测、指数平滑法等方法的局面 ,为浙江省公路运输量的预测提供了新方法。

基于车内噪声水平的路面预养护指标阈值确定方法研究

为了消除车内噪声对人心理和生理的危害,提出了一种基于车内噪声水平的沥青路面预防性养护指标阈值的确定方法。通过多层前向反馈神经网络构建了车内噪声和国际平整度指数的关系模型;依据噪声分级和危害标准,确定了国际平整度指数指标预防性养护的噪声阈值标准;对比分析了国际平整度指数指标预防性养护的规范阈值标准和噪声阈值标准的养护需求。结果表明,前向反馈神经网络能够较好地根据车内噪声水平预测沥青路面国际平整度指数。噪声阈值标准相对于规范阈值标准,对沥青路面国际平整度指数提出了更高的要求。

无电容交-直-交变换器高性能输出控制研究

针对传统交直交变换器功率密度低,谐波污染严重等不足,本文研究了一种直流侧无电容交直交变换器及其控制策略。电容的弃用提高了网侧性能;输出电流闭环控制的采用,提高了系统负载适应性;前馈补偿控制的引入,有效抵御了非正常输入对输出性能造成的影响。搭建了以TMS320F2812DSP为内核的实验样机对上述控制策略进行了验证,优良的实验结果表明采用文中控制策略的新型拓扑在具有同传统拓扑相同输出性能的基础上,更具有优良的输入性能。

析取随机森林算法研究

本文通过引进前向反馈模型的概念提出析取-随机森林算法,该方法将析取随机森林模型中决策树的学习方法进行改进,引入全局损失函数的概念,从而增加单个决策树每个节点之间的联系以影响下个节点的分类情况。改进后的模型可以达到减少训练时间和使最后训练得到的随机森林收敛速度更快、预测结果更为准确的目的。

BP网络在麻醉深度监测算法上的应用

麻醉是临床手术中必不可少的环节,但麻醉的过深或过浅可能给病人带来伤害,因而对麻醉深度的监测具有较高的临床价值。脑电是目前检测麻醉深度最有潜力的方法,首先通过滤波等处理方式得到较为纯净的脑电信号,分析时域和频域的特征,计算相应的参数,并将该参数作为前向反馈神经网络的输入参数,选择合适的BP神经网络拟合得到一个能够评价麻醉深度的无量纲常数。使用BP神经网络拟合结果来表征麻醉深度准确率普遍在90%以上,反映了BP神经网络在麻醉深度监测上具有较高的应用价值。

包交换网络中运用神经网络优化路径技术

互联网络中寻找最优路由是最广泛研究的一个课题,如何找到两个节点之间的最优路径却一直是包交换互联网络中的一个难题。本文提出了一种基于神经网络技术寻找最优路径的方法,通过调整神经元权值解决寻找最优路径问题,经过反向传播算法求解最优路径。通过运用本文算法测试表明,本文提出的算法计算简单,收敛速度快,适合在以包交换作为路由算法获得最优路径的研究中使用。可以尽管目前已经建立了最短路径算法,技术人员仍然在不断研究其他更优的路径选择方法,神经网络技术正是其中可选方法之一。