基于动量梯度下降的回声消除算法

针对极端环境话音系统下声学回波影响工作人员正常施工,且常规声学回声消除算法收敛速度慢的问题,提出一种基于动量梯度下降的基于l0范数的改进系数成比例归一化最小均方误差算法(L0⁃IPNLMS)。该算法将动量因子引入L0⁃IPNLMS算法中,解决在算法运行过程中梯度下降时梯度摆动幅度可能过大的问题,也提高了自适应滤波器的收敛速度,且残余回声下降明显,声学回波抑制效果更好。仿真实验表明,与L0⁃IPNLMS算法相比,新算法在模拟随机多音信号与真实语音信号输入时,均方误差(MSE)可以降低3.47 dB和3.69 dB,回波抑制比(ERLE)提高了3.46 dB和3.68 dB,在低信噪比情况下,使用新算法对真实语音信号进行回声消除,收敛速度高于L0⁃IPNLMS等算法,且收敛效果有明显改进。

基于动量梯度下降神经网络的岩爆预测方法

为了弥补现有BP神经网络(传统误差逆传播算法训练的多层前馈网络)岩爆预测模型的不足,选取应力系数(σ_(θ)/σ_(c))、脆性系数(σ_(c)/σ_(t))和弹性能量指数(Wet)为模型预测指标,收集46组实例样本数据集,对传统的BP神经网络进行优化,建立岩爆预测的动量梯度下降(BPM)神经网络模型,总体预测准确率达84.78%,优化效果良好。最后将模型应用于3个实例工程中,预测结果与现场结果吻合。

卷积神经网络中基于差分隐私的动量梯度下降算法

针对卷积神经网络(CNN)模型的训练过程中,模型参数记忆数据部分特征导致的隐私泄露问题,提出一种CNN中基于差分隐私的动量梯度下降算法(DPGDM)。首先,在模型优化的反向传播过程中对梯度添加满足差分隐私的高斯噪声,并用加噪后的梯度值参与模型参数的更新过程,从而实现对模型整体的差分隐私保护;其次,为了减少引入差分隐私噪声对模型收敛速度的影响,设计学习率衰减策略,改进动量梯度下降算法;最后,为了降低噪声对模型准确率的影响,在模型优化过程中动态地调整噪声尺度的值,从而改变在每一轮迭代中需要对梯度加入的噪声量。实验结果表明,与DP-SGD(Differentially Private Stochastic Gradient Descent)相比,所提算法可以在隐私预算为0.3和0.5时,模型准确率分别提高约5和4个百分点。可见,所提算法提高了模型的可用性,并实现了对模型的隐私保护。

基于变步长动量梯度下降法的姿态解算算法

针对基于MEMS的姿态测量系统因为存在误差而导致姿态解算漂移的问题,提出一种基于变步长动量梯度下降的姿态解算算法。该算法从传感器数据去噪和姿态解算两部分提高姿态解算精度。在传感器数据去噪方面,为了工程实用,降低微处理器计算量,提出一种改进递推限幅均值滤波算法;在姿态解算方面,在梯度下降法的基础上设计自适应步长,使用动量梯度优化每次迭代方向,使得每次迭代后误差最小,同时使用动态限幅滤波抑制角度振荡。静态和动态实验结果均表明了所提算法的有效性和优越性。

基于动量梯度下降法的姿态数据采集系统

针对水下机器人姿态数据采集过程中由测量系统误差导致的姿态数据噪声大、精度低等问题,设计一套以STM32F429系列单片机为主控制器,MPU9250九轴传感器为姿态检测模块的水下机器人姿态采集系统。首先对系统采集的加速度计和磁力计数据采用中位值平均滤波算法进行滤波;然后通过动量梯度下降算法实现多传感器数据融合和姿态信息获取。在姿态数据信息融合过程中,通过不同传感器解算的姿态数据确定目标函数,并通过不断迭代的过程实现对最优姿态数值的逼近。静态和动态实验数据表明,该算法相比互补滤波算法解算的横滚角、俯仰角、偏航角的标准差分别降低1.22%、47.47%、70.31%和31.51%、20.62%、37.01%。在水下机器人姿态控制中具有很好的应用前景。

基于动量梯度下降的自适应干扰对消算法

在同时同频收发系统中,发射信号会泄露到接收通道导致有用的接收信号被淹没。针对同时同频收发系统干扰对消的需求,在传统随机梯度算法的基础上,研究动量梯度下降算法。该方法将历史梯度信息进行指数衰减和平滑,再结合当前梯度估计来更新权重系数,可以解决噪声引起梯度估计的大小和方向不准确从而导致收敛速度慢的困难。最后通过仿真证明本方法具有比传统随机梯度算法更好的收敛性能。

基于动量梯度下降优化算法的色散均衡器设计

针对梯度下降(GD)算法收敛速度较慢的问题,提出了一种基于GD优化算法的有限脉冲响应(FIR)色散均衡器。采用动量梯度下降(MGD)算法在每次更新迭代时对梯度进行指数加权平均优化(简称CMGD算法)并进行偏差修正,利用Opti System搭建单载波相干光传输系统并与Matlab联合仿真。仿真结果表明:在学习速率为0.1、动量系数为0.98时,CMGD算法收敛值达到0.015461;在不同信噪比条件下,采用CMGD算法设计的均衡器的均衡效果优于GD-FIR和经典时域FIR的均衡器,且降低了硬件实现复杂度。

基于神经网络的四旋翼无人机安全性分析

为了提升无人机系统的安全性,利用前馈神经网络对四旋翼无人机进行安全性分析。首先,针对带有χ^(2)检验异常检测系统的四旋翼无人机,将无人机安全性分析问题转化为带有隐蔽约束的攻击性能优化问题。其次,基于神经网络的正向值传播和逆向梯度传播机制,提出无人机隐蔽传感器攻击的神经网络算法,并研究了闭环控制下无人机系统的安全性。最后,分别基于开环控制和闭环控制下的无人机系统对所提算法进行验证。实验结果表明,所提算法可以对开环控制和闭环控制下的无人机系统设计出满足要求的隐蔽攻击信号。

机载射频传感器主动电磁兼容方法研究

机载射频传感器系统作战能力越来越高,而各传感器电子设备高度集成且在载机的有限空间安装。由于各传感器灵敏度高,发射功率大且发射频带宽,各电子设备内部及相互间的电磁传导、辐射等电磁兼容问题需要精心设计,电磁兼容措施有效性直接关系到机载传感器系统的研制成败。文章对传感器内部电磁兼容需求及设计进行了总结,重点针对传感器间同时发射接收的自适应对消主动电磁兼容技术进行了研究,采用基于动量梯度下降算法,综合当前梯度估计和历史估计实现梯度更新,提升了收敛速度,并实现对本机宽带发射信号优于55 dBc的对消比,实现传感器间发射和接收功能的真正同时工作,该技术可支持载机边探测、边攻击、边防御、边通信的能力,对机载射频传感器系统具有非常重要的意义。

解调电路相位自动对齐系统设计与实现

在空间引力波探测项目中,能否实现高精度电容位移传感技术直接关系到项目的核心指标实现。在电容位移传感链路中,解调电路去除噪声能力限制整条链路性能,其中,参考信号与输入信号之间的相位差影响电路去除噪声能力。为了最大限度地提高系统的信噪比,针对当前研究的局限性,提出一种解调电路相位自动对齐系统。首先,介绍了整个系统的构成;其次,对基于动量下降法的相位对齐方法进行详细介绍,参考信号相位自动移动,移动的步长根据动量梯度下降法动态调整;然后,提出对相敏检测器的波形进行检测;接着结合两个方法提出解调电路相位自动对齐系统,提高了系统的可靠性和抗干扰性;最后用标定平台模拟电容位移传感中的电容差,将文中提出的方法与遍历相位对齐法进行比较,发现该方法能够准确地对齐相位,性能平均提升0.136%,同时在示波器上观察信号相位已经准确对齐。

多径异步LSC-DS-CDMA信号伪码估计

针对多径环境下异步长短码直扩码分多址信号(long and short code direct sequence code division multiple access,LSC-DS-CDMA)伪码估计难的问题,提出一种基于张量分解和联合估计的伪码估计方法,采用重叠窗对接收信号进行分段并构建张量模型。为改善传统线性步长搜索算法结合梯度下降的方法分解因子矩阵收敛较慢的问题,提出改进的线性步长搜索算法,结合使用动量梯度下降法对各子张量进行Tucker分解得到各因子矩阵,所需的迭代次数大大减少;利用接收增益矩阵和移位相乘解决复合码的排序模糊和幅度模糊问题;利用最大似然准则联合估计复合码和多径信道后,使用梅西算法和相关运算估计每个用户的长码和短码。仿真结果表明,该方法能够有效估计多径异步LSC-DS-CDMA信号的伪码。

光伏并网系统二电平逆变器的故障诊断

为避免因采集多元信息带来成本的提高和因处理多元数据影响诊断系统的快速性问题,同时为进一步提高故障诊断的准确性,提出采用基于小波分解和直流分量进行充分提取三相逆变器输出电流的信息进行故障诊断的方法。首先进行小波分解提取故障特征并进行归一化处理;同时为了进一步提高定位故障功率管的精准度,再提取三相输出电流信号的直流分量值,并将以上两种信息融合;最后采用自适应动量梯度下降法的BP神经网络进行训练。仿真结果表明,该方法在避免采集和处理多元数据的同时,进一步提高了故障功率管的识别和定位,准确率达98.15%,实现了逆变器开路情况的故障诊断。

基于BP神经网络的医学数据分析

BP网络是一种基于误差反向传播(Back Propagation)算法的多层前向神经网络。采用动量梯度下降算法(TRAINGDM)训练BP网络,建立输入到输出的函数映射关系,使其对48例两类五种医学免疫学数据进行训练与分类。训练集数据正确检出率为100%,测试集数据正确检出率为87.5%,效果优良。结论 BP网络应用于免疫学数据分类取得很好效果,在临床免疫学人工智能诊断方面将有更为广泛的应用空间。

基于LSTM神经网络的无人机通信频谱感知算法

为了提升无人机机群间的通信频谱利用效率,认知无线电技术被应用在无人机机群中。由于传统频谱感知算法易受到噪声干扰、受通信时延干扰、需要累积信号长,无法适应无人机机群间通信,本文提出了一种基于长短期记忆神经网络(LSTM)的双门限无人机机群频谱感知算法。首先利用所有次级用户对频谱信号进行感知收集,随后将所有次级用户信号传入无人机融合节点,最后利用长短期记忆(LSTM)神经网络进行感知判断。在仿真实验条件下与传统单门限能量协作算法、双门限能量协作算法比较,仿真结果表明在不同信噪比和虚警概率下,所提方法的检测性能均优于传统算法。

基于BP神经网络的车削力试验研究

利用正交试验法选取样本在CAK3675数控车床上进行车削40Cr的车削力测量试验,得出切削速度、进给量、切削深度与主车削力之间的对应关系.借助Matlab神经网络工具箱的NNTool功能,应用动量梯度下降法训练BP神经网络,建立了主车削力预测模型并进行了仿真验证.分析了切削用量对主车削力的影响效应.

基于神经网络的钢铁企业电厂煤汽比预测模型

以钢铁企业自备电厂锅炉煤汽比为研究对象,以灰色关联度分析为基础,从理论和数据两方面分析了影响煤汽比的主要因素及各因素对煤汽比影响程度的大小.结果表明,各因素对煤汽比的影响程度为排烟温度>热风温度>给水温度>空燃比>烟气含氧量.基于BP神经网络预测方法,建立了自备电厂锅炉煤汽比预测模型,此BP神经网络为5-12-1结构,隐含层和输出层分别用tansig,purelin函数传递,利用改进动量梯度下降优化算法traingdm训练网格.预测结果表明,该模型网络训练值与实际值较吻合,相关系数R达到0.993 7,用建立的网络进行预测,预测的相关系数为0.976 2,平均误差绝对值为3.9%,在可控范围之内,证明了网络的可靠性与良好的泛化推广能力,可用来指导实际生产.

基于改进BP神经网络的尿液中红白细胞识别算法

对显微图像中的尿液有形成分包括红白细胞等进行分析,可以帮助医生对有肾脏和泌尿系统疾病的患者进行评估。针对无染色、无标记的尿液图像中红白细胞存在对比度低、边缘模糊等问题,提出一种基于改进BP神经网络的识别方法。首先,将遗传算法引入BP神经网络对网络权值和阈值进行优化,解决训练过程中网络容易陷入局部极值等问题,提高BP神经网络的识别精度;其次,使用动量梯度下降法消除网络在梯度下降中产生的摆动,加快网络的收敛,提高BP神经网络的学习速度。与基础BP神经网络相比,改进方法对红白细胞的识别准确度分别提高了6.9%和9.5%,且识别时间分别缩短了19.3 s和42.1 s;与CNN识别算法相比,改进算法对白细胞的识别准确度提高了1.7%;与SVM识别算法相比,改进算法对红白细胞的识别准确度分别提高了12.9%和12.7%。验证实验和对照实验的结果表明,改进方法能以较高的准确率和较快的速度实现红白细胞的识别。

基于小波神经网络的数据中心KPI预测

时间序列预测是数据中心关键性能指标异常检测的重要环节。针对时间序列,利用小波基函数作为隐含层节点传递函数来构造小波神经网络进行预测;同时选取动量梯度下降法提高神经网络学习效率;再根据粒子群算法训练得到最优解作为神经网络参数初始值;最后使用MATLAB进行仿真,以较高准确性对关键性能指标时间序列进行了预测。

BP神经网络在负载管理中心故障诊断中的应用

在分析电气负载管理中心故障特点的基础上,利用神经网络权值和阈值能够随实际的排故结果不断更新及正向推理速度较快的特性,提出了基于BP神经网络的负载管理中心故障诊断方案,并确立了故障诊断BP网络模型。借助于MAT-LAB的神经网络工具箱,采用两种改进的训练算法对网络进行训练,得到了用于诊断的BP神经网络模型,为检验该模型故障诊断的准确性,采用大量的数据样本进行了仿真。结果表明:基于神经网络的诊断方法故障识别率高、快速有效,具有良好的实用价值。

FCAT⁃FL:基于Non⁃IID数据的高效联邦学习算法

针对非独立同分布(Non⁃IID)数据影响联邦学习收敛速度、公平性和准确性的问题,提出一种基于Non⁃IID数据的快速收敛公平联邦迁移学习框架———FCAT⁃FL。该框架改进传统联邦学习依照客户端数据量占比权衡聚合贡献度的策略,根据客户端本地模型参数和服务器聚合模型参数间的关系,在每轮聚合时为客户端动态分配自适应权重,并在客户端引入个性化迁移学习模型和动量梯度下降算法以求加快本地模型训练速度。实验结果表明:与几种基线聚合策略相比,当部分客户端的数据为Non⁃IID时,FCAT⁃FL中聚合策略1的全局迭代轮次有所减少,客户端间公平性和准确性得到提高,并且迁移学习的使用令客户端需训练和上传的模型参数数量减少,使FCAT⁃FL适用于客户端资源有限的移动边缘网络。