基于深度自适应小波网络的移动通信网络传输信号增强方法

当前移动通信网络传输信号增强机制多为目标式增强处理,增强可靠性较低,导致最终得出的误码率降低,为此提出对基于深度自适应小波网络的移动通信网络传输信号增强方法方法的设计与验证分析。根据当前的测定需求,先进行信号初始速率测定及特征分类,在此基础之上,对信号去噪处理,采用多层级的方式,强化当前的增强可靠性,设定多层级增强机制。构建深度自适应小波网络传输信号增强模型,采用自适应补偿处理实现信号增强。最终的测试结果表明:针对选定的5个测试区域,分别在100 Mb、120 Mb、180 Mb、220 Mb不同的带宽背景下,最终得出的误码率被较好地控制在15%以下,说明在深度自适应小波网络的辅助下,设计的移动通信网络传输信号增强方法更加高效、完善,在面对复杂环境时,也可以保证对信号的增强效果,强化增强效率,为后续的信号实践应用奠定基础条件。

基于整体退火遗传小波网络的计量终端可靠性预测

为了解决小波神经网络初值敏感性及收敛稳定性问题,以提高计量终端软件可靠性预测建模的效率及准确性。文章完善了整体退火遗传算法(WAGA),并验证了其具有极强的整体收敛和全局优化能力,利用其全局寻优能力,优化小波神经网络(WNN)的参数,提出基于整体退火遗传小波神经网络(WAGA-WNN)的建模方法;用该方法建立计量终端的软件可靠性预测模型。实验结果表明,该方法可以解决小波神经网络初值敏感性及收敛稳定性难题,建立的软件可靠性预测模型效率和准确度较高。

基于遗传优化小波网络的随机载况下裂纹扩展预报

疲劳问题作为工程领域常见的破坏形式受到了广泛关注。基于断裂力学的疲劳分析方法可以获取可无损检测的疲劳损伤-裂纹尺寸,但计算较为复杂。针对海洋工程结构物疲劳分析中的谱分析法,本文通过遗传优化的小波神经网络建立一种同一热点下各随机载况的应力强度因子谱,结合有限元分析获取的应力强度因子进行网络训练。结果表明,该模型可对各随机载况下的SIF谱进行较好的预测。本文所提出的方法可大幅减少重复性有限元计算,为裂纹扩展方法应用于随机载况下工程结构的疲劳寿命预报提供一种思路。最后,结合裂纹扩展单一曲线模型实现随机载况下裂纹扩展量的快速预报。

基于深度自适应小波网络的通信辐射源个体识别

针对现有的通信辐射源个体识别方法中人工提取特征复杂以及深度学习网络的识别机制缺乏清晰解释的问题,提出了一种基于深度自适应小波网络(Deep Adaptive Wavelet Network,DAWN)的通信辐射源个体识别方法。首先分析了选择互调干扰作为辐射源间个体特征的原因;接着应用了可实现提升小波变换的卷积神经网络结构去提取特征,并在其基础上设计出可以同时完成特征提取和识别的DAWN;最后,选择Oracle数据集验证方法的可行性。实验结果表明:利用DAWN对5个通信辐射源个体识别的准确率为95.5%,并且方法具有良好的抗噪性。

采用模糊小波网络的移动机械臂反步鲁棒控制

针对考虑不确定性和电机动态的移动机械臂控制问题,采用模糊小波网络设计了反步鲁棒控制方法。首先建立了移动机械臂和电机的模型,然后设计了自适应观测器作为辅助系统,来准确估计系统状态,同时引入模糊小波网络在线逼近系统不确定性;最后在状态估计的基础上提出了反步鲁棒控制律,实现包容不确定性的移动机械臂系统鲁棒控制。MATLAB仿真结果表明:设计的反步鲁棒控制方法具有更快的响应速度和更高的控制精度,在0.45s内即可稳定准确地跟踪控制信号,对轮式平台位移和关节角度的跟踪误差仅为0.05m和0.5°,实现了包容不确定性的高精度控制。

基于多尺度注意力小波网络的可适应病变规模超声乳腺图像分割

针对超声乳腺图像中对不同规模病变的分割鲁棒性不足的问题,提出了一种多尺度注意力小波网络(MAW-Net).通过设计两个轻量的网络模块,多尺度拼接模块和跳过连接升维模块,达到在不同尺度上集成丰富的特征和全局上下文信息,减少编码器和解码器之间的语义差距以适应不同规模病变分割的目的.并引入双树复小波变换,很好地削弱了噪声影响.在两个公共的乳腺超声数据集UDIAT和BUSI数据集上进行测试,其Dice系数分别达到91.32%和84.23%.并与其他6种先进的图像分割方法进行比较,具备强分割鲁棒性、噪声影响小等优势.

模糊小波网络在煤与瓦斯突出预测中的应用

为了正确预测煤与瓦斯突出的趋势与危险性,提出用改进的模糊小波网络技术建立煤与瓦斯突出预测系统,以模糊数学作为表达与处理不精确数据、模糊信息条件的手段,以小波网络与改进BP算法作为解决问题的途径。仿真结果表明,该模型收敛速度快,准确性高,具有较强的可靠性和实用性,是一种十分有效的煤与瓦斯突出危险性预测方法。

基于小波网络的实时稳定器研究

提出一种应用小波神经网络进行动态实时调整传统电力系统稳定器参数的设计方法。由于小波神经网络所具有的非线性逼近能力及良好的时频分析能力,系统能精确地辨识动态特性,映射更复杂的控制策略。仿真结果表明小波网络电力系统稳定器比传统电力系统稳定器更有效。

连续参数小波网络在机械状态预报中的应用

研究了连续参数小波网络的原理及其构造，通过仿真数据的比较分析，说明了连续小波网络较传统ＢＰ网络有更快的收敛速度和更好的非线性逼近能力．同时，在用连续参数小波网络对实际机组振动峰峰值数据的预报中，收到了满意的效果．

基于小波网络的传感器故障检测

针对常规BP网络存在的问题,在小波网络的基础之上将其结构进行改进提出复合小波网络,代替BP网络用于传感器的故障检测,为避免由于传感器输入信号突变引起的传感器输出与观测器预测值产生较大偏差而导致的误诊断,提出将检测方法加以改进。仿真实验表明,复合小波网络较BP网络和未改进的小波网络收敛速度快、预测精度高,更适用于故障检测;采用了复合小波网络的改进的检测方法既提高了检测的快速性,又提高了可靠性。

基于小波网络及油中溶解气体分析的电力变压器故障诊断方法

小波网络是近年来发展起来的一种高效非线性信号处理新模型。该文将适于电力变压器故障诊断的小波网络分为第一、第二类小波网络,提出了基于自适应算法小波网络的变压器故障诊断方法,该方法继承了人工神经网络的学习能力和小波变换的局部化特征,具有良好的收敛性和鲁棒性。选择经模糊预处理的250组油中溶解气体作为采用不同小波基的2类小波网络训练与识别样本,对训练过程和仿真结果进行对比分析。大量诊断实例表明,文中提出的2类小波网络均适于变压器故障诊断,其性能优于单独使用传统BP神经网络的方法。

小波变换、神经网络和小波网络的函数逼近能力分析与比较

基于对小波变换和神经网络之间内在联系的分析 ,利用神经网络不同激励函数的线性组合构造出了相应的小波函数 ,得出小波函数作为神经网络的激励函数与普通神经网络的激励函数在本质上是一致的结论 ,并引入了小波网络。通过对小波变换、神经网络和小波网络函数逼近能力的理论分析与比较 ,认为小波网络在函数逼近方面具有明显的优势 ,并且分别利用这 3种方式对一典型函数进行了仿真逼近的验证。

相空间小波网络模型及其在水文中长期预测中的应用

简述了相空间小波网络模型原理和算法，并通过实例讨论了其在水文中的应用。研究结果初步表明，小波分析及由其发展出的小波网络模型在水文分析中是可行的、合理的。数学分析工具更为先进，将混沌重建相空间理论和小波网络模型相结合，对揭示水文动力系统复杂的非线性结构是很有效的，在水文中长期预测中具有较大优越性。

小波网络的研究进展与应用

首先从小波分析和神经网络各自存在的问题出发 ,对小波网络的产生原因和产生形式进行了研究 ;接着分别从连续小波变换、正交小波变换、小波框架和小波基拟合几方面 ,详细地介绍了小波网络的构造理论 ;然后从小波函数的选择、网络参数初始化、隐层节点数确定和参数调节算法几方面对小波网络的学习过程进行了讨论 ;最后介绍了小波网络的应用 。

日流量预测的小波网络模型初探

针对日流量时间序列的非线性和多时间尺度特性,提出了将小波分析与人工神经网络相结合进行日流量预测的新方法———小波网络模型。该模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力。以长江寸滩站日流量预测为例,研究表明,所构造的模型各预见期的拟合、检验精度较高。小波网络模型延长了预见期,提高了预报精度,具有广阔的应用前景。

一种基于小波网络的自校正控制方法

依据小波的非线性逼近能力和神经网络的自学习特性 ,提出了一种基于小波神经网络模型的自校正控制算法 .文中系统由两个小波网络组成 ,分别实现未知对象的建模与控制 .仿真结果表明所提控制方法可行 。

基于混沌小波网络的交通流预测算法研究

实时准确的交通流量预测是实现智能交通诱导及控制的前提与关键,也是智能化交通管理的客观需要.结合交通流预测的特点,提出了一种基于小波网络的路段交通流预测方法,把混沌优化算法引入小波网络的拓扑构造,结合提出的相似时段的预测思想,给出了一种基于混沌优化算法的小波网络交通流量预测模型.实验结果表明,引入相似时段的预测思想可以有效提高交通流的预测精度。

平衡重式叉车底盘小波网络动态逆内模控制

提出一种基于小波网络动态逆内模控制方法的平衡重式叉车底盘集成控制策略,实现对叉车主动后轮转向(Active rear wheel steering,ARS)与直接横摆力矩控制(Direct yaw-moment control,DYC)的解耦控制,以消除叉车底盘各子系统间的耦合作用。在分析叉车底盘集成系统可逆性的基础上,确定解耦输入输出变量的匹配关系,建立小波网络动态逆模型并与原叉车底盘系统串联,将叉车底盘系统解耦为输入输出一一对应的两个独立的伪线性系统,实现了叉车底盘系统各控制回路之间的解耦;设计内模控制器对伪线性系统进行内模控制改善系统的响应品质,并进行仿真分析与基于Lab VIEW PXI和ve DYNA的驾驶员在环试验验证。结果表明,基于小波网络动态逆内模控制方法的平衡重式叉车底盘集成控制策略能够消除ARS与DYC之间的干涉和耦合,提升叉车的状态跟踪和操纵稳定性。

基于小波网络的非线性内模控制

针对非线性内模控制结构 ,给出了小波网络逼近系统正、逆模型的充分条件和实现方法。在内模控制结构中引入 PID补偿控制 ,改进了内模控制器的性能。仿真结果表明 ,小波网络用于非线性内模控制是有效的 ,内模 + PID控制较单一内模控制具有更快速和平稳的跟踪性能。

小波网络在直接转矩控制定子电阻辨识中的应用

针对直接转矩控制中电机低速运行时定子电阻变化对系统性能影响较大的问题,提出了一种基于小波网络的定子电阻辨识方法,并对该方法进行仿真研究。仿真结果证实,该文所提的辨识方法优于 BP 神经网络。通过该方法可以有效的提高交流电机的低速运行性能。