带时频区间精度小波神经网络的信号仿真研究

山东大学学报(工学版)

带时频区间精度小波神经网络的信号仿真研究

胡钢¹, 冯向前¹, 陈欣², 曹力²

1. 南京航空航天大学经济与管理学院, 江苏南京210016; 2. 南京航空航天大学民航与飞行学院, 江苏南京 210016

收稿日期:2007-10-30 修回日期:1900-01-01 出版日期:2008-02-16 发布日期:2008-02-16
通讯作者: 胡钢

A signal simulation method based on a wavelet neural network with an interval-accuracy of time-frequency

HU Gang¹, FENG Xiang-Qian¹, CHEN Xin², CAO Li²

1. College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China;2. College of Civil Aviation, Nanjing University of Aeronautics and Astronautics

Received:2007-10-30 Revised:1900-01-01 Online:2008-02-16 Published:2008-02-16
Contact: HU Gang

摘要/Abstract

摘要： 研究了小波神经网络的带时频区间精度集中理论,并应用于信号的仿真.首先利用小波变换和神经网络把信号信息集结为时域区间数与频域区间数形式;再通过预设时域和频域区间数精度,构造s(x)仿射小波框架,保证代价函数的凸性,使其局部极值极小值与全局极小值相一致;然后计算给出带时频精度的理想信号表达式及其算法;最后以具体信号给出基于小波网络框架带时频精度的信号仿真形式.

关键词: 小波变换, 神经网络, 仿真

Abstract: This paper is about a signal simulation method based on a wavelet neural network with an interval-accuracy of timefrequency. With forecast accuracy and the property of local concentration of a time-frequency domain and a related theory of a neural network, an ideal signal function can be translated into a time-frequency interval number, and then a method was given to calculate the quantity of the neural network unit, and to approximate wave function. Finally a wave function with forward accuracy of time-frequency was applied to simulate a signal by a neural network.

Key words: wavelet transforms, neural network, signal simulation

中图分类号:

C934

胡钢,冯向前,陈欣,曹力 . 带时频区间精度小波神经网络的信号仿真研究[J]. 山东大学学报(工学版), 2008, 38(1): 96-100 .

HU Gang,FENG Xiang-Qian,CHEN Xin,CAO Li . A signal simulation method based on a wavelet neural network with an interval-accuracy of time-frequency[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2008, 38(1): 96-100 .

参考文献

相关文章 15

[1]	沈冬冬,周风余,栗梦媛,王淑倩,郭仁和. 基于集成深度神经网络的室内无线定位[J]. 山东大学学报(工学版), 2018, 48(5): 95-102.
[2]	张璞,刘畅,王永. 基于特征融合和集成学习的建议语句分类模型[J]. 山东大学学报(工学版), 2018, 48(5): 47-54.
[3]	梁蒙蒙,周涛,夏勇,张飞飞,杨健. 基于PSO-ConvK卷积神经网络的肺部肿瘤图像识别[J]. 山东大学学报(工学版), 2018, 48(5): 77-84.
[4]	王飞,宋士瞻,曹永吉,谢红涛,张新华,张健,肖天,赵雅文. 基于连续小波变换的风光发电资源多尺度评估[J]. 山东大学学报(工学版), 2018, 48(5): 124-130.
[5]	张宪红,张春蕊. 基于六维前馈神经网络模型的图像增强算法[J]. 山东大学学报(工学版), 2018, 48(4): 10-19.
[6]	赵彦霞, 王熙照. 基于SVD和DCNN的彩色图像多功能零水印算法[J]. 山东大学学报(工学版), 2018, 48(3): 25-33.
[7]	曹雅,邓赵红,王士同. 基于单调约束的径向基函数神经网络模型[J]. 山东大学学报(工学版), 2018, 48(3): 127-133.
[8]	谢志峰,吴佳萍,马利庄. 基于卷积神经网络的中文财经新闻分类方法[J]. 山东大学学报(工学版), 2018, 48(3): 34-39.
[9]	何正义,曾宪华,郭姜. 一种集成卷积神经网络和深信网的步态识别与模拟方法[J]. 山东大学学报(工学版), 2018, 48(3): 88-95.
[10]	代时雨,刘淑琴. 状态观测器对磁悬浮平台速度与加速度的估算[J]. 山东大学学报(工学版), 2018, 48(2): 114-120.
[11]	唐乐爽,田国会,黄彬. 一种基于DSmT推理的物品融合识别算法[J]. 山东大学学报(工学版), 2018, 48(1): 50-56.
[12]	张博涵,陈哲明,付江华,陈宝. 四轮独立驱动电动汽车自适应驱动防滑控制[J]. 山东大学学报(工学版), 2018, 48(1): 96-103.
[13]	邵健,魏佩瑜,陈平,梁凤强,孟超. 基于组合行波测距原理的T型线路测距方法[J]. 山东大学学报(工学版), 2018, 48(1): 117-123.
[14]	石访,张恒旭,张磊. 全球能源互联网宏观运行特性仿真框架[J]. 山东大学学报(工学版), 2017, 47(6): 151-156.
[15]	王秀青,曾慧,解飞,吕峰. 基于Spiking神经网络的机械臂故障诊断[J]. 山东大学学报(工学版), 2017, 47(5): 15-21.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed