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]	黄芳,王欣,高国海,沈玲珍,付勋,方宇. 融合主客观评价的图数据Top-k频繁模式挖掘[J]. 山东大学学报 (工学版), 2025, 55(6): 1-12.
[2]	何发龙,杜王芳,苗建印,张红星,何江,刘思学,刘畅,赵建福. 氖工质深冷环路热管运行不稳定性仿真分析[J]. 山东大学学报 (工学版), 2025, 55(6): 69-75.
[3]	邵孟伟,袁世飞,周宏志,王乃华. 基于BP神经网络和遗传算法的翅片管结构优化[J]. 山东大学学报 (工学版), 2025, 55(6): 76-82.
[4]	邓彬, 张宗包, 赵文猛, 罗新航, 吴秋伟. 基于云边协同和图神经网络的电动汽车充电站负荷预测方法[J]. 山东大学学报 (工学版), 2025, 55(5): 62-69.
[5]	董明书,陈俐企,马川义,张珠皓,孙仁娟,管延华,庄培芝. 沥青路面内部裂缝雷达图像智能判识算法研究[J]. 山东大学学报 (工学版), 2025, 55(3): 72-79.
[6]	贾轩,许吉凯,任艺婧,刘德才,许强,张利. 基于样本扩容和数据驱动的台区理论线损计算方法[J]. 山东大学学报 (工学版), 2025, 55(3): 158-164.
[7]	祝明,石承龙,吕潘,刘现荣,孙驰,陈建城,范宏运. 基于优化长短时记忆网络的深基坑变形预测方法及其工程应用[J]. 山东大学学报 (工学版), 2025, 55(3): 141-148.
[8]	董革,黄淑亭,王俊,薛钢,刘延俊. 基于摆臂浮子阵列的浮式平台稳性运动响应[J]. 山东大学学报 (工学版), 2025, 55(2): 156-164.
[9]	李伟豪,王苹苹,许万博,魏本征. 结构先验引导的多模态腰椎MRI图像分割算法[J]. 山东大学学报 (工学版), 2025, 55(1): 66-76.
[10]	孙尚渠,张恭禄,蒋志斌,李朝阳. 盾构滚刀磨损的影响因素敏感性分析及预测[J]. 山东大学学报 (工学版), 2025, 55(1): 86-96.
[11]	林振宇,邵蓥侠. 基于盖根堡多项式最佳平方近似的谱图网络[J]. 山东大学学报 (工学版), 2024, 54(5): 93-100.
[12]	王振军,刘人太,张庆松,惠冰,陈孟军,马晨阳,李鸿钊. 考虑黏度时空分布的动水扩散数值模拟与试验研究[J]. 山东大学学报 (工学版), 2024, 54(5): 132-143.
[13]	常新功,苏敏惠,周志刚. 基于进化集成的图神经网络解释方法[J]. 山东大学学报 (工学版), 2024, 54(4): 1-12.
[14]	高艳艳,周童,王旭,高洁,戴荣健. 地方政府和高速公路经营者低碳行为的演化博弈分析[J]. 山东大学学报 (工学版), 2024, 54(4): 150-158.
[15]	马翔悦,徐金东,倪梦莹. 基于多尺度特征模糊卷积神经网络的遥感图像分割[J]. 山东大学学报 (工学版), 2024, 54(3): 44-54.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	张永花,王安玲,刘福平 . 低频非均匀电磁波在导电界面的反射相角[J]. 山东大学学报(工学版), 2006, 36(2): 22 -25 .
[2]	孔祥臻,刘延俊,王勇,赵秀华 . 气动比例阀的死区补偿与仿真[J]. 山东大学学报(工学版), 2006, 36(1): 99 -102 .
[3]	来翔 . 用胞映射方法讨论一类MKdV方程[J]. 山东大学学报(工学版), 2006, 36(1): 87 -92 .
[4]	余嘉元1 , 田金亭1 , 朱强忠2 . 计算智能在心理学中的应用[J]. 山东大学学报(工学版), 2009, 39(1): 1 -5 .
[5]	陈瑞,李红伟,田靖. 磁极数对径向磁轴承承载力的影响[J]. 山东大学学报(工学版), 2018, 48(2): 81 -85 .
[6]	季涛,高旭,孙同景,薛永端,徐丙垠 . 铁路10 kV自闭/贯通线路故障行波特征分析[J]. 山东大学学报(工学版), 2006, 36(2): 111 -116 .
[7]	秦通,孙丰荣*,王丽梅,王庆浩,李新彩. 基于极大圆盘引导的形状插值实现三维表面重建[J]. 山东大学学报(工学版), 2010, 40(3): 1 -5 .
[8]	孙殿柱,朱昌志,李延瑞 . 散乱点云边界特征快速提取算法[J]. 山东大学学报(工学版), 2009, 39(1): 84 -86 .
[9]	王,张艳宁,申家振,刘俊成 . 基于信息测度和支持向量机的图像边缘检测[J]. 山东大学学报(工学版), 2006, 36(3): 95 -99 .
[10]	胡天亮,李鹏,张承瑞,左毅 . 基于VHDL的正交编码脉冲电路解码计数器设计[J]. 山东大学学报(工学版), 2008, 38(3): 10 -13 .