用户名: 密码:    忘记密码   注册   在线充值
基于六阶基数样条小波网络的带通滤波方法  
 【申请号】  CN201910981115.6  【申请日】  2019-10-16
 【公开号】  CN110717468A  【公开日】  2020-01-21
 【申请人】  电子科技大学  【地址】  610054 四川省成都市高新区(西区)西源大道2006号
 【共同申请人】  
 【发明人】  张治国;袁嘉泽
 【国际申请】    【国际公布】  
 【进入国家日期】  
 【专利代理机构】  成都立信专利事务所有限公司  【代理人】  冯忠亮
 【分案原申请号】  
 【国省代码】  51
 【摘要】  本发明为利用六阶基数样条小波神经网络,进行带通滤波的方法,用以解决在复杂系统中信号带通滤波精度差的问题。由于小波神经网络具有自适应能力,带通特性,能够基于噪声统计特性的变化,在线调整滤波的带宽,因此本专利把六阶基数样条小波ψ(x)作为神经网络的激励函数;提出基于信号带宽确定神经网络输入权值2j;同时给出了在复杂噪声环境下的神经网络隐层节点数的计算公式;继而由插值基到正交基的线性映射,得到系数并得到矩阵R=[λk-n]k×n,进而构建矩阵Λ=RTR,选取矩阵β=[ψj,K(n/2J)]n,K得Mf=λATΛβ)-1βTΛ,用迭代的方法得到最优输出权值{ck}k,最后基于系数{ck}k构建小波神经网络来实现信号的带通滤波。
 【主权项】  1.基于六阶基数样条小波神经网络的带通滤波方法,包括硬件电路设备上的信号处理和控制器内小波神经网络算法,硬件电路设备信号处理步骤如下:(1)选择数据采集卡,数据采集卡包括单端转差分电路,模数转换电路,(2)将以时间t为自变量的信号f(t)作为输入信号输入单端转差分电路,(3)模数转换电路将单端转差分电路输出的差分信号由模拟电信号转换为数字信号h(T),(4)将数字信号h(T)传入存储器中等待处理,(5)编写小波神经网络算法在控制器上,(6)控制器将存储器中的信号进行处理,并传到上位机显示,控制器内小波神经网络算法实现步骤如下:1)选取六阶基数样条尺度函数为g(x),它的傅里叶变换为 其中,w为角频率,2)基于式(1),得到 3)选定式子为Yg(w)=cos6(w/4) (3)4)基于式(2)和(3)得Pψ(w)=-e-iw/2Fg(w+2π)Yg(w+2π) (4)5)基于式(1)和(4)得 6)基于式(5)应用傅里叶逆变换获得ψ(x), ψ(x)为六阶基数样条小波,把ψ(x)作为小波神经网络的激励函数,7)设定滤波通带的带宽为[-2πa,-πa]∪[πa,2πa],a为根据实际样本信号和噪声带宽而确定的通带参数,确定输入权值2j=a (7)8)设定采样间隔为T,可得到式子J=-log2(T) (8)9)选定参数q为q=J-j (9)10)I0到I1的值由存储器中的数字信号h(T)长度所决定,I0为起始值,I1为最终值,11)取参数H0,H1,P0,P1,G0,G1,L0,L1分别为 基于式(7),(8),(9)和I0,I1取值得到 表示小于其最小整数,表示大于其最小整数,得到:当输入权值选为2j=a时,隐含层节点数确定为12)选取系数如下:λ-10=-0.0003 λ-9=0.0006 λ-8=-0.0012 λ-7=0.0023 λ-6=-0.0041λ-5=0.0074 λ-4=-0.0128 λ-3=0.0211 λ-2=-0.0316 λ-1=0.0413λ0=0.9546 λ1=0.0413 λ2=-0.0316 λ3=0.0211 λ4=-0.0128λ5=0.0074 λ6=-0.0041 λ7=0.0023 λ8=-0.0012 λ9=0.0006λ10=-0.000313)基于系数λk构造矩阵R=[λk-n]k×n,其中λk-n作为矩阵(k,n)的位置,如λ0为主对角线上元素,其它同理,得到矩阵R,最后得到Λ=RTR (13)14)根据存储器的输入信号h(T)得到矩阵Hs和构造矩阵β 其中式(14)、(15)中的n的值为I0到I1间的整数值,I0和I1由步骤10)决定,Hs为数字信号h(T)构成的矩阵,其中的hs(n/2J)为信号离散点处信号幅值;式(15)中的k的值为K0到K1间的整数值,K0、K1的值分别由式(11)、(12)决定,15)基于式(13),(15),计算得到矩阵Mf=0.5×(βTΛβ)-1βTΛ (16)16)基于式(14),(15),(16),采用迭代法计算输出层权值,其中迭代步骤为:i.随机设定一组神经网络输出层权值向量C1,上角标1表示第一步迭代时的输出层权值;ii.设Ck表示第k步迭代的输出层权值,将其带入式(17)计算第k步时的误差Ek;E(k+1)=Hs-βC(k+1) (17)iii.设定迭代结束阈值ε,判断式(18)是否成立,||·||为欧几里得范数: iv.如果式(18)不成立,则将Ek带入式(19),计算出Ck+1,再进行第ⅱ,ⅲ步;C(k+1)=C(k)+MfE(k) (19)v.如果式(18)成立,则迭代结束,得到输出层权值向量C0,17)基于式(6),(7),(11),(12)和C0小波神经网络最终表达式为: 式中fj(x)即为小波网络滤波后的结果。
 【页数】  15
 【主分类号】  G06K9/00
 【专利分类号】  G06K9/00;G06F17/14;G06F17/16;G06N3/04
   推荐下载阅读CAJ格式全文 查询法律状态
(不支持迅雷等加速下载工具,请取消加速工具后下载。)

 


专利产出状态分析  
本领域科技成果与标准  
发明人发表文献
申请机构(个人)发表文献
本专利研制背景
本专利应用动态
所涉核心技术研究动态
京 ICP 证 040431 号 网络出版服务许可证 (总)网出证(京)字第 271 号经营性网站备案信息 京公网安备 11010802020460 号
© 2010-2017 中国知网(CNKI) 《中国学术期刊(光盘版)》电子杂志社有限公司 KDN 平台基础技术由 KBASE 11.0 提供
服务热线:400-810-9888 订卡热线:800-810-6613
在线咨询:http://help.cnki.net 客服中心:http://service.cnki.net 电子邮件:help@cnki.net
可信网站 诚信网站