自适应学习率的小波神经网络逼近算法

提出一种自适应学习率的小波神经网络算法,从根本上解决了小波神经网络学习率的取值和收敛速度慢的问题,并有效地克服了小波神经网络易陷入局部极小的缺点,仿真实验表明,提出的学习算法可靠,学习率能够随着网络的运行参数而自动变化,无需任何人为调整,克服了小波神经网络学习率靠人为试算选取所带来的问题.采用该种改进算法用于非线性函数逼近明显优于同等规模的固定学习率的小波神经网络.     

关于右连左极函数的Gronwall不等式

给出了传统意义下的Gronwall不等式的推广形式,并且给出了在右连左极函数积分下的一种Gronwall不等式。     

Hilbert谱分析和平稳度

提出了本征模式函数IMF成员相应的幅度及频率时间函数的计算方法。由函数的Hilbert谱可获得相关的边缘谱,边缘谱确定了几乎连续的能量分布,从而提供了通过每个频率值测量总能量的方法。根据能量-频率-时间分布,就可以定量确定平稳性,平稳性是物理过程的一个复杂属性,其由平稳度DS和统计平稳度DSS进行度量,同时给出了DS和DSS的计算公式。     

基于自适应阈值的提升小波包漏磁信号去噪研究

为了更好地实现对原始漏磁信号噪声的抑制,针对硬阈值函数和软阈值函数中存在的问题,提出一种自适应阈值选择方法,研究了基于该方法的提升小波包降噪算法。采用小波包和提升小波包,分别在硬阈值、软阈值和自适应阈值处理函数下,对含噪信号进行降噪效果的分析和比较,并给出了漏磁信号在自适应提升小波包算法下的降噪效果。仿真结果表明：该方法具有更高的分辨率和近似优化能力,在保留原始漏磁信号有效成分的同时,能更好地去除噪声。     

电动阀故障检测诊断研究

利用基于小波变换的奇异点奇异性指数(Lip指数)作为信号包络的特征识别指标,提出了一种对调制类型信号的诊断方法,并指出信号的包络分析是解决这类问题较有效的方法.同时,以某型舰用电动阀为例,对故障前后的信号作了分析计算.计算结果表明,与单纯用时域或频域的方法相比,该方法明显地提高了分析结果的精度.     

一种新的基于特征值分解的双站无源定位算法

在自卫式噪声干扰的条件下,地面制导雷达将无法得到目标的斜距信息,无法实现对目标的定位,此时只有采用雷达组网方式,利用2个或多个雷达站的测角信息来对空间目标进行定位。提出一种基于特征值分解的新的定位跟踪算法,该算法具有计算简单、清晰,运算量小的优点,仿真也表明该算法有较好的精度。     

汉语语音识别中的一种音节分割方法

汉语语音识别研究中,识别单元的选取是很重要的。随着大词汇量连续语音识别研究的发展,越来越多汉语语音识别研究中选取次音节单位作为识别单元。结合汉语发音声学特性,提出了音节的重叠音素分割策略,并利用小波方法实现了音节的分割,实验证明该方法分割准确可靠。     

舰艇编队海上运输补给物资需求预测方法

按照是否与任务、事件相关,将物资需求分为两类,对于任务、事件相关物资需求的预测,将任务进行合理的分解,并根据物资消耗与任务、事件之间的关系,给出了预测的一般模型;对于与任务、事件联系不紧密的物资需求的预测,则根据历史经验及该物资固有的消耗规律,提出了经验预测模型。为了解决舰艇编队海上运输补给物资需求预测所存在的问题,利用案例推理的方法生成了预测所需的样本数据,以最小二乘向量机(LSSVM)模型为预测模型,并以岛屿进攻作战的防空弹药需求预测为例进行了实例分析。结果表明:案例推理生成的样本数据可用,选用LSSVM模型的预测结果与其他预测模型表现出了一致性,但LSSVM相对误差较小;该方法在某种程度上解决了样本数据有限的问题,适用于作战物资需求的预测问题。     

基于小波变换速变非平稳信号的消噪

本文针对遥测速变数据中噪声干扰有用信号分析的处理问题,提出了基于小波分析理论, 利用二进制小波变换对含噪信号进行小波分解,然后选取适当的阈值,对小波分解系数进行阈值量化,最后再对高低频系数重构,实现信噪分离.并在导弹试验数据中得到了验证.分析结果表明小波变换是非平稳信号消噪一种有效方法.     

典型声目标噪声场特征提取的研究

本文对小波变换和多分辨分析技术的基本理论进行了研究,依据信号的多分辨小波分解及其所表现出的多水平特性、局部化分析特性等特点,提出了利用小流变换后声信号在不同水平的和为声目标的特征矢量的特征提取方法,并对实测直升机和坦克噪声数据进行分析计算,列出计算机分析的结果,得出了相应结论。