检索结果-内蒙古大学图书馆

作者：邬月春兰州交通大学

学位级别：硕士

交通流预测是智能交通系统的一个重要研究领域，准确实时的交通流预测是对交通信号实施实时控制的重要前提，也有利于诱导交通流向。如何改进交通流预测方法，提高预测精度是研究的热点。神经网络、模糊系统等计算智能方法已经被广泛应... 详细信息

交通流预测是智能交通系统的一个重要研究领域，准确实时的交通流预测是对交通信号实施实时控制的重要前提，也有利于诱导交通流向。如何改进交通流预测方法，提高预测精度是研究的热点。神经网络、模糊系统等计算智能方法已经被广泛应用于交通流量预测中，并取得了较好的预测效果。本文结合神经网络和模糊系统的优点，进一步研究了动态模糊神经网络(Dynamic-Fuzzy Neural Networks,D-FNN)方法的交通流预测。将其与混沌理论相结合，应用于交通流时间序列和视频网络流时间序列中，分析比较了基于神经网络方法和自适应神经模糊推理系统(Adaptive Neural Fuzzy Inference System,ANFIS)方法预测模型的预测性能，结果表明了该方法的有效性。本文研究内容包括以下几个方面： (1)在神经网络和模糊逻辑理论的基础上研究了ANFIS方法；进一步研究了D-FNN方法及其D-FNN方法的学习算法。 (2)将混沌理论引入交通流预测中。研究了混沌相空间重构理论，在交通流动力学特性可预测性分析的原理上，通过计算最大Lyapunov指数来判断交通流时间序列的混沌特性；研究了时间序列嵌入维数和时间延迟参数的选取，使用Cao方法确定嵌入维数，使用互信息法确定时间延迟。 (3)首先研究了D-FNN方法对Mackey-Glass混沌时间序列进行多步预测的预测性能，与前馈神经网络方法和ANFIS方法建立的多步预测模型进行了分析比较。然后针对北京某监测站和英国交通局网上公布的短时交通流以及德国维尔茨堡大学公布的视频流，将D-FNN预测模型应用于这三组时间序列进行预测实验，分析预测效果；与前馈神经网络方法和ANFIS方法所构建的预测模型进行性能比较；研究预测模型在不同嵌入维数和时间延迟下的预测性能。实验结果表明，基于D-FNN的预测模型对混沌时间序列预测是有效的；在嵌入维数和时间延迟下构建的D-FNN和ANFIS预测模型明显比前馈神经网络预测模型在其预测精度上好。由此证明了，D-FNN方法在交通流时间序列和视频流时间序列预测中是有效的。

关键词：交通流量预测动态模糊神经网络混沌

来源：评论

学校读者我要写书评

暂无评论

基于动态模糊神经网络的人脸表情识别算法研究

基于动态模糊神经网络的人脸表情识别算法研究

引用

作者：王赛西南大学

学位级别：硕士

人脸面部表情是表达情感信息的重要交互工具,在需求高的智能化人机交互中具有潜在应用价值。作为人机交互技术的重要组成部分,表情识别技术涉及计算机视觉、情感计算、图像处理、智能控制和模式识别等多个研究领域,成为近年来国内外的... 详细信息

人脸面部表情是表达情感信息的重要交互工具,在需求高的智能化人机交互中具有潜在应用价值。作为人机交互技术的重要组成部分,表情识别技术涉及计算机视觉、情感计算、图像处理、智能控制和模式识别等多个研究领域,成为近年来国内外的研究热点。当前自动化的表情识别系统主要解决人脸检测、表情特征提取和分类识别三个关键问题。经过近40年的发展,很多用于表情识别的特征提取算法和分类器逐渐被提出,并取得了很大进步。但是,这离实际应用需求还有相当的距离,促使我们对表情识别问题作进一步研究和探索。针对目前已有的表情识别算法识别率和学习效率不高、尤其是对于幅度较小的表情种类识别率低下的问题,本文提出一种基于动态模糊神经网络的人脸表情识别算法。该算法主要包括表情图像预处理、特征提取和降维、分类识别三部分。首先,对输入的原始表情图像进行几何预处理和灰度预处理,减少噪声,为后面的表情特征提取做好准备。其次,在表情特征提取方面,本文提出一种Gabor小波变换和“二维主成分分析(two-Dimensional Principal Component Analysis,2DPCA)+模糊线性判别分析(Fuzzy Linear Discriminant Analysis, Fuzzy LDA)'’相结合的新的特征提取组合策略。该算法先对预处理后的表情图像进行Gabor小波变换,提取Gabor特征；然后对高维Gabor特征进行采样因子为4的下采样,以达到初步降维的目的,再采用2DPCA算法对采样后的特征向量进行二次降维,得到维数较低的表情特征；最后,将传统的LDA方法引入模糊集理论,利用模糊LDA算法提取最具鉴别意义的表情特征,该特征具有低维且最有利于分类的优点。然后,在表情的分类识别方面,本文构造一个动态模糊神经网络(Dynamic Fuzzy Neural Network, DFNN)分类器,用来对表情图像进行分类识别。识别过程中,先将上述特征提取方法所提取的训练样本集表情特征和相应的表情类别分别作为DFNN分类器的输入输出样本,对DFNN进行设计和训练,再利用训练好的DFNN分类器对测试样本进行分类。最后,本文利用MATLAB R2011a仿真平台,在日本女性表情数据库(JAFFE)上对本文提出的表情识别算法进行验证,并分别与其他表情特征提取算法(Gabor小波+PCA, Gabor小波+PCA+LDA, Gabor小波+2DPCA)和分类器(BP, RBF, LVQ, SVM, HMM)展开对比实验。实验结果表明,本文算法在识别效率和性能方面均优于其他算法,尤其对于幅度较小的表情类别识别率较高,且识别所需时间能保持在合理范围内,获得了较理想的识别效果。

关键词：表情识别特征提取 Gabor小波模糊LDA 动态模糊神经网络

来源：评论

学校读者我要写书评

暂无评论

永磁直线同步电机动态模糊神经网络速度控制器设计

永磁直线同步电机动态模糊神经网络速度控制器设计

引用

作者：左涛沈阳工业大学

学位级别：硕士

直线电机伺服装置具有结构简单、噪声低、速度快、精度高、组合灵活等明显的优点,使得直线电机伺服系统得到了广泛的应用。直线电机内部不确定性和外部扰动是造成系统伺服性能下降的主要因素。为了提高系统的伺服性能,使系统具有优良的... 详细信息

直线电机伺服装置具有结构简单、噪声低、速度快、精度高、组合灵活等明显的优点,使得直线电机伺服系统得到了广泛的应用。直线电机内部不确定性和外部扰动是造成系统伺服性能下降的主要因素。为了提高系统的伺服性能,使系统具有优良的工作品质,必须对直线电机内部不确定性和外部扰动加以抑制。动态模糊神经网络控制通过自身所具有的参数学习以及拓扑结构可变等功能,保证在直线电机内部不确定性和外部扰动对系统严重影响的情况下,也能满足性能要求。本文将所设计的动态模糊神经网络控制方法应用到直线电机伺服系统中,并对此方法进行了研究。首先,在阅读了大量国内外相关文献资料的基础上,对直线伺服系统的发展进行了综述并分析了影响直线电机伺服控制系统动态品质的主要因素;概述了永磁直线同步电机伺服系统模糊神经网络控制的国内外研究现状;并对永磁直线同步电机伺服系统的控制策略进行了阐述。其次,在分析永磁直线同步电机的基本结构和工作原理基础上,介绍了矢量控制的原理以及永磁直线同步电机的数学模型;然后,介绍了设计动态模糊神经网络速度控制器所需的理论基础:模糊逻辑与模糊推理;神经网络的结构与学习规则。在此理论基础上,根据永磁直线同步电机非线性数学模型的特点以及扰动复杂的状况,对永磁直线同步电机伺服系统的动态模糊神经网络控制方法进行了研究并设计出动态模糊神经网络速度控制器。最后,用Matlab/Simulink软件进行永磁直线同步电机伺服系统的动态模糊神经网络控制仿真研究。仿真结果表明,动态模糊神经网络控制应用在永磁直线同步电机伺服系统中对各种扰动进行了有效地抑制,具有很强的鲁棒性,满足被控对象对高精度加工的要求。

关键词：永磁直线同步电机干扰抑制动态模糊神经网络

来源：评论

学校读者我要写书评

暂无评论

基于VMD和动态模糊神经网络的剩余电流检测方法研究

基于VMD和动态模糊神经网络的剩余电流检测方法研究

引用

作者：张祥珂山东理工大学

学位级别：硕士

目前我国低压配电网中广泛应用的剩余电流保护装置,起到了预防触电和电气火灾等事故的重要作用。然而运行经验表明,现有剩余电流保护装置的投运率较低,易发生误动或拒动,尚不具有自动诊断触电故障类型的能力,主要依据剩余电流有效值达... 详细信息

目前我国低压配电网中广泛应用的剩余电流保护装置,起到了预防触电和电气火灾等事故的重要作用。然而运行经验表明,现有剩余电流保护装置的投运率较低,易发生误动或拒动,尚不具有自动诊断触电故障类型的能力,主要依据剩余电流有效值达到整定值而动作。但剩余电流有效值会随对地泄漏电流及其与触电支路电流的相角差而发生变化,使保护的可靠性降低。为解决该问题,相关学者开始研究基于触电故障类型识别而动作的新型剩余电流保护。通过快速准确的剩余电流检测方法,识别线路上发生的生物体触电和非生物体触电等故障类型,进而自适应确定动作时间和阈值,克服现有剩余电流保护的缺陷。考虑到变分模态分解(Variational Mode Decomposition,VMD)克服了模态混叠和端点效应,仅需确定分解参数即可对剩余电流信号进行有效降噪,同时动态模糊神经网络(Dynamic Fuzzy Neural Network,DFNN)具有泛化能力强、训练速度快和网络结构无需提前设定的优点。因此,本文以VMD和DFNN为基础,针对剩余电流信号降噪和识别方面的检测方法进行了研究,并取得一定成果。(1)针对剩余电流信号存在噪声干扰,使检测方法的识别准确率下降的问题,提出一种基于自适应VMD的剩余电流降噪方法(Adaptive VMD,AVMD)。首先利用经验模态分解(Empirical Mode Decomposition,EMD)对含噪信号进行预分解,然后计算其本征模态分量(Intrinsic Mode Fuction,IMF)的KL散度(Kullback-Leibler divergence,KL),进而确定VMD的最优分解参数,对剩余电流信号进行降噪处理。该方法实现了VMD分解参数的自适应选取,通过对TN-C-S系统中采集的剩余电流信号进行降噪,并与其他方法相比,结果表明AVMD的降噪效果最佳。(2)为提高剩余电流检测方法的识别准确率和训练速度,本文通过主成分分析(Principal Component Analysis,PCA)提取剩余电流的特征信息。首先选取剩余电流24个时域和频域参数作为基本特征参数。其次为减少特征参数之间的冗余,消除量纲的不一致性,突出主要特征,采用PCA对时域和频域特征参数分别进行降维处理。最后得到6个综合指标,作为DFNN检测方法识别触电故障类型的特征信息。(3)针对目前剩余电流检测方法存在识别准确率较低的问题,提出一种基于最小输出法优化DFNN识别的剩余电流检测方法(Optimize DFNN,ODFNN)。首先按照6:4划分训练集和测试集。然后在训练过程中通过最小输出法计算误差下降率,确定每个模糊规则的重要性并剔除低于阈值的模糊规则,优化DFNN的网络结构。最后对测试集剩余电流信号进行检测,识别触电故障类型。与其他方法优化的DFNN以及传统DFNN相比,ODFNN的识别准确率更高。(4)针对ODFNN剩余电流检测方法的初始参数选取不当,会影响其训练速度和识别准确率的问题,通过改进松鼠搜索算法(Improved Squirrel Search Algorithm,ISSA)选取ODFNN初始参数,提出一种基于ISSA-ODFNN自适应识别的剩余电流检测方法。通过引入混沌搜索策略和反向变异自适应机制,改善松鼠搜索算法种群个体位置更新方法较为单一、对精英个体依赖程度较高的问题,进而提高ODFNN的训练速度和识别准确率。与其他剩余电流检测方法进行综合对比,结果表明ISSA-ODFNN剩余电流检测方法具有更好的识别准确率和速度。

关键词：变分模态分解动态模糊神经网络剩余电流降噪识别

来源：评论

学校读者我要写书评

暂无评论

基于动态模糊神经网络的股市预测研究

基于动态模糊神经网络的股市预测研究

引用

作者：于海蛟陕西师范大学

学位级别：硕士

股票是市场经济的产物,上市公司通过发行股票聚拢资金,投资者将股票作为一种投资手段。随着经济的发展,人们对股市认识的逐渐深入,越来越多的投资者进入股市,股票也成为日常生活中的常见事物。投资股市具有高回报性,但与之相伴的还有它... 详细信息

股票是市场经济的产物,上市公司通过发行股票聚拢资金,投资者将股票作为一种投资手段。随着经济的发展,人们对股市认识的逐渐深入,越来越多的投资者进入股市,股票也成为日常生活中的常见事物。投资股市具有高回报性,但与之相伴的还有它的高风险性。在股票投资者中,不乏取得收益的佼佼者,但更多的却是面对变化莫测的股市,不知所措任其摆布的投资者。但因为股市强大的吸引力,人们从未放弃对它的追逐,个人投资者和机构投资者都强烈希望能够找到一种有效的方法,来预测股票未来的走势情况。越来越多的研究者也投入到对股票预测方法的研究中。预测股市的方法很多,例如通过分析财务数据,寻找其中决定股市走势的因素,从而对股市未来发展趋势进行预测等。然而,股票市场是一个复杂的非线性动态系统,运用传统的时间序列预测技术,想要对它进行预测几乎是不可能的。随着对股票特征的认识,近年来,将神经网络用于股市预测的研究越来越多。由于神经网络强大的非线性问题处理能力,很好的自学习能力和自适应能力,使它可以逼近任意函数,在股票的预测中也取得了一定的效果。模糊逻辑提供了模糊规则的生成机制,可以模拟人类的推理过程,并能利用已有的专家知识。由于模糊逻辑和神经网络存在很多互补的优缺点,将两者结合取长补短就成了自然而然的事,因此产生了模糊神经网络。模糊神经网络用于股票预测有很多不同的形式,笔者认真研究了已有成果,学习其成功之处,也分析了存在的不足,并在此基础上用改进的模糊神经网络——动态模糊神经网络(D-FNN)用于股市预测。神经网络用于股市预测,就是利用股票的历史数据组成的时间序列,通过神经网络的自学习能力对其进行分析,发掘其中的规律,模拟网络输出与输入间的函数关系,并将此函数用于对未来股价的预测中。D-FNN用于股票预测运用同样的原理,但与普通神经网络相比,学习算法存在较大不同。D-FNN是改进了的模糊神经网络,它无需像普通神经网络那样需要预先由人工确定网络结构,而是采用一种模糊规则自适应的学习算法,可根据具体问题的需要生成不同数目的模糊规则,并根据模糊规则来确定网络结构。在网络结构的确定上,由于不是随机生成,也无需反复试验,所以更具科学性。在股票预测中,随着所选股票的不同,生成的网络结构也不尽相同,使训练好的网络更具针对性,将其用于股票预测也更加准确。股票未来的走势相对于股价的具体值来说更容易被预测,而且对股票走势的预测也更具实际意义,因此,本文也对股票走势的预测进行了研究。实验证明,将D-FNN用于趋势预测相比价格预测更具稳定性,这一发现对今后的研究具有一定的借鉴意义。本文改进了模糊神经网络的算法,并将其运用到股票预测中,意在寻找一种更适合的股票预测方法。通过实验分析尝试为广大投资者或研究人员提供新的思路和实用方法。

关键词：动态模糊神经网络股票预测趋势预测

来源：评论

学校读者我要写书评

暂无评论

基于广义动态模糊神经网络的算法研究

引用

计算机工程与设计 2009年第20期30卷 4727-4730页

作者：马莉张德丰佛山科学技术学院计算机系广东佛山528000

在D-FNN算法基础上,提出了一种新的基于椭圆基函数的广义动态模糊神经网络方法。该方法不仅可以用于系统建模、辨识和控制,而且还可以用于模糊规则的自动生成或抽取。提出了一种模糊-完备性作为在线参数分配机制,避免初始化选择的随机性... 详细信息

在D-FNN算法基础上,提出了一种新的基于椭圆基函数的广义动态模糊神经网络方法。该方法不仅可以用于系统建模、辨识和控制,而且还可以用于模糊规则的自动生成或抽取。提出了一种模糊-完备性作为在线参数分配机制,避免初始化选择的随机性,同时,该算法不仅能对模糊规则而且能对输入变量的重要性作出评估,从而使每条规则的输入变量的宽度可以根据它对系统性能贡献的大小实施在线自适应调整。开发了相关的算法程序,最后针对实际案例进行了仿真分析,表明了该算法的有效性和高效性。

关键词：动态模糊神经网络广义动态模糊神经网络椭圆基函数模糊规则学习算法

来源：评论

学校读者我要写书评

暂无评论

基于动态模糊神经网络的程序行为恶意性判定关键技术研究

基于动态模糊神经网络的程序行为恶意性判定关键技术研究

引用

作者：岳峰解放军信息工程大学

学位级别：硕士

近年来,充斥在互联网中的恶意代码呈爆发趋势,恶意代码广泛应用混淆、多态等复杂的编写技术,对计算机系统造成了严重的安全威胁。传统的安全软件大多采用基于特征码的技术进行入侵检测和防毒杀毒,其滞后于病毒的产生以及检测方法单一的... 详细信息

近年来,充斥在互联网中的恶意代码呈爆发趋势,恶意代码广泛应用混淆、多态等复杂的编写技术,对计算机系统造成了严重的安全威胁。传统的安全软件大多采用基于特征码的技术进行入侵检测和防毒杀毒,其滞后于病毒的产生以及检测方法单一的特点,使它难以检测到复杂型攻击。大量研究表明,尽管病毒及其变种之间、已知病毒与未知恶意代码之间的字节特征码已经改变,但是它们完成的功能、行为流程是相似的,这促使研究人员从行为分析的角度致力于恶意代码的检测。本文提出一种基于动态模糊神经网络的代码行为恶意性判定方法,将模糊推理技术与人工智能中的神经网络结合起来,对代码中提取出的行为信息进行分析并综合评估,给出恶意级别信息。首先,针对当前的大部分研究仅从函数调用来挖掘程序行为的现状,本文提出在反编译过程中的文件格式分析、指令序列分析、函数调用识别等多个阶段分析提取文件的行为信息,使行为获取方式更为广泛。第二,病毒广泛使用各种混淆手段阻碍函数调用的识别,本文对call指令插入数据进行混淆的情况进行了分析并处理,使函数调用识别更为完善。第三,按相似功能将行为归类,并设计基于加权相似度识别的方案对程序的函数调用行为进行识别,解决了如何利用病毒行为的相似性进行行为识别的问题。第四,鉴于行为之间的关联性及行为分析过程的复杂性,本文设计并实现了基于动态模糊神经网络的恶意性判定系统。由动态神经网络在训练过程中完成推理规则的生成与调整,然后由模糊推理系统基于规则库中的规则实现恶意性判定。解决了如何建立有效的规则及如何利用规则进行判定的问题,实现了病毒变种与恶意代码的判定。本文提出的判定方法在国家863项目的安全缺陷检测原型系统VDUC(Vulnerabilities Detector for Unsafe Code)中得到了初步实现和应用,本文的检测方法与朴素及多重贝叶斯等检测方法的对比结果表明,采用本方法设计的检测系统能够在变种病毒和未知病毒的检测方面取得较好的效果。

关键词：恶意代码检测行为分析函数调用混淆相似度识别动态模糊神经网络

来源：评论

学校读者我要写书评

暂无评论

基于动态模糊神经网络的肘关节矫形控制系统研究

基于动态模糊神经网络的肘关节矫形控制系统研究

引用

作者：魏萍兰州理工大学

学位级别：硕士

关节是我们肢体活动的枢纽,如果关节发生病变,将会严重影响我们的日常活动。而肘关节运动量大这一特征,导致在临床疾病中肘关节成为关节类受伤的高发部位。传统的肘关节矫形康复仪器控制方式多为治疗师手动调节角度,主观判断无法量化,... 详细信息

关节是我们肢体活动的枢纽,如果关节发生病变,将会严重影响我们的日常活动。而肘关节运动量大这一特征,导致在临床疾病中肘关节成为关节类受伤的高发部位。传统的肘关节矫形康复仪器控制方式多为治疗师手动调节角度,主观判断无法量化,控制方式无法对矫形器进行准确和有效控制,且无法自动记录治疗数据,已经不能满足当代患者和医疗技术发展的需求。本文以肘关节矫形器为背景,将矫形器的智能控制系统作为研究对象,以实现肘关节矫形器伸缩度可以自动调节的智能控制系统为目标,对肘关节矫形器控制系统的软硬件、智能算法和android手机端APP展开研究。本文研究重点在于一种基于动态模糊神经网络的肘关节矫形智能控制算法,利用神经网络提取样本数据中复杂的映射规律,分别采用BP神经网络算法和动态模糊神经网络算法优化和改进模型参数,通过建模和训练,将得到的符合预期要求和泛化能力的模型运用到矫形器控制系统。在系统和实物测试中,利用控制系统协调硬件部分实现对肘关节矫形器伸缩度的自动调节,改变了以往肘关节矫形需要治疗师手动辅助治疗的状况,经临床试验证明本文设计的肘关节矫形控制系统有良好的的控制效果。综合考虑肘关节矫形器的控制特点,设计了矫形器控制系统的整体硬件电路部分,主要有微控制器主控模块、压力信号采集放大滤波电路、步进电机的驱动电路、蓝牙的通信电路以及必要的辅助电路。最后设计了基于Java语言编写的手机APP肘关节矫形器上位监控系统,患者可以在android手机端控制矫形器工作,并且录入、实时查看个人治疗信息和矫形器的治疗时长。针对医生和患者设计了不同的数据窗口,患者可查看个人治疗数据和信息,医生可查看该系统所有患者的历史数据,帮助医生实时了解患者病情并为下一阶段的诊断提供依据。为病人的肘关节康复训练提供了一种高效、便捷的方式且节能环保,节约了医疗资源。

关键词：矫形器肘关节动态模糊神经网络自动控制 Android平台 Java

来源：评论

学校读者我要写书评

暂无评论

基于UCON和动态模糊神经网络的委托授权研究

基于UCON和动态模糊神经网络的委托授权研究

引用

作者：周丽丽山东理工大学

学位级别：硕士

目前随着Web和访问控制的不断成熟,基于访问控制的应用不断涌现。分布式环境中的委托授权已成为访问控制领域的研究热点,为访问控制提供了更广阔的拓展空间。虽然很多研究者在委托授权领域开展了一些研究工作,并取得了一定的成绩,但还... 详细信息

目前随着Web和访问控制的不断成熟,基于访问控制的应用不断涌现。分布式环境中的委托授权已成为访问控制领域的研究热点,为访问控制提供了更广阔的拓展空间。虽然很多研究者在委托授权领域开展了一些研究工作,并取得了一定的成绩,但还存在一些问题有待解决,值得更深层次的挖掘。鉴于使用控制——UCON模型具有连续性控制和可变属性特点,能够实现访问控制多样化及精确化的需求,本文利用UCON对委托授权进行控制。但UCON中授权是一个确定过程,要么授权要么不授权,授权判断不够灵活。引入可信度,根据可信度值对受托者分配合适的权限,简化了授权策略,既保持了UCON的优点,也可随时改变所授权力大小,具有动态灵活性。主要研究内容包括： 1.详细分析了委托授权的基本特性,针对现有委托授权准则不能满足分布式环境下连续性控制、灵活、多样化的需求,提出了几条新准则。新准则的提出,能更好地约束委托授权行为,使用户间的委托更可控。 2.利用动态模糊神经网络算法计算可信度,此算法计算的可信度准确、智能化。本文将UCON和可信度应用到委托授权中,委托者可方便快捷地根据受托者的可信度对其分配相应的权限,并可对其进行过程中控制。 3.提出了一种基于UCON和动态模糊神经网络的委托授权模型一UCONDFNND,该模型具有委托管理、委托过程连续性和属性可变性、可信管理等功能,提高了系统的安全性和效率,适应分布式环境的需求。设计了该模型的引用监视器,以对委托授权的整个过程进行实时监控。 4.基于UCONDFNND模型,在.net平台上开发了委托授权系统。系统验证了UCONDFNND模型能够实现委托授权,可实时检测系统中主体的行为,并根据其行为获得相应的权限。因此,实施的委托授权系统具有广泛的应用性。

关键词：委托授权 UCON 动态模糊神经网络可信度

来源：评论

学校读者我要写书评

暂无评论

基于动态模糊神经网络的CR频谱预测研究

基于动态模糊神经网络的CR频谱预测研究

引用

作者：倪姝靖长春理工大学

学位级别：硕士

认知无线电是为缓解无线频谱资源紧缺与充分使用空闲频谱进行无线通信使之在一定程度上提高频谱利用率的可行方法。而频谱预测技术是认知无线电中分析历史频段使用规则预测未来空闲频段进行机会接入的技术,认知用户通过频谱感知技术实... 详细信息

认知无线电是为缓解无线频谱资源紧缺与充分使用空闲频谱进行无线通信使之在一定程度上提高频谱利用率的可行方法。而频谱预测技术是认知无线电中分析历史频段使用规则预测未来空闲频段进行机会接入的技术,认知用户通过频谱感知技术实时转换信道以确保有效地接入,频谱预测技术则可以降低未授权用户对授权用户造成的干扰,避免不必要的能量损失,提高接入的精确度和可靠性,从而实现频谱更合理有效的利用,因此,对无线频段进行接入预测研究是非常有用的。目前主要的频谱预测方法有:基于回归分析的预测、基于Markov模型预测和基于机器学习的预测等。本论文首先研究了认知无线电频谱预测技术的几种不同方法,诠释并比较了现有的频谱预测算法,对比了各自存在的优点和不足,其次对神经网络和模糊系统的基本原理进行说明,分析了两者结合的必然性,进而主要研究了动态模糊神经网络的内部结构和原理,并列举相关的例子来说明动态模糊神经网络的特点。根据排队论知识对认知无线电系统的信道状态建立模型,之后进行原理说明和仿真实验,产生信道状态数据,将其作为之后频谱预测研究的频谱数据。建立基于DFNN(动态模糊神经网络)的频谱预测模型,依据数据序列在学习训练过程中自适应调整和优化网络结构,之后使用MATLAB仿真来完成预测与对比,实验结果表明相比BP网络的预测算法具有更高的预测精确度。之后仿真分析说明相比单独的频谱感知,加入频谱预测可有效降低感知检测的时间,避免不必要的能量损失。针对不同信噪比对DFNN预测模型进行系统分析,并且对比说明基于DFNN预测模型的在同样噪声干扰情况下具有更高的稳定性和准确度。最后针对多信道的频谱预测进行研究,分析了多信道之间时域相关度对预测性能的影响。

关键词：认知无线电频谱预测神经网络动态模糊神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：