一种面向系统状态参数预报的过程神经网络模型及其算法

为解决难以用确定机理模型描述的非线性系统状态预报问题,提出一种基于过程神经网络的预报模型及其算法.利用过程神经网络对动态系统的非线性映射机制和直接辨识建模能力,面向系统状态参数预测,建立一种反映系统过程模态特征变化的过程神经网络模型,分析模型的预测机制,给出相应学习算法.为弥补实际采样数据不足及提高数据信息利用率,利用...     

基于改进小波神经网络的GPS高程拟合研究

针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结...     

基于神经网络的话务量预测

话务量具有高度的非线性和时变特性,由于神经网络具有较强的非线性映射等特性,将其运用于非线性的话务量短期预测是非常合适的。以青白江2005年10月的话务量作为预测对象,提出基于BP神经网络和基于Elman神经网络的话务量预测模型,仿真实验表明两种模型对于话务量的短期预测均是可行有效的。经过比较,Elman神经网络训练速度比BP神经网络快很多,更适用于实际应用。     

基于神经网络的专家系统在温室控制中的应用

为了实现温室控制,针对温室环境的多输入、多输出、非线性和难以建立数学模型等特点,提出一种基于BP神经网络的专家系统并用于温室控制。该方法将传感器采集的温度、湿度等信息输入到神经网络专家系统,在获得决策结果的同时通知控制部分执行相应的决策。这种方法不仅解决了传统专家系统知识获取的瓶颈问题、推理能力差、智能化低的缺点,而且克服了神经网络不具有解释功能的问题。总之,成功实现了神经网络和专家系统功能上的互补,较好的用于温室控制。     

基于神经网络的专家系统在温室控制中的应用

为了实现温室控制,针对温室环境的多输入、多输出、非线性和难以建立数学模型等特点,提出一种基于BP神经网络的专家系统并用于温室控制。该方法将传感器采集的温度、湿度等信息输入到神经网络专家系统,在获得决策结果的同时通知控制部分执行相应的决策。这种方法不仅解决了传统专家系统知识获取的瓶颈问题、推理能力差、智能化低的缺点,而且克服了神经网络不具有解释功能的问题。总之,成功实现了神经网络和专家系统功能上的互补,较好的用于温室控制。     

粒子群神经网络及其在非线性系统辨识中的应用

介绍了一种新的神经网络权值优化算法——粒子群优（Particle Swarm Optimization，PSO）算法，提出了用粒子群神经网络对非线性系统进行系统辨识的构思。仿真实验结果表明，粒子群算法具有比BP算法更强的非线性系统辨识能力和更好的泛化能力。     

面向户外增强现实的地理实体目标检测

本文研究了多种计算机视觉领域中用于图像分类和目标检测的卷积神经网络模型,在一种目标检测模型的基础上进行了修改,并结合了残差神经网络结构,旨在解决户外增强现实中地理实体目标检测的问题。我们根据这一模型开发了一款户外增强现实原型系统,通过将训练好的模型作为目标检测引擎,达到了较好的近实时性和准确性。     

基于神经网络的滑坡变形预测报研究

利用ＢＰ神经网络方法建立了滑坡变形预报模型,在此模型的基础上对几个典型滑坡进行了预报分析,其结果表明用ＢＰ模型进行滑坡短期预报效果较好。     

BP神经网络和ARMA模型在中纬度TEC短期预测中的对比分析

在充分考虑TEC序列非平稳、非线性、高噪声特性前提下, 以IGS提供的2017年电离层TEC格网数据为基准,运用BP神经网络和ARMA两种模型分别进行TEC 3 d预测,重点分析两种模型在不同季节时段、不同电离层活跃强度及不同样本长度下的TEC预测性能及精度。结果表明,在不同时段,两种模型均能很好地反映TEC的变化特性,其中ARMA模型在春、冬时段及整体预测精度上略优于BP神经网络。在平静期,两种模型的平均相对预测精度分别为87.3%和87.5%,预测效果相差较小;在活跃期,两种模型的平均相对预测精度分别为78.5%和75.5%,BP神经网络的精度比ARMA模型高3%。随着样本长度的增加,BP神经网络在21 d样本处预测效果最佳,ARMA模型的预测精度随样本长度的增加呈降低趋势。     

基于经验模态分解与神经网络的信号预测

利用经验模态分解在处理非线性、非平稳信号以及人工神经网络可以较好地处理非线性问题的优点,通过经验模态分解把加入噪声的仿真信号分解成几个本征模态函数分量和一个趋势项,在分解过程中采用两种方法处理端点效应问题,结果表明两种方法都能很好的解决端点问题,然后对每个分量分别运用径向基函数神经网络进行预测,并重构出最后的预测结果。与不经EMD处理直接运用神经网络进行预测及真实数据进行对比,结果表明,相对于直接预测,该方法具有更好的预测效果。     

穿墙雷达中的多目标探测研究

分析了使用超宽带信号进行穿墙目标探测的基本原理。针对电磁波在不同介质中传播速率不同以及墙体折射造成的雷达回波信号时延出现误差的问题,提出了时延估计的搜索算法并以此建立了接收和处理目标回波的系统模型。通过估计房间内不同位置的时延信息来建立时延信号矩阵,并根据宽带信号相关处理技术,完成对墙体后多个目标的探测。仿真实验表明,该方法简单有效。     

基于奇异谱分析的GNSS坐标时间序列粗差探测与噪声估计

考虑到传统谐波模型难以精确描述GNSS坐标时间序列的非线性变化,导致信号和噪声不能很好地分离,进一步影响粗差探测和噪声估计,本文提出一种基于奇异谱分析的粗差探测与噪声估计算法。首先采用奇异谱分析方法分离出GNSS坐标时间序列中的信号与噪声,然后基于IQR准则探测噪声中的粗差,最后采用最小二乘方差分量估计（LS_VCE）方法定量估计各噪声分量。算例表明,相比于传统基于谐波模型的算法,该算法的粗差探测准确率更高,且估计的噪声分量与真值更接近。     

基于运动检测的飞行区车辆差分北斗/SINS组合导航

针对机场飞行区车载差分北斗/SINS组合导航系统中卫星信号衰弱、断续和中断时引起导航系统精度降低的问题,提出一种基于运动检测的高精度组合导航方法。该方法基于运动检测的差分北斗/SINS组合导航系统框架,根据车辆运动的特性,利用零速修正与动态零速修正相结合的模式来约束SINS误差;建立系统误差最优估计状态方程和量测方程,并结合惯性测量单元输出的陀螺和加速度计信息以及SINS输出速度来实现车辆运动状态的检测;最后通过车载实验验证该方法的可行性。结果表明,卫星信号有效时,差分北斗/SINS组合导航定位精度优于1 m;相比于传统运动学约束技术,2.5 km信号中断场景下,组合导航系统的经度误差最大值由5.21 m减小为1.35 m。     

Application of TSD tunnel seismic prediction system in karst area

TSD is one of the classical methods of tunnel seismic prediction based on higher accuracy multi-wave multi-component seismology. The working principle of the TSD and an application example of the TSD on tunnel prediction in Chongqing are introduced in this paper. This system has two ports for speed signal and acceleration signal, and the equipment is more portable and easy to use. According to the application results we can conclude that the TSD prediction system is accurate and it has the wide application prospect in tunnel seismic detection.     

基于SSA-Sn法的GNSS坐标时间序列粗差探测

针对GNSS高程坐标时间序列中含有粗差、高程坐标时间序列不平稳、非线性变化导致异常值探测困难等问题,提出一种奇异谱分析SSA与S_n估计量相结合的粗差探测方法。利用实验模拟数据和实测数据分别对该方法的探测效果同常规3σ法和MAD法进行对比,结果表明,SSA-S_n粗差探测方法的总体探测效果更好,能够满足GNSS坐标时间序列高可靠性的需求。     

基于自动增益放大的便携式心电监护仪设计

针对心电监护仪监测运动状态时易出现心电信号饱和现象,改进系统硬件电路,设计一种基于自动增益放大的便携式心电监护仪,选择合适前置放大及右腿驱动电路放大源信号,利用高通和低通滤波电路过滤信号噪声;加入以AD603芯片为核心的自动增益控制电路,通过调整放大倍数,自动调节采集心电信号幅值,避免出现饱和现象.实验结果表明,系统能够自动识别运动中的心电信号,并且失真度较小,能够为监测早期冠心病等心脏系统疾病提供准确结论.     

GNSS形变监测时间序列的粗差数据处理方法

针对GNSS形变监测的传统粗差探测算法性能受限于数据长度的问题,提出基于小波分析的一阶导数粗差剔除法。首先使用新算法对原始信号进行粗差剔除,再利用广义延拓插值补充残缺点。实测算例结果表明,新算法执行时间是3倍中误差法（3σ法）的0.01倍,插值后与真实值偏离仅0.03 mm,远优于其他传统粗差探测手段。     

�������˲��ķ�����ǿ�Ⱥ͹������ܵĶ���׼��

????????????????????????????????????????????????????????????????????????????????????     

Research on weak signal extraction and noise removal for GPR data based on principal component analysis

The ground penetrating radar( GPR) detection data is a wide band signal,always disturbed by some noise,such as ambient random noise and multiple reflection waves. The noise affects the target identification of underground medium seriously. A method based on principal component analysis( PCA) was proposed to extract the target signal and remove the uncorrelated noise. According to the correlation of signal,the authors get the eigenvalues and corresponding eigenvectors by decomposing the covariance matrix of GPR data and make linear transformation for the GPR data to get the principal components( PCs). The lower-order PCs stand for the strong correlated target signals of the raw data,and the higher-order ones present the uncorrelated noise.Thus the authors can extract the target signal and filter uncorrelated noise effectively by the PCA. This method was demonstrated on real ultra-wideband through-wall radar data and simulated GPR data. Both of the results show that the PCA method can effectively extract the GPR target signal and remove the uncorrelated noise.     

嘈杂环境下语音信号端点检测方法研究

提出了一种嘈杂环境下语音信号端点检测方法。采用基于短时能量和短时过零率的双门限端点检测算法,不但可以减少语音数据的存储量及处理时间,而且能排除无语音段的干扰噪声,从而确保定位的精准性,避免包含噪声信号和丢失语音信号。可以将语音信号同背景噪声分离出来,有效地避免静音段或噪声段的干扰,提高定位估计的性能。仿真实验取得了良好的效果,表明该方法具备一定的可行性。