一种信号多辨分析的新方法

为了应用有限元方法对信号进行多分辨率分析，用群论方法将有限元正交化，构造出周期区域有限元的正交函数．将所构造的正交函数用于函数逼近．给出了函数逼近时细剖分与粗剖分正交函数系数之间的递推关系，并将所导出的递推的关系用于信号多分辨率分析和信号的压缩．     

基于多分辨率分析的区间类型2模糊系统

为了更有效地表达和处理系统的不确定性,提出了基于多分辨率分析的区间类型2(简称多分辨率区间类型2)模糊系统,构造了多分辨率区间类型2隶属度函数,并给出了基于尺度函数分解的结构和参数学习算法.多分辨率区间类型2模糊系统的前件是多分辨率隶属度函数,后件是输入的线性函数,因此系统可以自适应地划分输入论域空间,优化系统结构.将多分辨率区间类型2模糊系统应用于带有噪声的时间序列预测,预测结果的复杂度较小,均方根误差为0.105 2.     

尺度核支持向量机及在动态系统辨识中的应用

为了提高非线性动态系统辨识质量,提出了新的支持向量机尺度核函数构造方法.首先直接构造紧支撑尺度函数,然后根据小波多分辨分析理论,由紧支撑尺度函数生成具有多分辨率特性的尺度核函数.证明了这种核函数是满足Mercer定理的支持向量机核函数.动态系统辨识的仿真结果表明,尺度核函数支持向量机的建模和逼近能力优于基于三阶样条核函数或RBF核函数的支持向量机.     

模糊系统结构辨识综述

模糊系统辨识是模糊系统建模的主要手段，优化的模糊系统结构是模糊系统辨识的关键．简要回顾了模糊系统结构辨识的研究现状与发展．讨论了模糊系统结构辨识一些常用的方法，如基于模糊聚类、自组织神经模糊网络、支持向量机、核函数、分层模糊系统、遗传算法和小波多分辨率分析等的模糊系统结构辨识．对各种结构辨识方法的特点进行了深入的分析，并对结构辨识未来的发展进行了展望．     

基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制

针对USV运动航向控制问题,利用基于Lyapunov稳定性理论的滑模控制方法设计USV航向控制律.考虑到USV运动系统具有不确定性,利用具有万能逼近性能的模糊系统对USV运动模型中不确定项及外界干扰项进行模糊逼近.为了进一步提高模糊系统的逼近性能,采用具有学习能力快的RBF神经网络对模糊系统进行在线学习,优化模糊规则.仿真结果表明基于RBF网络优化的模糊控制该算法能够实现USV航向连续稳定跟踪.     

基于AMFNN的非线性噪声消除器

提出基于加乘性模糊神经网络(AMFNN)的非线性噪声消除器，讨论了AMFNN模型和学习算法及其通用逼近性．该消除器利用AMFNN逼近噪声，然后从测量信号中消去噪声即得到有用信号．该噪声消除器具有神经网络分布式并行信息处理能力、较好的容错性和鲁棒性以及除噪性能．     

基于反馈线性化的船舶航向保持模糊自适应控制

针对诺宾（Norbin）非线性船舶模型,基于反馈线性化方法和由径向基函数（RBF）神经网络构建的模糊系统的逼近能力,提出了基于反馈线性化的船舶航向保持模糊自适应控制算法。运用泰勒级数展开的线性化技术,使模糊系统的所有参数均可实时调节,引入了鲁棒控制消除模糊逼近系统带来的误差,在李雅普诺夫稳定性理论的基础上导出了自适应控制率。该算法可以确保闭环系统渐近稳定,使系统的模型跟踪误差为0,优于传统的PID控制策略,具有良好的自适应能力。     

具有反应扩散的神经网络的稳定性分析

通过构造适当的平均Luapunov函数，利用M矩阵理论，研究了一类具有反应扩散的Hopfield神经网络的全局稳定性．在放松神经网络的激活函数的有界性、单调递增性和可微性的条件下，得到了神经网络的全局渐近稳定的条件．这些条件适合于神经网络的关联矩阵为对称或非对称矩阵、激活函数为非单调的情况．     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。     

基于模糊切换增益调节的汽车稳定性滑模控制

针对汽车稳定性控制系统,根据滑模控制原理并利用模糊系统的逼近能力,提出一种自适应模糊滑模控制方案。设计基于模糊逻辑的模糊控制器,通过隶属函数将滑模面切换函数模糊化,根据滑模到达条件对切换增益进行有效的估计和调整,再采用积分法求解模糊控制器的输出。仿真结果表明,模糊滑模变结构控制方法既能缩短响应时间,也能抑制系统颤振。     

基于小波基函数的语音增强研究

小波分析理论是一种新兴的信号处理理论，在时间上和频率上都有很好的局部性，小波变换可同时进行时域和频域分析，具有多分辨特性，特别适合于处理非平稳信号。小波基是由小波函数经过平移和伸缩得到，具有简单、灵活、随意的特性和多分辨分析的功能。通过计算机仿真小波基函数对语音去噪的实现，并分析了不同阀值函数在语音处理中的效果，仿真结果表明，这些方法的运用能有效改善语音的失真程度，具有一定的实践指导意义。     

基于多分辨率建模的CTCS-3级列控系统仿真支撑技术

列车运行控制系统是一个实时分布式的复杂系统,针对不同的应用目的和系统生命周期的不同阶段、不同的人员对列车、车载设备、地面设备、车-地信息交互过程等的侧重点和细节层次的不同,论述了基于多分辨率建模的仿真支撑技术及应用.系统论述了基于多分辨率的建模理论和方法、分布式仿真中聚合解聚问题和多分辨率模型并发运行时的解决方案,解决不同分辨率模型并发时的耦合一致性问题.设计基于HLA的分布式、交互式仿真体系结构,研究基于不同等级多分辨率的仿真支撑技术.     

中国港口功能的聚类和判别

根据中国港口的样本特征,选取了11个主要功能指标,建立了因子分析模型,并进行了适用性检验。根据主成分分析法,提取了3个待定因子,经过因子旋转和归一化处理,采用系统凝聚法对中国沿海24个港口的主要功能进行聚类分析。以MATLAB为技术基础,对烟台港功能类型进行判别。分析结果表明:根据经济功能因子、城市功能因子和物流功能因子的分类,中国沿海24个港口可以聚成7类,第1类为上海港,第2类为深圳港,第3类为广州港,第4类为宁波舟山港,第5类为青岛港、天津港、大连港,第6类为厦门港、丹东港、威海港、汕头港、北海港、防城港、海口港、连云港港、营口港、秦皇岛港、日照港,第7类为唐山港、温州港、台州港、福州港、泉州港、湛江港;运用人工神经网络方法,烟台港被判别为第7类。可见,方法有效。     

视景系统的特效技术研究

探讨视景系统开发中的若干模拟特效,如粒子特效(如雾、雨、雪)的仿真、声音效果、GPS仪表指示器,及基于全局光照的烘焙渲染等技术.基于Cg的Shader多分辨纹理技术采用GPU硬件绘制方式,改进了传统的Mipmaping算法,提供了一种快速的实时绘制方法.这些技术增强了驾驶模拟器视景仿真系统的可视化效果.     

基于ArcEngine的城市影像数据管理系统开发

在数字城市基础地理空间框架建设中,影像数据是其中核心数据之一,是重要的建设内容。这些数据具有多源、多分辨率、多时相的特点,为方便这些数据的管理和利用,需对它们进行高效地组织管理。在分析现有的影像数据管理技术的基础上,采用文件数据库混合存储,基于ArcEngine的组件开发影像管理系统,实现影像入库、查询展示、分析决策、数据分发服务等功能,满足影像管理的需求。     

基于傅立叶变换的变元可分离核函数的确定方法

利用傅立叶变换分析的方法提出了支持向量机理论中核函数与傅立叶变换的关系 ,并就两者的关系给出了一些有意义的新定理和相关的证明 ,证明了基于傅立叶变换的核函数在一定条件下必定满足Mercer条件 .在这些重要结论的基础上 ,可利用傅立叶变换分析核函数的特性 ,确定核函数 .特别是当核函数的变元可分离时 ,傅立叶变换在核函数分析中的意义就更加重要     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。     

基于RBF神经网络的隶属度函数学习算法

模糊规则的提取和模糊隶属度函数的学习是模糊系统设计中重要而困难的问题.针对当前开发模糊控制系统的一个难点——发现最优的隶属函数和模糊规则,研究了利用RBF神经网络的学习能力,从历史数据中发现隶属度函数,在一定程度上减轻了系统开发工作量,克服了由于缺乏经验而可能造成的偏差.文中探讨了一种用于提取模糊规则的RBF神经网络结构,提出了基于此网路结构的模糊隶属度函数学习算法,最后给出了用于验证该算法有效性的仿真实例.