最优非线性滤波的神经网络实现研究

详细信息    本馆镜像全文|  推荐本文 |  |   获取CNKI官网全文

英文题名：On Optimum Nonlinear Filtering via ANNs 作者：彭金华 论文级别：硕士 学科专业名称：信号与信息处理 中文关键词：最优非线性滤波 ; 神经网络 ; BP网络 ; RBF网络 ; 函数型神经网络(FLANN) ; 变参数非线性系统 英文关键词：Optimum Nonlinear Filtering ; Neural Networks ; BP Neural Networks ; RBF Neural Networks ; Functional Link Artificial Aeural Networks ; Fluctuant Parameter Nonlinear Dynamic System 学位年度：2006 导师：吴乐南 学科代码：081002 学位授予单位：东南大学 论文提交日期：2006-09-01 答辩委员会主席：卞艺杰

摘要

本论文对神经网络理论用于最优非线性滤波进行了研究,主要完成了以下研究工作:
     分析了神经网络理论应用于最优非线性滤波的现状及发展趋势,并对神经网络和经典的最优非线性滤波方法进行简单的讨论,其中包括非线性最小方差(LMS)估计(即扩展的卡尔曼滤波)和非线性最小二乘估计(RLS),研究了神经网络应用于最优非线性滤波的可行性。
     探讨了基于反向传播(BP)网络和基于径向基函数(RBF)网络的最优非线性滤波,利用MATLAB作为仿真软件,并应用BP网络和RBF网络对实例进行了仿真,从实验的角度验证了验证了RBF网络在非线性滤波方面的优越性,它具有训练时间短、所用神经元数目少、精度高等突出优点。
     最后介绍了基于函数型神经网络的最优非线性滤波,给出了相应的仿真实验结果。可以看到,神经网络用于最优非线性滤波具有广阔的发展前景。
This thesis explores the neural networks approach to optimum nonlinear feltering. The main research work is as follows:
     It analysis the actualities and the developing trends about the neural networks approach to optimum nonlinear filtering, itneural networks and the classical theory about the optimum nonlinearfiltering.Among them it is included not only the nonlinear Least Mean Square (LMS) estimation (spreaded Kalman filter), but the nonlinear Recursive Least-Square (RLS) estimation also.At the same time it analysis the feasibility of integration of neural networks and optimum nonlinear filtering.
     It discusses the Back Propagation (BP) network and the Radial Basis Function (RBF) network to optimum nonlinear filtering. With the MATLAB as software tools,simulations are made which applies the BP network and the Radial Basis Function (RBF) network to realism examples. A series of simulation waves are obtained, thus,the accuracy of the simulation model is validated by experiments.And the simulation verifies the superiority of the RBFs in nonlinear filtering such as shorter training time, least note and higher accuracy.
     Finally,the optimum nonlinear filtering based on Functional Link Artificial Neural Netwok (FLANN) is described,with its experimental results.
     It can be seen,the ANN used in the optimum nonlinear filtering may be a tendency in filtering of noise.

引文

【1】 Simon Hakin.“Optimwn Nonlinear Filtering”,IEEE Transactions on Signal Processing,45(11),1997
    【2】段玉波.《最优滤波理论及其应用》,第一版,哈尔滨工程大学出版社,2000 年 6 月
    【3】沈风麟,钱美玉.《随机统计分析与处理》,第一版,中国科学技术大学出版社,2001 年 3 月
    【4】张有为.《维纳滤波与卡尔曼滤波导论》,第一版,人民教育出版社,1980
    【5】赵春晖. “数字形态滤波器理论及算法研究”,ww. cdgdc. edu. cn/yxbslwlpxjg/2000/zhaochunhui.html
    【6】张贤达.《现代数字信号处》,第一版,清华大学出版社,1995
    【7】罗发龙,李衍达.《神经网络信号处理》,第一版,电子工业出版社,1993 年 10 月
    【8】陈贺新.《现代工程数学手册》,第三卷,华中工业学院出版社,1987
    【9】胡守仁,余少波,戴葵.《神经网络导论》,第一版,国防科技大学出版社,1993 年 10 月
    【10】沈清,胡德文,时春. 《神经网络应用技术》,第一版,国防科技大学出版社,1993 年 12 月
    【11】袁天鑫.《最佳估计原理》,第一版,国防工业出版社,1980
    【12】敬喜,《卡尔曼滤波器原理及其应用基础》,第一版,国防工业出版社,1973
    【13】 Pearson, J. B. "On Nonlinear Least-Squares Filtering",Automatica,Vo1.4, 1967, pp. 97-105
    【14】罗鹏飞,张文明,刘福声.《随机信号分析》,第一版,国防科技大学出版社,2000 年 10 月
    【15】焦李成.《神经网络系统理论》,第一版,西安电子科技大学出版社,1990
    【16】 S. Haykin and P. Yee. "Nonlinear state estimation using RBF networks",IEEE GLIBECOM, McLean, VA, 1996
    【17】楼顺天,施阳,《基于 MATLAB 的系统分析与设计一一神经网络》,第一版,西安电子科技大学出版社,2000 年 11 月
    【18】李翠华,郑南宁,张永平. 一类径向基函数网络及其在图像滤波中的应用,西安交通大学学报, 33(3),1999
    【19】Simon Haykin. NEURAL NETWORKS A Comprehensive Foundation, Second Edition, Tsinghua University Press and Prentice Hall, 2001,10
    【20】Luo Falong and Bao zheng. "Neural network approach to adaptive filtering",Proc. of IECON'91, Japan, 1991
    【21】F Palmieri. Nonlinear Filtering for Robust Signal Processing,Ph.D Dissertation, University of Delaware, 1987
    【22】T E Mccannon. "On the design of nonlinear discrete-time predictors",IEEE Trans. On IT, 28(3), 1982
    【23】S Tamura. "An analysis of a noise reduction neural network",Proc. of ICASSP' 89, PP. 2000-2003
    【24】赵瑞,顾启泰. 滤波理论的最新进展及其在导航系统中的应用,清华大学学报,Vo1.40, No. ?S, 2000
    【25】沈福民.《自适应信号处理》.西安:西安电子科技大学出版社,2001
    【26】江波,自适应随机共振系统及小信号检测方法的研究[D],2003.2
    【27】丛爽.《面向MATLAB工具箱的神经网络理论与应用》.合肥:中国科学技术大学出版社,2003
    【28】焦李成.《神经网络系统理论》.西安:西安电子科技大学出版社,1996
    【29】Y.H.Pao.《自适应模式识别与神经网络》.北京:科学出版社,1992
    【30】Jagdish C.Patra and Alex C.Kot.Nonlinear Dynamic System identification using Chebyshev functional link artificial neural networks. IEEE Trans. Syst. Mon. Cybern. B.2002, 32(4):505-511
    【31】李萍.参数调谐随机共振(PSR)的神经网络实现研究,东南大学硕士学位论文,2006.3