基于非监督学习神经网络的自动调制识别研究与实现

以非监督学习神经网络为主要研究对象,描述自组织网络的基本模型,分析传统自组织网络的训练算法,提出了一种基于自组织特征映射SOFM(Self-Organizing Feature Map)神经网络的通信信号自动调制识别方法。方法改进了训练算法中的学习率函数和邻域函数,提高了算法的收敛速度和性能,并将其应用在通信信号调制识别中。仿真实验检验基于SOFM神经网络的调制识别方法的性能,并与后向反馈(BP)神经网络加以比较,结果表明SOFM神经网络的调制识别方法具有较高的识别精度,改进后的训练算法提高了识别的有效性。     

RFID调制信号自动识别方法的研究

提出了一种基于软件无线电的RFID调制识别方法.该方法设计了一种用遗传算法全局优化BP网络拓扑结构的调制识别分类器.与传统BP神经网络方法相比,该方法加快了网络的收敛速度,提高了收敛精度且识别率较高.仿真结果表明,该方法在较低信噪比情况下可达到很高的识别效率.     

PSO-BP网络模型在数据分类中的应用

分类技术是数据挖掘的重要分支,常见的分类方法有决策树、统计方法、机器学习方法、BP神经网络方法等.本文针对标准BP网络存在的一些缺陷,结合一种进化算法微粒群(PSO)算法,建立了一种用于数据分类的网络模型.该模型充分利用微粒群算法的全局寻优特性,优化BP网络的权值和阈值,既保证了BP网络能收敛到全局最优解,加快了BP网络的收敛速度和收敛精度,又提高了待分类数据的识别准确率.仿真实验结果表明此模型较BP网络具有较好的分类识别性能.     

一种基于BP神经网络的数字识别新方法

针对标准BP神经网络收敛速度慢、易陷入局部极小点的缺点,提出了一种新的BP神经网络改进算法。该算法通过变步长法和牛顿法来改进BP算法,加快了网络的收敛速度,且收敛速度快于其他的改进算法。在此基础上将BP神经网络应用于数字识别中,为其网络建立识别模型。利用仿真实验观察BP网络的泛化能力以及识别准确性,比较BP算法及其改进方案,提出改进方案中分别需要注意的地方。     

基于GA-BP神经网络的目标识别方法

针对单一特征识别算法泛化能力差、识别准确率低的问题,本文深入分析了典型目标地震波信号的时域特征,融合多个特征构建训练样本,采用BP神经网络算法对目标进行识别;针对BP神经网络收敛速度慢、泛化能力差的缺点,通过遗传算法对BP神经网络优化。最终形成基于GA-BP神经网络的目标识别方法,并进行实验验证。结果表明:基于GA-BP神经网络算法无论是在收敛性、准确性还是计算速度上都优于传统算法。     

基于回归神经网络误差配准算法的仿真实现

在网络系统优化问题的研究中,目前广泛使用的BP网络模型不能保证收敛到全局最小点,这给网络传输带来误差.为消除网络误差,提高收敛速度,在BP网络加入反馈信号生成内部递归神经网络的误差配准算法.算法在内部递归神经网络引入上次输出的结果,加入先验知识,提高了收敛速度.同时文中对有偏差单元的递归神经网络的误差反向传播学习规则进行了推导,使得网络的累积误差不大于要求值.通过民用航空领域雷达网系统仿真数据仿真表明,算法在消除雷达网系统误差、提高目标精度,对网络系统优化可以取得较好的效果.     

基于回归神经网络自适应快速BP算法

动态递归网络Elman网络结构简单，运算量少，适合于实时系统辨识。以Elman网络结构推导了在线学习算法。针对于传统BP算法会产生局部收敛和收敛速度慢等缺点，提出了一种改进的自适应BP算法，运用到回归神经网络，提高了在线学习的速度与收敛速度，仿真实验表明了此算法的有效性和快速性。     

基于L-M神经网络的齿轮故障诊断

齿轮传动工况的复杂性使得其特征参量与故障形式呈非线性映射关系.提出基于Levenberg-Marquardt算法的前向多层神经网络的齿轮故障诊断方法,该方法通过利用二阶导数信息,可以提高收敛速度和增强网络的泛化性能.并以一种齿轮箱故障信号采集实验系统为例,通过MATLAB软件及其神经网络工具建模和仿真研究.结果表明,Levenberg-Marquardt神经网络对齿轮常见故障有良好的识别能力,能稳定、准确地识别各类故障,与标准BP网络相比,收敛速度快且诊断更为准确.     

遗传神经网络在模拟电路故障诊断中的应用

故障诊断对于事故后快速恢复具有重要的意义.模拟电路故障诊断有许多方法,提出了一种基于遗传算法优化的BP神经网络智能诊断技术.该方法采用基于实数编码的遗传算法优化神经网络权值和阈值,代替了原来BP网络随机设定的初始权值和阈值.然后再用改进的BP算法用已由遗传算法确定的空间对网络进行精确搜索.实验仿真结果表明基于遗传算法优化过的神经网络的训练步数得到大大的减少,泛化能力也得到提高.克服了传统BP算法的收敛速度慢,容易陷入局部极小的缺点.     

基于遗传小波神经网络的RFID调制识别

在射频识别的调制识别方法中,神经网络常用的反向传播算法普遍存在收敛速度慢、容易陷入局部极小点、网络参数的选取只能凭实验和经验确定等缺点。针对上述问题,提出一种基于遗传算法优化小波神经网络的识别分类器。该分类器可以充分发挥遗传算法的全局寻优能力、小波分析的非线性逼近能力和神经网络的自学习特性,仿真结果表明其可以优化系统的收敛速度和识别精度。     

空间激光通信网络拓扑算法设计与仿真研究

研究自由空间激光通信网络移动节点的拓扑控制问题,针对特定场景空间激光通信自组织网络提出一种基于集合划分的启发式拓扑算法.根据空间节点的位置姿态信息和激光建链的约束条件计算节点间的可连接关系及链路稳定度,通过启发式迭代生成较优的全连通稳定拓扑,实现所有节点间的网络层通信.所提算法不仅可优化网络直径,还可在遇到链路断开时,...     

一种启发式网络虚拟化资源分配算法

网络虚拟化是克服当前Internet僵化问题的一种重要方法,而资源分配是网络虚拟化技术的核心.为了平衡负载,本文提出了一种启发式资源分配算法HVNE.该算法充分利用虚拟节点和虚拟链路间的关联因素(虚拟网络拓扑),将节点映射和链路映射两个过程合并为一个统一的过程,改善了传统映射算法在拓扑稀疏时,算法性能不理想的问题.此外,HVNE允许同一个虚拟请求中的多个虚拟节点映射到同一个物理节点,节约了物理链路资源.HVNE将无向图的"k-区域划分优化"理论与传统的拓扑分割理论相结合,定义了虚拟拓扑间节点的关联因子,改进了传统的星形分割方法,使之能适用于大规模网络.仿真实验表明,HVNE在保证网络负载的情况下,获得了较好的虚拟请求接受率,较高的资源利用率和网络收益.     

基于通信量权值二分图分配算法的列车通信网络研究

针对列车通信网络的网络性能直接受到网络拓扑结构的影响,提出一种基于设备间的通信量权值的二分图分配算法,解决网络拓扑中设备到交换机的分配问题。首先,根据列车通信网络中各设备间的实际通信情况,建立列车交换式以太网模型,得出设备间的通信量权值;然后,利用通信量权值的二分图分配算法完成设备到交换机的分配,构建新的交换式列车网络拓扑结构。通过OPNET建模仿真对该结构的网络性能进行分析,结果表明,优化后的列车通信网络拓扑结构比未优化的拓扑结构,在网络时延、链路利用率和吞吐量等网络性方面能均有很大的提升,可为列车通信网络拓扑结构优化研究提供理论参考。     

IPv6接入网拓扑结构自动发现方法研究

针对IPv6网络的特点，进行网络拓扑结构自动发现，是对IPv6网络实施有效管理的基础。目前，国内外相关的研究工作主要集中在IPv6骨干网络拓扑发现方法领域，对IPv6接入网的拓扑结构自动发现方法的研究工作相对较少。该文提出了一种IPv6接入网拓扑结构自动发现方法，在此基础上给出一个在IPv6接入网中实施拓扑发现的解决方案，通过实际测试，对这种方法的正确性和有效性进行了分析。     

天地一体化卫星网络拓扑场景仿真技术

网络仿真可为天地一体化卫星网络的新技术评测提供有力支撑。面向天地一体化卫星网络拓扑场景固有的异构性、动态性特点,提出一种天地一体化卫星网络拓扑场景仿真技术。设计了面向异构、动态卫星网络拓扑的统一描述模型,以及研究了基于统一描述模型的拓扑自动解析与仿真场景生成方法,提升了仿真场景生成的易用性;从是否时变性的角度出发,设计了面向各类星间链路与星地链路的分类方法,将链路分为时变性和非时变性两种,针对非时变性链路,通过引入链路模型预加载机制,提升了卫星链路的仿真效能以及响应速度;针对链路仿真过程中延时仿真精确度低的问题,设计了链路仿真校正策略,实现了卫星链路高逼真、实时、动态的仿真。构建了多种天地一体化卫星网络场景,实验结果表明：所提出的技术具备高效的卫星网络仿真拓扑的自动生成能力;与现有技术相比,该技术在卫星链路仿真效能与仿真逼真性方面具有明显优势。     

基于模体的目标区域网络拓扑划分方法

随着信息社会的发展,网络安全的重要性日益凸显,准确获取网络实体的地理位置有助于更好地实施网络管理。现有经典的基于拓扑启发式聚类的网络实体定位方法,采用基于网络结构的集群划分对网络实体进行聚类,由于没有考虑网络拓扑的具体特性,导致最后的结果误差较大。为解决这一问题,提出一种基于模体的目标区域网络拓扑划分方法。该方法根据目标网络拓扑呈现局部节点高聚类性的特点,创新性地引入"模体"的概念,在目标网络拓扑中挖掘模体结构并进行分析;然后借鉴复杂网络研究领域内局部社团发现方法中初始种子扩展的思路,以模体结构为初始种子进行相应扩展,将拓扑中与模体紧密相连的节点划分为多个集合;最后分别根据地标和公开的IP地理位置数据库对划分的节点集合进行定位,将集合的位置作为集合内节点的地理位置,从而实现网络实体的批量定位。基于香港和台湾两个地区网络拓扑的实验结果表明,该方法与经典的HC-Based方法、NNC方法相比,在网络实体定位准确率上分别能提高25%和16%左右,并且可批量定位的网络实体更多。     

在线社会网络演化模型

在分析在线社会网络的拓扑结构、特征及演化规律的基础上,借鉴了前人网络模型的思想,提出了在线社会网络演化模型,引入动态的加权方式,提出了一种在线社会网络演化模型。理论分析和仿真表明：在线社会网络演化模型具有无标度和小世界特性,点权、边权、度分布呈现幂律特性,具有较多的簇系数、较小的路径长度且可调。这种无标度和小世界特性与现实中的在线社会网络较为一致。     

基于能量的无线传感器网络拓扑发现算法改进

对于自组织的无线传感器网络而言,网络拓扑控制对网络性能影响很大。良好的拓扑结构能够提高路由协议和MAC协议的效率,为数据融合、时间同步和目标定位等很多方面提供基础,有利于延长整个网络的生存时间。本文提出了一种基于能量因素的无线传感器网络拓扑发现算法,该算法是以TopDisc算法为基础,在此基础上考虑根据节点的剩余能量控制等待转发时间,在响应拓扑发现请求时把节点自身的剩余能量考虑在内,与距离加权后影响邻节点的发送时延,即对算法的时延机制进行改进。     

基于小世界网络模型的无线传感器网络拓扑研究综述

小世界网络是复杂网络最重要的特性之一,将小世界网络理论引入无线传感器网络(WSNs),对分析网络拓扑结构、发现其中隐藏的规律以及提高网络性能具有十分重要的意义,在智能交通、军事等方面具有广泛的心用.综述了小世界WSNs的网络特征量、网络拓扑结构、应用前景及面临的主要问题,试图为小世界网络理论在WSNs中的研究勾画出一个较为全面和清晰的概貌,为相关领域的研究者提供有益参考.     

计算机网络拓扑发现技术研究

网络拓扑发现是通过收集网络传输的信息来研究网络连通结构的一项技术，在网络管理和网络安全评估发面具有重要意义。针对网络拓扑发现的关键问题，对网络拓扑发现的研究内容和研究目标进行了概括，分析了目前网络拓扑发现技术的国内外研究现状，从协议的角度归纳了目前几种网络拓扑发现技术的研究方法，阐述了每种方法的实现机理，同时指出了每种方法的使用范围和不足，最后讨论了网络拓扑发现技术的发展趋势。